Удержание клиента – не искусство, а прикладная наука!
Post on 04-Aug-2015
46 Views
Preview:
TRANSCRIPT
Удержание клиента – не искусство, а прикладная наука!
Александр Ефимов
Руководитель направления прогнозной аналитики
Москва, 15.05.2013
ВВЕДЕНИЕ
3
ЗНАЕТЕ ЛИ ВЫ СВОИХ КЛИЕНТОВ?
Директор Доктор Королева Священник Генерал
4
РОЛЬ АНАЛИТИКИ В ЖИЗНЕННОМ ЦИКЛЕ КЛИЕНТА
Приб
ыль
ност
ь
• Где продавать? • Кого привлекать? • Какие каналы
развивать? • Какие каналы
сокращать?
Привлечение
• Что интересно клиентам? • Какими продуктами
и услугами склонен воспользоваться клиент?
• Как повысить прибыльность и доходность клиентов?
Стимулирование
• Какие клиенты склонны к уходу?
• Как удерживать клиентов?
Удержание
• Кого необходимо возвращать?
• Каким способом
возвращать?
Возврат
Время
Segmentation Engine
Basket Analysis Engine
Response Engine
CLTV Engine
Churn Engine
5
НЕЗАВИСИМЫЕ ИССЛЕДОВАНИЯ
• 75% клиентов предпочитают высокий уровень обслуживания, при этом 15% из них готовы платить больше1
• 50% клиентов переходят к конкурентам из-за низкого качества обслуживания1
• 20% клиентов склонны перейти к конкуренту из-за неудовлетворенности от последнего общения2
• 86% клиентов приветствуют наличие персонифицированных предложений во время операций самообслуживания3
• 84% клиентов готовы платить больше за лучшее качество обслуживания4, из них • 56% клиентов готовы платить на 10% больше • 24% клиентов готовы платить на 15% больше • 20% клиентов готовы платить на 20% больше
1 – Genesys Global Survey, 2007 2 – Aspect Contact Center Satisfaction Index, 2007
3 – Genesys Global Survey, 2009 4 – RightNow Customer Experience Impact Report, 2011
ПОСТАНОВКА ЗАДАЧИ УДЕРЖАНИЯ КЛИЕНТОВ
7
ЗАДАЧА СНИЖЕНИЯ ОТТОКА КЛИЕНТОВ
• Цель – уменьшить количество уходящих клиентов
• Задача – вовремя выделять склонных к уходу клиентов и применять различные способы их удержания
Типовой вид графика доходности ушедшего клиента
Прошлое История поведения клиентов
Окно воздействия Период скоринга и запуска кампаний по удержанию
Будущее Прогноз поведения
клиентов
Время
Доходность клиента
Применение модели оттока
Запуск кампании по удержанию
8
ИСПОЛЬЗОВАНИЕ МОДЕЛИ ОТТОКА
• Модель оттока позволяет выделить клиентов, склонных к уходу
• Полученная группа существенно меньше всей клиентской базы, т.е. снижается стоимость кампании по удержанию
• Полученная группа содержит максимальную концентрацию клиентов, склонных к уходу, т.е. повышается отклик на кампанию по удержанию
Модель оттока (отбор наиболее
склонных к уходу) Клиенты Целевой сегмент для удержания
РЕАЛЬНАЯ ЗАДАЧА ПО УДЕРЖАНИЮ КЛИЕНТОВ
10
ПОСТАНОВКА ЗАДАЧИ
• 250 тыс. абонентов с историей до 10.01.2012
• Историческая информация по вызовам, платежам, блокировкам и т.д.
• Average Revenue per Unit (ARPU) = $8
Задача
Имеющиеся данные
• Сокращение оттока абонентов
• Необходимо спрогнозировать склонность абонентов к оттоку в течение февраля 2012 года
• Один из крупнейших региональных телеком операторов в России
• Занимаем 14 место по версии CNews Telecom 2011
• Представлен в 13 регионах России
Телеком оператор
11
ЗАДАЧА ПРОГНОЗИРОВАНИЯ ОТТОКА
Прошлое Окно воздействия 28 дней
Уход абонента 40 дней
Время
Доходность клиента
Сегодня Применение модели оттока Запуск
кампании по удержанию
• Спрогнозировать уйдет ли абонент в течение 40 дней
• На удержание абонента доступно окно в 28 календарных дней • 14 дней на подготовку кампании по удержанию • 14 дней на проведение кампании по удержанию
ОПРЕДЕЛЕНИЕ КРИТЕРИЯ ОТТОКА КЛИЕНТОВ
13
ОПРЕДЕЛЕНИЕ КРИТЕРИЯ ОТТОКА АБОНЕНТОВ
• Только платные типы сервисов и направления вызовов
• Абоненты, которые уже в блокировке 90 дней и более
• Абоненты, которые превысили свой средний интервал между вызовами
40 дней
ПРИНЦИП НАСТРОЙКИ МОДЕЛИ ОТТОКА
15
ПОДГОТОВКА ВЫБОРКИ АБОНЕНТОВ ДЛЯ НАСТРОЙКИ МОДЕЛИ ОТТОКА
Абонент считается ушедшим, если с момента последнего исходящего платного вызова прошло 40 и более календарных дней
55.6% ушедших по
критерию оттока
250
тыс.
