Churn-prediksjon er en markedsføringsteknikk som søker å identifisere tidlig hvilke forbrukere som har stor sannsynlighet for å slutte å være kunder i selskapet.
Forutsigelse om oppgivelse er et uunnværlig verktøy i selskapets kommersielle politikk, siden det gjør det mulig å identifisere i tide hvilke forbrukere som kan slutte å kjøpe varer og tjenester i nær fremtid. Målet med dette verktøyet er å kunne identifisere årsakene til forlatelse for å forhindre det gjennom kampanjer, insentiver og andre oppbevaringstiltak.
Opprinnelsen til churn-spådommen
Kunder i de fleste bransjer kan bestemme seg for å slutte å kjøpe fra en bestemt produsent av forskjellige årsaker, for eksempel: å finne et bedre tilbud i konkurransen, skuffelse over kvaliteten på tjenesten, ønsker å prøve andre alternativer, kortvarig manglende betalingsevne (arbeidsledighet eller andre årsak) osv.
Å miste kunder er et alvorlig problem for bedrifter, da det ofte er veldig dyrt å få nye kunder. Det å faktisk beholde en kunde koster mellom 5 og 15 ganger mindre enn å få en ny. For å kunne administrere ressursene sine effektivt, må bedriftene vite prosentandelen av kunder som er utsatt for forlatelse og hvordan de kan stoppe utgangen.
Dette er grunnen til at det er laget et analyseverktøy spesielt fokusert på å bestemme kundene som potensielt vil forlate selskapet og årsakene til denne forlatelsen. Dette er opprinnelsen til forutsigelsen om forlatelse.
Forutsigelsesmål for frafall
Målet med churn prediction er å kunne identifisere kunder som kan forlate virksomheten og direkte angripe årsakene til churn. Dette vil tillate en mer effektiv ressursbruk og en større projeksjon av livet i markedet.
Forutsigelsesmetoder for frafall
Forutsigelsen om frafall er vanligvis basert på undersøkelser og økonometriske modeller som gjør det mulig å identifisere mulige årsaker til frafall og hvilke faktorer som påvirker dem.
Deretter foreslås en intervensjonsmodell som vil søke å reflektere hvordan en bestemt policy eller tiltak påvirker sannsynligheten for forlatelse.
Dermed kan for eksempel prediksjonsmodellen baseres på historisk data om kundekurneringer over 10 år. Mulige årsaker kan omfatte: mangel på informasjon, konstante prisøkninger, oppfatning av lav kvalitet, konkurranse med bedre tilbud, dårlig forhold til klienten osv.
En intervensjonsmodell vil i mellomtiden foreslå tiltak for å redusere årsakene til forlatelse. Således, for eksempel, hvis en av årsakene er dårlig kvalitet på tjenesten, vil en policy være å forbedre operatørens oppmerksomhet, følge opp med kunder, svare på klager på kortere tid osv.