利潤驅動的保留管理與機器學習
擁有最高忠誠度和留存率的公司收入增長250%比同行更快，在10年時間裏為股東帶來了2到5倍的回報。贏得忠誠度，讓最多的客戶留在身邊，這對公司和客戶群體都是最有利的。beplay体育app下载地址
那麼，為什麼公司會在用戶留存問題上苦苦掙紮呢?除了一些基於訂閱的企業(如電信)會報告每用戶平均收益(ARPU)外，大多數公司都沒有被要求或強製在公開文件中披露這一數據。許多公司專注於功能優先級，而不是客戶，認為通過這些努力，客戶忠誠度自然會產生。事實上,尼爾森最近的一項調查強調解決“客戶流失是公司營銷目標的最後一個優先事項。”
鑒於越來越多的證據表明，消費者正在重新考慮如何以及在哪裏花錢，這一點尤其成問題。beplay体育app下载地址雖然大多數研究都認為這些變化是消費者對新冠疫情的反應在美國，人們對品牌忠誠度越來越不感興趣早於當前的危機．
價值是在客戶的生命周期內交付的
保留客戶必須成為任何尋求客戶的公司的首要任務長期增長．在最近的一係列關於客戶終身價值的文章中訂閱而且non-subscription在模型中，我們研究了留存率在建立有利可圖的客戶關係中如何發揮關鍵作用。至少，客戶需要保持足夠長時間beplay体育app下载地址的接觸，以抵消公司的獲取成本，但理想的關係能夠繼續帶來遠遠超過這一點的利潤。
圖1所示。在客戶生命周期的不同階段流失
有效管理留存率和降低流失率的關鍵在於理解如何有效地留住員工客戶生命周期應該進行(圖1)，並檢查在整個生命周期中客戶可能流失的地方。beplay体育app下载地址在早期階段，客戶仍然在學習他們正在beplay体育app下载地址消費的產品和服務，以及如何最好地從中獲得利益。積極的參與鼓勵采用最大化這些利益的行為，可能有助於將客戶過渡到持續消費的後期階段。beplay体育app下载地址在這些後期階段，通過品牌識別與客戶建立聯係，不僅可以鼓勵客戶繼續保持忠誠度，還beplay体育app下载地址可以幫助客戶成為品牌大使，有助於有組織地為企業帶來新客戶，減少入職挑戰。
你不可能拯救所有人……
當客戶放棄與客戶的關係時，了解原因是很重要的。一些流失可能代表著一段長期關係的自然結束，這段關係終於走到了盡頭。在這種情況下，我們可以通過將客戶轉換到我們組合中的其他產品和服務或由合作夥伴組織提供的其他產品和服務來繼續獲得價值。或者我們可以簡單地讓客戶離開，因為我們知道一個滿意的客戶很可能會繼續作為一個淨推廣者。
當客戶過早離開時，我們需要采取糾正措施。在人生旅途的早期階段，流失可能表明在使用產品或服務或通過它們認識到價值方麵存在困難。後期階段的流失可能表明減少價值無論是真實的還是感覺上的，都是由於產品、交付方式或競爭格局的變化。在任何階段，業務流程問題(如未能識別到期信用卡)都可能無意中將客戶排擠出去。beplay体育app下载地址員工流失的具體原因千差萬別，每一種原因在個人和組織層麵都需要不同的應對方式。
你不應該嚐試
在處理個人問題時，重要的是要考慮任何糾正措施的成本和收益。每個客戶對公司都有潛在的價值，這種價值是在關係的生命周期中產生的。無論是通過促銷、折扣還是其他激勵措施，避免流失的成本都不應超過剩餘價值我們可能希望保存。我們的目標應該始終是保持盈利。
這不僅需要仔細考慮個人的CLV，還需要考慮實施積極留存活動的整體成本。規劃和管理以及與持續、持續參與相關的人工成本必須在保留的風險客戶(理想情況下很大)的比例上進行平均。beplay体育app下载地址
這絕不是為了阻止組織采用保留管理策略。事實上，大量研究表明，這是有代價的5次(或更多)獲得一個新客戶比保留一個現有的客戶更重要，公司可能會認為這是一個利潤增加95%每減少5%的流失率。盡管如此，我們必須謹慎地認識和解決人員流失背後的宏觀層麵模式，以降低留住客戶的壓力，同時也有選擇性地吸引那些風險最大的客戶。beplay体育app下载地址這就是機器學習和預測分析可以發揮作用的地方。
使用機器學習來量化流失的可能性
客戶在出發前發出的信號往beplay体育app下载地址往被淹沒在整體客戶活動的噪音中。為了防止客戶離開，我們需要通過仔細檢查大量曆史數據來獲得一定數量的提前通知，這是機器學習模型最適合做的事情。
用於主動流失檢測的經典技術，如使用邏輯回歸或決策樹，可能對(理想情況下)低頻率發生的流失等事件不敏感(圖2)。更現代的技術，如神經網絡和梯度增強樹，更能發現表示流失的模式中的微妙變化，但需要仔細配置和評估才能做到這一點。
圖2。真實數據集中頻繁類和不頻繁類之間的不平衡
使用這些模型成功的關鍵是遠離他們會或不會他們相反，要接受任何流失預測中固有的不確定性。當我們開始檢查所有易受影響的客戶是否具有可量化的流失風險時，我們可以專注於消除計beplay体育app下载地址算中的不確定性。有了更可靠的流失風險預測，我們可以更仔細地檢查與個別客戶相關的剩餘CLV，並就何時以及如何進行幹預做出更有針對性的決策。beplay体育app下载地址
使用數據來關注業務成果
總的來說，機器學習和數據科學並不容易。但是，將數據與專門的軟件結合起來，管理基礎設施以支持模型處理和頻繁的再處理，以及向下遊業務係統交付輸出，這些都不應該消耗組織的時間。
利用在預集成了最流行的機器學習庫的平台下的彈性的、基於雲的基礎設施，您的數據科學家可以立即訪問啟動所需的功能。Beplay体育安卓版本使用預先集成的框架，如hyperopt而且mlflow(圖3)。在強大的、動態可伸縮的數據處理引擎的支持下，可以快速有效地檢查客戶信號所在的大量數據。
圖3。模型精度相對於各種超參數值
要了解這些功能如何結合起來解決客戶流失預測問題，請查看我們的解決方案加速器資產，該資產演示了如何利用真實數據從原始數據到預測: