Churn prevention

Churn voorkomen

• Bestaande klanten behouden is kostenefficiënter dan nieuwe klanten winnen.
• Data science kan helpen om churn te voorkomen.

Wat is churn?

Veel bedrijven richten zich op het werven van nieuwe klanten in plaats van op het behouden van hun bestaande klantenbestand. Waarom geven sportscholen en telecomaanbieders bijvoorbeeld korting aan hun nieuwe klanten, en niet aan hun huidige klanten? Het resultaat van deze strategie is dat klanten van provider naar provider hoppen, wat leidt tot een gebrek aan een loyale klantenbasis.

Waarom churn voorkomen?

Het verkrijgen van een lijst van uw toekomstige churners is ongelooflijk waardevol voor uw bedrijf. Je zou hen een beetje extra TLC (tender, love & care) of een korting kunnen geven, afhankelijk van welke marketing strategie het beste past bij elke churner, om ervoor te zorgen dat deze churners niet zullen vertrekken.

Je zult door wat gegevens moeten spitten als je wilt begrijpen welke klantkenmerken typisch zijn voor churners.

Om te bepalen welke kenmerken van klanten goede voorspellers zijn voor churn, moet je kijken naar hun historische gegevens. Deze dataset moet gegevens bevatten van klanten die uw bedrijf in het verleden hebben verlaten, en van klanten die loyaal zijn gebleven. Vervolgens kun je in deze dataset proberen verborgen patronen in het gedrag van de klanten te ontdekken die de churners van de non-churners onderscheiden. Je zou bijvoorbeeld kunnen ontdekken dat de meeste klanten die afhaakten, in de laatste zes maanden voor de overstap een klacht indienden. Dit kan een aanwijzing zijn dat je de klachten van klanten niet grondig genoeg opvolgt. Het verbeteren van de opvolging zou dus kunnen leiden tot minder churners.

Voorbeeld

In dit deel geven wij een voorbeeld van een classificatiegeval. Stel je voetbalclub A voor. Elke voetbalclub verkoopt ieder seizoen seizoenkaarten aan zijn fans. Aan het eind van het seizoen vraagt voetbalclub A zijn fans of zij hun seizoenkaart willen verlengen. De meeste fans zullen dat doen, maar een klein deel van deze fans zal afhaken, wat betekent dat zij hun lidmaatschap niet verlengen. Als gevolg van deze churn kunnen de inkomsten van voetbalclub A dalen, wat onwenselijk is en vaak kan worden voorkomen. Als deze voetbalclub inzicht zou hebben in welke fans waarschijnlijk zullen afhaken, zouden zij hierop kunnen inspelen door hen extra aandacht te geven en misschien zelfs een korting. Maar hoe kan voetbalclub A nu weten welke fans zullen afhaken?

Kenmerken en doelvariabele

Machine learning kan Football Club A helpen bij het identificeren van deze fans. Op basis van de voorgaande seizoenen weet de club welke fans in het verleden hebben gechurned. De club heeft informatie over deze fans zoals, hoe vaak zij de wedstrijden bezochten en wat de prijzen waren voor hun seizoenkaarten. De club kan dit soort informatie gebruiken als kenmerken in een machine learning algoritme. De doelvariabele die we willen voorspellen is, in dit geval, “churn”.

De voorspelling

Het algoritme bekijkt de gegevens en probeert het gedrag en de kenmerken te begrijpen van fans die in het verleden hun seizoenkaart hebben opgezegd. Op basis van deze patronen kan het model een voorspelling doen voor de fans die momenteel een seizoenkaart hebben. De uitkomst van het model is een lijst van fans en de waarschijnlijkheid dat zij hun lidmaatschap gaan opzeggen. Deze informatie kan worden doorgegeven aan de marketing- en verkoopafdeling, die dan kunnen voorkomen dat deze klanten opzeggen door hen een aanbieding te geven om hun seizoenkaart bij de voetbalclub te verlengen.

Dus…

Het voorkomen van churn kan waardevol zijn voor uw organisatie. Weten welke klanten waarschijnlijk zullen afhaken levert niet alleen extra geld op, maar kan ook uw bedrijfsmodel veranderen. Als u uw loyale klanten regelmatig beloont, hoeft u geen fortuin uit te geven aan het vinden van nieuwe klanten.