Artikel
Geschreven door Mark Zwart
Posted on 07/06/2017

Hoe zet u een predictive churn model op?

778 keer gelezen

In een eerste blog vernam u dat een bedrijf via predictive churn snel zijn winstgevendheid kan optrekken. Want als een onderneming weet welke klanten zullen weglopen, dan kan het er ook de gepaste acties tegenover zetten. Maar hoe begint u eraan? In deze blog leest u hoe u een predictive churn model opstelt en wat u daarvoor nodig heeft. In het derde en laatste deel komt de praktische implementatie in uw bedrijf aan bod.

Predictive churn model

Hoe krijgt u  nu inzicht in de beweegredenen van klanten die weglopen? En wanneer zal dat dan zijn en waarom? Om inzicht te krijgen in al deze waardevolle informatie begint u met de ontwikkeling van een predictive churn model. Onthoud hierbij dat de ontwikkeling geen doel op zich is, maar een middel om uw doel te bereiken: namelijk de churn ratio terugdringen. Een goed churn model geeft antwoord op drie brandende vragen, namelijk: dat u weet wie, wanneer en waarom wegloopt bij u.

Het model moet daarnaast ruimte bieden om steeds nieuwe criteria toe te voegen. Gaat het slecht in een bepaalde markt en zijn er veel faillissementen? Dan kan dit effect hebben op de afname van uw producten, omdat dit klantsegment kosten gaat besparen en minder zal gaan bestellen. Maar denk ook even aan een bestuurswissel bij uw klant. Vaak nemen directieleden hun eigen netwerk mee naar het bedrijf waar zij gaan werken. Het kunnen allemaal redenen zijn waarom klanten weglopen. En voor die criteria moet dus ruimte zijn in uw model.

Drie methodieken van predictive churn model

Een predictive churn model kan drie verschillende doelen hebben. Bij deze doelen horen ook drie verschillende modellen en onderzoeksmethodieken. U gebruikt de data dus op een andere wijze om een andere uitkomst te krijgen. Dit zijn de drie methodieken:

Methode 1: Inzicht krijgen in wie op de korte termijn afscheid neemt. Dit zegt dus iets over wat u op korte termijn kunt doen om klanten te behouden.

Methode 2: Inzicht in de factoren waarom bedrijven bij u weglopen. Dit geeft meer inzicht in wat u op lange termijn moet doen om uw propositie, service of kwaliteit te verbeteren en klanten te binden.

Methode 3: Inzicht in hoe lang bepaalde segmenten klant bij u blijven en wanneer zij weglopen, zodat u weet wat de lifetime per klantsegment is. Dit zegt meer over aan wie u aandacht moet schenken en waar u minder hoeft te investeren.

Wat heeft u nodig om churn te voorspellen?

Wat moet u doen om vandaag nog aan de slag te gaan met predictive churn?

  • Definitie van een verloren klant: Eerst is het belangrijk dat iedereen het eens is over de definitie ‘wanneer een klant wegloopt’. Meestal zegt een klant immers niet op, hij bestelt gewoon niet meer. Wanneer krijgt hij dan de titel ‘churn’? Na een week? Een maand? Een jaar?
  • Data, data en nog eens data: Vervolgens heeft u data nodig. Afhankelijk van hoeveel data u ter beschikking heeft - en dus hoe volwassen u bent aan de hand van het data driven maturity model - kunt u zowel interne als externe bronnen gebruiken. Hoe beter en vollediger uw data en uw model is, des te beter uw inzicht zal zijn. Echter: ook bij predictive marketing geldt dat u met 20% inspanning al 80% van het resultaat behaalt. Richt uw energie dus vooral op gegevens die u relatief eenvoudig boven water kunt krijgen.
  • Juiste data: Een ander belangrijk onderdeel in het proces is dat u zeker weet dat uw datakwaliteit goed is. Is de informatie up-to-date? Kunt u zowel vanuit uw offline als online touchpoints met de klant de klant herkennen als één en hetzelfde bedrijf?

Hoe groot moet een bedrijf zijn om predictive churn te gebruiken?

Waarschijnlijk denkt u nu: dat is alleen iets voor de grote jongens met een hoge omloopsnelheid. Of enkel voor B2C bedrijven met veel klanten. En gedeeltelijk heeft u dan gelijk. Grote (B2C) bedrijven beschikken over veel data en dus is het logisch dat juist telecom-, energie- en bijvoorbeeld verzekeringsbedrijven al jaren bekend zijn met predictive churn.

Toch kunnen ook iets kleinere bedrijven profiteren van het inzicht in klantbehoud, zolang de kosten maar lager zijn dan het rendement. U kunt klein beginnen door op cruciale momenten uw klanten na te bellen. Dit klinkt heel logisch, maar veel bedrijven slaan deze stap over.

Zo werkte ik eens bij een bedrijf waar het aantal opzeggingen erg hoog bleek na de eerste bestelling. Nader onderzoek wees uit dat klanten in het begin meer instructies nodig hadden bij het product. Klanten die daar het geduld niet voor hadden, haakten af. We hebben vervolgens twee testgroepen gestart:

  • Groep 1: Klanten die niet gebeld werden na de eerste verkoop
  • Groep 2: Klanten die wel gebeld werden na de eerste verkoop

Ondanks dat groep twee meer resources (en dus geld) kostte, bleek de churn ratio veel lager na een belletje. Na een simpele rekensom bleek het meer geld te kosten klanten kwijt te raken dan te investeren in klantcontact na de eerste bestelling.

Met enkele eenvoudige eerste stappen, kunt u dus al snel een goed resultaat bereiken. Bedenk eens welke eerste stap u kunt maken.

Lees ook de volgende blog, waarin we u vertellen wat u met alle inzichten doet in de praktijk om uw churn te reduceren.

Of download het uitgebreide e-book om uw eerste stappen te zetten naar een data-driven bedrijf.

Het handboek voor data-driven marketing