Churn-förutsägelse är en marknadsföringsteknik som syftar till att tidigt identifiera de konsumenter som har stor sannolikhet att upphöra att vara företagskunder.
Förutsägelsen om övergivande är ett oumbärligt verktyg i företagens kommersiella policy, eftersom det gör det möjligt att i tid identifiera vilka konsumenter som kan sluta köpa varor och tjänster inom en snar framtid. Syftet med detta verktyg är att kunna identifiera orsakerna till övergivande för att förhindra det genom kampanjer, incitament och andra lagringsåtgärder.
Ursprunget till churn förutsägelse
Kunder i de flesta branscher kan besluta att sluta köpa från en viss producent av olika skäl, till exempel: att hitta ett bättre erbjudande i tävlingen, besvikelse över servicekvaliteten, vill prova andra alternativ, tillfällig brist på betalningsförmåga (arbetslöshet eller annat orsak) etc.
Att förlora kunder är ett allvarligt problem för företag eftersom det ofta är mycket dyrt att få nya kunder. Att behålla en kund kostar faktiskt mellan 5 och 15 gånger mindre än att få en ny. För att effektivt kunna hantera sina resurser måste företagen känna till andelen kunder som är mottagliga för övergivande och hur man kan stoppa deras utträde.
Det är därför som ett analysverktyg har skapats särskilt fokuserat på att bestämma de kunder som potentiellt kommer att lämna företaget och orsakerna till detta övergivande. Detta är ursprunget till förutsägelsen om övergivande.
Målet för förutsägelse om bortfall
Målet med churn-förutsägelse är att kunna identifiera kunder som kan lämna verksamheten och direkt attackera orsakerna till churn. Detta möjliggör en mer effektiv resursanvändning och en större projektion av livet på marknaden.
Förutsägelsemetoder för bortfall
Förutsägelsen om bortfall baseras vanligtvis på undersökningar och ekonometriska modeller som möjliggör identifiering av möjliga orsaker till bortfall och de faktorer som påverkar dem.
Sedan föreslås en interventionsmodell som syftar till att återspegla hur en viss policy eller åtgärd påverkar sannolikheten för övergivande.
Således kan exempelvis churn-prediktionsmodellen baseras på historiska kundchurneringsdata över 10 år. Möjliga orsaker kan vara: brist på information, ständiga prishöjningar, uppfattning om låg kvalitet, konkurrenter med bättre erbjudanden, dåligt förhållande till kunden etc.
En interventionsmodell kommer emellertid att föreslå åtgärder för att minska orsakerna till övergivande. Således, till exempel, om en av orsakerna är tjänstens dåliga kvalitet, skulle en policy vara att förbättra operatörernas uppmärksamhet, följa upp kunderna, svara på klagomål på kortare tid etc.