або
нент
ов
44.4% активных
Данные за октябрь, ноябрь, декабрь 2011г.
55.6% склонных к уходу
(97 300 абонентов)
44.4% лояльных
(77 700 абонентов)
55.6% склонных к уходу
(41 700 абонентов)
44.4% Лояльных
(33 300 абонентов)
Группа для обучения модели оттока 175 000 абонентов (70%)
Группа для проверки модели оттока 75 000 абонентов (30%)
175
000
абон
енто
в 75
000
аб
онен
тов
16
Применение модели прогнозирования оттока
ПРИНЦИП РАБОТЫ МОДЕЛИ ОТТОКА
ID ДК Звонки 7д
Звонки 1д-год
День недели
Баллы лояль- ности
Кол–во промо
7д
Дней в блоки-ровке
Тариф Дней лояльности … Отток
1 97 3 2 23 3 3 Безлимит 241 ДА
2 134 5 3 24 2 5 Предоплата 1345 НЕТ
3 145 2 4 25 1 5 Интернет 182 НЕТ
… … … … … … … … … …
Историческое признаковое описание Целевой признак
ID ДК Звонки 7д
Звонки 1д-год
День недели
Баллы лояльно
сти
Кол промо
7д
Дней в блокиров
ке Тариф Дней
лояльности … Отток
4 25 6 2 12 0 3 Интернет 103 ДА
Обучение модели прогнозирования оттока
Модель прогнозирования оттока
17
ОСНОВНЫЕ ХАРАКТЕРИСТИКИ АБОНЕНТА
• Расчетные статистики по услугам и блокировкам • Сумма за последние 3 месяца • Среднее за последние 3 месяца • Отклонение от среднего
за 3 месяца • Отношение 1-ого месяца ко 2-ому • Отношение 2-ого месяца к 3-ему • Отношение 1-ого месяца к 3-ему
• Доля внутрисетевых услуг по отношению ко всем услугам помесячно
• Средние интервалы между использованием услуг помесячно
• Тарифный план
• Пол
• Город
• Дилер
• Кол-во, стоимость и длительность услуг (звонки, SMS, GPRS, USSD) помесячно всего и внутри сети
• Кол-во и сумма платежей помесячно
• Кол-во дней нахождения в финансовой блокировке
• Кол-во случаев смен тарифного плана
ИСХОДНЫЕ ПРИЗНАКИ
РАСЧЕТНЫЕ ПРИЗНАКИ
РЕЗУЛЬТАТ НАСТРОЙКИ МОДЕЛИ ОТТОКА
19
АНАЛИЗ МОДЕЛИ: ПРАВИЛО №1
• Кол-во дней в финансовой блокировке за 2-ой месяц > 30
т.е. отсекаем наверняка уходящих абонентов
20
АНАЛИЗ МОДЕЛИ: ПРАВИЛО №2
• Кол-во платежей за 2-ой месяц <= 0
т.е. не было платежей • Кол-во дней в финансовой блокировке за 2-ой месяц <= 29,7
т.е. были дни, когда абонент не был заблокирован
• Кол-во дней в финансовой блокировке за 3 последних месяца > 63,4
т.е. два последних месяца из трех абонент был заблокирован
21
АНАЛИЗ МОДЕЛИ: ПРАВИЛО №3
• Кол-во исходящих звонков за 1-ый месяц <= 11
т.е. мало звонков за последний месяц • Сумма платежей за 2-ой месяц > 6,8 руб.
т.е. были платежи • Интервал между сервисными звонками за 3-ий месяц <= 15,7
т.е. часто наблюдаются сервисные звонки • Отклонение от среднего кол-ва дней в финансовой блокировке > 12,9
т.е. очень неравномерно абонент начинает попадать в финансовую блокировку
• Отклонение от среднего интервала между SMS <= 1, 05
т.е. абонент стабильно рассылает SMS последние 3 месяца
ОЦЕНКА ТОЧНОСТИ МОДЕЛИ ОТТОКА ПЕРЕД ПРОВЕДЕНИЕМ КАМПАНИИ ПО УДЕРЖАНИЮ
23
ОЦЕНКА КАЧЕСТВА РАБОТЫ МОДЕЛИ
Доля всех клиентов
Дол
я уш
едш
их к
лиен
тов
клие
нтов
100% 91,65%
83,12%
70,71%
53,95%
24
ОЦЕНКА КАЧЕСТВА РАБОТЫ МОДЕЛИ
Консервативная стратегия
Агрессивная стратегия
Доля всех клиентов
Дол
я уш
едш
их к
лиен
тов
клие
нтов
Большой бюджет Маленький бюджет
25
КАЧЕСТВО МОДЕЛИ НА ВЫБОРКЕ КЛИЕНТОВ ДЛЯ ОБУЧЕНИЯ И ПРОВЕРКИ
53,95%
73,19%
Доля всех клиентов
Дол
я уш
едш
их к
лиен
тов
клие
нтов
Доля всех клиентов
Выборка клиентов для обучения (70%)
Выборка клиентов для проверки (30%)
26
ОЖИДАЕМЫЙ ЭКОНОМИЧЕСКИЙ ЭФФЕКТ
Предположения
В среднем абонент остается после удержания (месяцев) 4
Сегмент для применения кампании по удержанию 20%
Процент уходящих в кампании по удержанию 53,95%
Расходы на абонента по удержанию $ 0,1
Процент отклика на кампанию по удержанию 10%
ARPU $ 8
Модель Кол-во уходящих в сегменте
Кол-во удержанных
Доход от работы модели в год
Случайная модель 22 800 2 280 $ 515 520
Модель КРОК 61 466 6 145 $ 1 999 526
Эффект $ 1 484 006
ПОДГОТОВКА КАМПАНИИ ПО УДЕРЖАНИЮ
28
ПОДГОТОВКА ВЫБОРКИ АБОНЕНТОВ ДЛЯ КАМПАНИИ ПО УДЕРЖАНИЮ
Абонент считается ушедшим, если с момента последнего исходящего платного вызова прошло 40 и более календарных дней
55.6% ушедших по
критерию оттока
250
тыс.
