Spesso è complicato tenere traccia del comportamento di un cliente che sta pian piano riducendo la sua presenza, fino ad arrivare all’abbandono. Se si potesse rendersi conto di quali pattern comportamentali precedono il momento in cui il cliente viene definitivamente perso, si potrebbero mettere in atto strategie di marketing per ri-catturare l’interesse del cliente.

La strada per catturare questi pattern comportamentali è la churn analysis: tramite modelli di machine learning che analizzano le serie storiche dei movimenti di vendite si può catturare in modo probabilistico il cliente che tende all’abbandono.

Si tratta di strategie già presenti nella vita quotidiana: tutti i player del mondo telecomunicazioni, operanti in un mercato di grande competizione TODO dove i servizi offerti sono circa sempre quelli, fanno uso massivo di churn analysis per indirizzare e personalizzare le promozioni ai propri clienti nell’intento di prevenire la loro fuoriuscita a vantaggio dei competitor.

Un’altra importante fonte dati per interpretare la tendenza del cliente sono i dati del CRM: questi permettono di trovare una causa-effetto tra calo degli acquisti e indici di insoddisfazione nel rapporto commerciale.

Discover
Incontri di analisi ed estrapolazione delle variabili utili a disposizione, a partire da serie storiche di vendita e dati del CRM

Understand
Identificazione del modello comportamentale di abbandono che si è interessati a prevedere, con la scelta del momento ottimale in cui identificare l’evento e quindi l’anticipo di intervento

Solve
Analisi delle prestazioni dei modelli ottenuti e ricerca della migliore modalità per poter ricevere avviso delle previsioni di abbandono