twoday Customer Churn & Retention Framework
Vil du fastholde dine mest værdifulde kunder?
twodays Customer Churn & Retention Framework bruger jeres data kombineret med den nyeste teknologi inden for machine learning til at forudsige, hvilke kunder der har størst sandsynlighed for at forlade dig.
På baggrund af churn-modellens indsigter kommer vi med konkrete forslag til, hvordan du skal handle for at holde på dine mest værdifulde kunder. Alt imens modellen løbende bliver gentrænet og optimeret til at forudsige, hvad der virker i jagten på at fastholde kunderne.
Det er bare med at komme i gang!
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 twodays 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 twodays 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:
- 34 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 twoday 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.
Udforsk relaterede ydelser
AI
Machine Learning, deep learning, reinforcement learning. Buzz eller business? Spørger du vores AI konsulenter, er der gevinster med en AI løsning for alle. Og i alle brancher.
Læs mere her
Advanced Analytics
Advanced Analytics er en særlig disciplin, der ved hjælp af algoritmer kan beregne sandsynligheder for ”at noget sker” og dermed hjælpe dig med at være på forkant med udviklingen af din forretning.
Vil du i gang? Det vil vi også
Gør som en lang række af landets mest ambitiøse virksomheder:
Udfyld formularen eller tag fat i Søren – så kan vi tage en god snak om jeres udfordringer og drømme.