або
нент
ов
44.4% активных
Данные за октябрь, ноябрь, декабрь 2011г.
23.5% склонных к
уходу
76.5% лояльных
111
008
абон
енто
в
23.5% склонных к
уходу
76.5% лояльных
Контрольная группа 55 504 абонента
Фокусная группа для кампании по удержанию 55 504 абонента
РЕЗУЛЬТАТ КАМПАНИИ ПО УДЕРЖАНИЮ
30
ПРОВЕРКА ТОЧНОСТИ КРИТЕРИЯ УХОДА
4%
96%
Ушедшие по критерию на конец декабря
совершившие оплачиваемый вызов в 2012
по-прежнему неактивные
138 992 абонента
• 138 992 абонента относятся к ушедшим абонентам по введенному критерию ухода
• По факту всего лишь 4% абонентов совершило оплаченный вызов после констатации факта их ухода по критерию ухода
31
ОТТОК СОКРАТИЛСЯ НА ТРЕТЬ!
8 287 (14,9%) 5 400 (9,7%)
47 217 50 104
0
10000
20000
30000
40000
50000
60000
контрольная группа фокусная группа
активные
ушедшие
32
ЭКОНОМИЧЕСКИЙ ЭФФЕКТ*
Входные параметры
В среднем абонент остается после удержания (месяцев) 4
Сегмент для применения кампании по удержанию 23%
Процент уходящих в кампании по удержанию 60%
Сокращение оттока 5,2%
ARPU $ 8
Расходы на кампанию по удержанию (в год) $ 300 000
Модель Отток Кол-во удержанных Доход от работы модели в год
Модель КРОК 150 000 52 000 $ 1 364 000
*В расчете на 1 млн. абонентов
УПРАВЛЕНИЕ КЛИЕНТСКОЙ БАЗОЙ – ЭТО НЕ ТОЛЬКО УДЕРЖАНИЕ КЛИЕНТОВ
34
КОМПЛЕКСНАЯ ОПТИМИЗАЦИЯ МАРКЕТИНГОВЫХ КАМПАНИЙ
Ценностный сегмент Низкий Средний Высокий
Уров
ень
скло
ннос
ти
10%
Мар
кети
нгов
ые
пред
лож
ения
20% 30% 40% 50% 60% 70% 80% 90%
100%
Response Engine
Модель отклика
Churn Engine
Модель оттока
Segmentation Engine
Модель кластеризации
Basket Engine
Модель анализа покупательских корзин
CLV Engine
Модель оценки ценности клиента
35
АНАЛИТИКА – ЭТО ЕЩЕ НЕ ВСЁ
@
Управление маркетинговыми
кампаниями
Единое хранилище
Web-аналитика
Прог
нозн
ая а
нали
тика
по
кли
ента
м
КЛИЕНТЫ КАНАЛЫ
Обучение IBM SPSS в Специалисте: http://www.specialist.ru/vendor/spss
36
ПРЕИМУЩЕСТВА УПРАВЛЕНИЯ МАРКЕТИНГОВЫМИ КАМПАНИЯМИ
Увеличение отклика на кампании
10-50% увеличение
Снижение оттока клиентов, повышение отклика и
лояльности 5-15%
улучшение
Снижение затрат на привлечение клиентов
20-75% снижение
Снижение времени на подготовку кампании
40-80% снижение
Снижение расходов на кампании и маркетинг
20-40% снижение
Увеличение производительности / количества кампаний
50-300% увеличение
37
СПАСИБО ЗА ВНИМАНИЕ!
Александр Ефимов
Руководитель направления прогнозной аналитики
111033, Москва, ул. Волочаевская, д.5, корп.1 +7 495 974 2274 доб. 6032 Alexander.Efimov@CROC.ru
www.croc.ru
top related