Comment établir un modèle de predictive churn ?

Dans un premier blog, vous avez appris qu’une entreprise peut rapidement augmenter sa rentabilité grâce au predictive churn. Car quand une entreprise sait quels clients vont partir, elle peut prendre les mesures adéquates. Mais comment faire ? Dans ce blog, vous découvrirez comment élaborer un modèle de predictive churn et ce dont vous avez besoin pour ce faire. Dans la troisième et dernière partie, nous évoquerons la mise en œuvre pratique.

Modèle de predictive churn

Comment comprendre les raisons pour lesquelles les clients s'en vont ? Et quand ils le font, et pourquoi ? Pour comprendre toutes ces précieuses données, vous devez commencer par développer un modèle de predictive churn.Retenez que le développent du modèle n’est pas un but en soi, mais un moyen pour atteindre votre but : réduire le churn ratio. Un bon modèle de churn répond à trois questions brûlantes : qui vous quitte, quand et pourquoi.

Le modèle doit aussi permettre l’ajout permanent de nouveaux critères. Les choses ne vont pas bien sur un marché donné et il y a beaucoup de faillites ? Cela peut avoir un effet sur la vente de vos produits, parce ce segment de clients fait des économies de coûts et commande moins. Mais songez aussi à un changement de direction chez votre client. Souvent, les membres de la direction emportent leur propre réseau dans l'entreprise où ils vont travailler. Ce sont toutes des raisons pour lesquelles vos clients s'en vont. Votre modèle doit donc prévoir la possibilité d’intégrer ces critères.

Trois méthodes pour le modèle de predictive churn

Un modèle de predictive churn peut poursuivre trois objectifs. Et ces trois objectifs vont de pair avec trois modèles et méthodes d’étude différents. Vous utilisez donc les données d’une autre façon pour obtenir un autre résultat. Voici les trois méthodes :

Méthode 1 : comprendre qui vous quitte à court terme. Ce qui vous permet de savoir ce que vous pouvez faire à court terme pour conserver vos clients.

Méthode 2 : comprendre les facteurs de départ des entreprises, afin de savoir ce que vous devez faire à long terme pour améliorer votre proposition, votre service ou votre qualité, et fidéliser vos clients.

Méthode 3 : comprendre combien de temps certains segments restent clients chez vous et quand ils partent, afin que vous connaissiez la durée de vie client par segment. Ce qui vous permet de savoir à qui vous devez prêter attention et dans quoi vous devez moins investir.

De quoi avez-vous besoin pour prédire le churn ?

Que devez-vous faire dès aujourd’hui pour vous lancer dans le predictive churn ?

• Définition d’un client perdu : tout d’abord, il importe que chacun soit d’accord sur la question de savoir ‘quand un client s’en va’. Le plus souvent, le client ne dit rien : il ne commande plus, c'est tout. Quand peut-il recevoir le titre ‘churn’ ? Au bout d'une semaine ? Un mois ? Un an ?
• Des données, des données et encore des données : ensuite, il vous faut des données. Selon la quantité de données dont vous disposez – et donc de votre maturité avec le data driven maturity model – vous pouvez utiliser des sources internes et externes. Plus vos données et votre modèle seront de qualité et complets, plus votre compréhension des facteurs sera bonne. Car : pour le predictive marketing aussi, 20% d’efforts permettent d’obtenir déjà 80% du résultat. Mettez votre énergie surtout dans les données que vous pouvez obtenir relativement facilement.
• Données correctes : vous devez être certain de la qualité de vos données, un autre élément important du processus. Les informations sont-elles actuelles ? Pouvez-vous, grâce aux touchpoints offline et online avec le client, reconnaître celui-ci comme étant une seule et même entreprise ?

Quelle doit être la taille d’une entreprise pour pouvoir utiliser le predictive churn ?

Vous pensez probablement : c’est quelque chose pour ceux qui jouent dans la cour des grands, qui ont une rotation élevée. Ou uniquement pour les entreprises B2C ayant beaucoup de clients. Et vous avez partiellement raison. Les grandes entreprises (B2C) disposent de nombreuses données et il est donc logique que les entreprises de télécom, les sociétés énergétiques et par exemple les compagnies d'assurance soient familiarisées depuis des années avec le predictive churn.

Pourtant, les entreprises un peu plus petites peuvent également tirer profit d’une bonne compréhension de la rétention des clients, tant que les coûts restent inférieurs au rendement. Vous pouvez commencer petit en appelant vos clients à des moments cruciaux. Cela semble très logique, mais de nombreuses entreprises sautent pourtant cette étape.

J’ai travaillé dans une entreprise où le nombre de résiliations était très élevé après la première commande. Une petite enquête a révélé que les clients avaient besoin de davantage d’instructions pour le produit lors de la première utilisation. Les clients qui n’avaient pas la patience pour ce faire décrochaient. Nous avons alors constitué deux groupes de test :

• Groupe 1 : les clients qui n’avaient pas reçu de coup de fil après la première vente
• Groupe 2 : les clients qui avaient reçu un coup de fil après la première vente

S’il est vrai que le groupe deux a coûté davantage en termes de ressources (et donc d’argent), le churn ratio a considérablement baissé après un coup de fil. Une simple addition a démontré que la perte de clients coûtait davantage que l’investissement dans un contact avec le client après la première commande.

Quelques mesures simples vous permettent donc d’obtenir un très bon résultat. Songez au premier pas que vous pourriez franchir.

Lisez aussi le blog suivant, dans lequel vous apprendrez quoi faire en pratique avec toutes les informations obtenues pour réduire votre churn.