twoday kapacity Customer Churn & Retention Framework
Hvorfor skal du fokusere på Churn & Retention?
Tilfredse kunder er fundamentet for de fleste virksomheder. De genererer en fast indtjeningsstrøm og er mere åbne for mersalg. Undersøgelser har gentagne gange vist, at det er markant dyrere at få en ny kunde end at fastholde en eksisterende.
Med churn prediction har du mulighed for at spotte kunder, der har høj risiko for at forlade forretningen. Konkret kan en churn-model give alle kunder en sandsynlighed for at churne inden for et specifikt tidsrum. Koblet med en Customer Lifetime Value-beregning kan du samtidig se, hvilke kunder der er mest værdifulde for forretningen.
Med Kapacitys Churn & Retention Framework nøjes vi ikke med at spotte churn – vi handler på baggrund af det det. Med vores retention actions får du et stærkt værktøj, som giver dig mulighed for at fastholde de rigtige kunder.
Baseret på indsigter fra machine learning-modellen, forretningshypoteser, domæneeksperter og værdisætning af kunderne via CLV udformes aktive handlinger, der tages i brug af forretningen.
Disse handlinger måles og testes i et vedvarende feedback-flow, som forbedrer modellen, indsigter, handlinger og forretningen kontinuerligt.
Det får du med Kapacitys customer churn & retention framework
Churn-model
Churn-modellen bruger machine learning og dine data til at forudsige, hvor sandsynligt det er, at hver enkelt kunde forlader forretningen. Ved brug af performance metrics og en test-periode kan vi måle, hvor præcist churn-modellen kan forudsige, hvilke kunder der vil churne. Vil du vide mere om, hvilke data churn-modellen skal bruge, kan du læse dette blogindlæg.
Retention Value (RV)
Retention Value er en samlet score, der bliver beregnet ud fra kundens sandsynlighed for at churne sammenholdt med kundens værdi for forretningen. Det er ikke nødvendigvis den bedste løsning at gå efter de kunder med størst sandsynlighed for at forlade dig, hvis de ikke er værdifulde for forretningen – det tager Retention Value højde for.
Forstå Customer Churn
På baggrund af vores churn-model kan vi analysere på globale og lokale effekter. Globale effekter ser på de overordnede trends fra churn-modellen. Det kan f.eks. være, at kunder, der ikke modtager nyhedsbrev – eller en særlig aldersgruppe – har særlig høj risiko for at churne. Fra de lokale effekter kan du se, hvordan hver churn-driver påvirker hver enkelt kunde, hvad de vigtigste drivers er for netop den kunde man kigger eller interagerer med og hvor stor en indflydelse den specifikke driver har.
Retention actions
Den viden, vi opnår, når vi ser på churn-effekter, kan vi bruge til at foretage retention actions. I første omgang handler det om at segmentere kunderne for i sidste ende at finde frem til de kunder, der kan overtales til at blive med den rigtige kommunikation og de rette handlinger. Her er one-size-fits-all ikke godt nok – der er brug for skræddersyede forslag, da kunder reagerer forskelligt og har brug for forskellige tiltag og produkter.
Gratis White Paper: Spot churn og fasthold de rigtige kunder med data og Marketing Science
Med White Paperet får du:
- 27 sider spækket med den nyeste viden inden for Customer Churn – og hvad du kan gøre for at undgå det – skrevet af vores ekspert på området.
- Et detaljeret indblik i, hvordan Machine Learning nemt kan give indsigt i, hvad der driver churn, hver enkelt kundes værdi for din virksomhed, og sandsynligheden for at hun/han churner.
- En grundig gennemgang af, hvad du skal gøre for at forhindre churn – vi giver dig svar på, hvordan du kommer i gang, hvem du skal gå efter, og hvilke metoder du skal bruge.
Case: Aarstiderne får unikt indblik i kundeloyaliteten med kundeanalyser
Aarstiderne har det seneste år kørt et strategisk projekt omkring kundeloyalitet under overskriften ”den bedste kundeoplevelse hver gang”. Målet var at gøre arbejdet med kundeloyalitet mere struktureret, men hvad skulle der til for at komme i mål?
Aarstiderne valgte blandt andet at fokusere på bedre kundeanalyser og startede en dialog med Kapacity om Customer Churn & Retention. Målet var at få bedre indblik i, hvilke kunder der var mest tilbøjelige til at churne.
Modellen, som Aarstiderne bruger, kigger på mere end 300 variabler. Det sikrer en stor nøjagtighed af de kundeanalyser, som modellen leverer.
Teknologi og tekniske kompetencer fejler i mangel på formål
AI har enormt stort potentiale, og vi ser både velvilje og visioner om at være mere “datadrevne” og udnytte data optimalt. Dog bliver de gode ambitioner om at være på forkant med intelligente AI-løsninger ofte mødt med den samme udfordring: Hvordan skaber man egentlig værdi med AI? Læs blogindlægget...
Responsible AI
Dette blogindlæg tager dig igennem tre vigtige fokusområder om etik og ansvarlighed i AI-løsninger.
Hvad er Explainable AI?
I dette blogindlæg vil vi kigge nærmere på, hvad forklarlighed inden for AI betyder samt hvilke typer af information, man kan uddrive fra AI-/ML-modeller.
Sådan får du AI ud af sandkassen
I dag står døren til AI åben for alle virksomheder – men de færreste formår at udnytte teknologien til fulde. I dette blogindlæg kan du læse om de tre primære årsager til, at AI ofte forbliver et legetøj i sandkassen – og vores opskrift på, hvordan du kan høste det fulde potentiale af AI på tværs af...
Fem råd til at få Machine Learning i produktion
Har du også en fornemmelse af, at jeres data indeholder mere potentiale, end din virksomhed høster i dag? At kunne trække de dybe indsigter ud af data eller automatisere manuelle arbejdsopgaver med en data-applikation bygger ofte på Machine Learning som en del af fundamentet.
Video: Kursus i håndtering af datakvalitet
twoday kapacitys kursus i håndtering af datakvalitet er det rette kursus for dig, som gerne vil lære, hvordan man sikrer, at data lever op til den forventede kvalitet. I videoen fortæller Kristoffer West mere om, hvad du vil lære på kurset.
Master Data Management: Dos and Don’ts
Vi har nu i en serie af blogindlæg været igennem de centrale emner indenfor master data management. Måske sidder du allerede og føler dig godt klædt på til at dykke ned i MDM i din egen virksomhed – eller så mangler du lige det sidste for at komme i gang eller videre.
Master Data Management: Governance – organisering, roller og ansvar
I sidste blogindlæg fortalte vi lidt om master data governance med fokus på data og de politikker og retningslinjer, jeres organisation skal følge for at sikre koordineret og systematisk brug af master data. I dette blogindlæg vil vi fortælle om det andet ben i MDM governance – jeres organisering, r...
Master Data Management: Governance – Data & Compliance
Vi har i tidligere blogindlæg i vores MDM-serie været inde på, hvordan master data indsamles, modelleres, renses, kvalitetssikres samt deles til både operationelle og analytiske formål. I dette blogindlæg vil vi fortælle lidt om, hvad der er vigtigt for at sikre, at de data der deles lever op til je...
Vil du i gang? Det vil vi også
Gør som en lang række af landets mest ambitiøse virksomheder:
Udfyld formularen eller tag fat i Simon – så kan vi tage en god snak om jeres udfordringer og drømme.
