Kako predvideti stopnjo odliva? – Celoten vodnik

Pravijo, da so podatki novo olje. Toda ali veste, da vam lahko podatki omogočijo opazovanje, kaj vam prinaša prihodnost?

Merjenje rasti je bistvenega pomena za sledenje in obravnavanje potreb podjetja. Vendar pa pogosto potrebujete nekaj motečih meritev, ki služijo kot zgodnje opozorilo.

Napovedovanje stopnje odliva je eden izmed njih. Podatki vam morda ne bodo dali razloga za poslastico, vendar ponujajo potencialne koristi.

Poglejmo resnici v oči: niso vsi potrošniki zvesti. 

Zahvaljujoč bliskovito rastočemu trgu. So nestanovitni in se vedno gibljejo po edinstvenih funkcijah, boljših izkušnjah in ustreznih cenah.

Napovedovanje stopenj odhoda strank zato doda konkurenčno prednost in potencialni vir prihodka, če se izvede pravilno. To je priložnost za uspeh ali neuspeh, kjer prepoznate svoje ranljive stranke in ukrepate, preden je prepozno.

V tem članku boste izvedeli, kako pomembno je predvidevanje stopnje odliva za vsako podjetje in kaj je potrebno za uspešno analizo. Za vaše nadaljnje razumevanje sem naštel pet analitičnih orodij na zahtevo za različne velikosti podjetja.

Napovedovanje stopnje opuščanja:

Preprosto povedano, napovedovanje stopenj odliva pomeni prikrito pokukati v prihodnost in občutiti možnosti izgube.
Celoten proces je mešanica umetne in človeške inteligence.
Tukaj se nič ne premakne brez podatkov.

In ko imate podatke, so orodja za napovedovanje opuščanja podvržena trem analitičnim procesom:

1 Diagnostična analitika: spoznate boleče točke strank in razloge za njihovo nezadovoljstvo.
2 Prediktivna analitika: Pomaga vam natančno določiti segment uporabnikov, ki bodo prej ali slej odpadli.
3 Predpisana analitika: Pomaga vam pri učinkovitih rešitvah ali odločitvah za zmanjšanje stopnje osipa.

Z napovedanimi številkami v roki lahko vodje trženja in prodaje sprejemajo premišljene odločitve za zmanjšanje odliva strank in krepitev zvestobe blagovni znamki.

Stroški pridobivanja nove stranke so lahko od 5- do 25-krat višji od stroškov obdržanja obstoječe. Medtem ko lahko zmanjšanje stopnje odliva za 5 % znatno poveča dobiček za 25 % do 95 %. 

Poleg tega samo te številke ne bodo rešile vaših prihajajočih težav. Vendar vam pokažejo znake nezadovoljstva uporabnikov, preden popolnoma opustijo vašo storitev. 

Eden od odličnih primerov je naročniška storitev. Pogovorimo se o platformi OTT.

Z naraščajočim številom platform OTT imajo uporabniki zdaj več možnosti za selitev. To je podjetjem omogočilo optimizacijo svojih storitev, osredotočenih na ključne kazalnike uspešnosti, kot so stopnja odhoda strank, vrednost transakcij v življenjskem ciklu, stroški pridobivanja strank itd.

Toda zakaj so nekatera podjetja na vrhu igre, medtem ko se ostala neskončno trudijo obdržati naročnike?

Ker večina sledi starim in rigoroznim načinom samo pridobivanja novih naročnikov. Medtem ko se najboljši igralci osredotočajo predvsem na strategije zmanjševanja odliva. Kar zadeva izvedbo in rezultate, je Netflix jasen zmagovalec. 

Po nedavnem poročilu je Netflixova stopnja osipa le 3 %. 

Nizka je, ker imajo vedno prste na utripu svojih naročnikov. S pomočjo orodij za napovedno analizo odkrijejo svoje boleče točke, se obrnejo nanje in poskrbijo za dodatno nego. Njihovi naročniški modeli za zadovoljne in ogrožene stranke gredo skupaj. 

Vendar upoštevajte, da predvidevanje stopnje osipa ne zagotavlja pripravljene rešitve. 

Vsako podjetje ima različne poslovne strategije , dejavnike napovedovanja in poteke dela. Orodja niso čarobne paličice in delujejo v vsakem primeru drugače. Tržniki morajo prilagoditi in prilagoditi modele posebnostim ciljev svojih strank.

Čeprav obstajajo nekatera temeljna načela za vse. Za izvedbo učinkovite analize bi morali tržniki na primer preveriti verjetnost odliva nekaj mesecev pred njihovo obnovitvijo – recimo 8 do 10 mesecev za letne naročnike.

To jim pomaga pri zbiranju podatkov o analizi razpoloženja, kot so vedenje, vzorci uporabe, časi gledanja in splošna izkušnja z izdelkom. 

Način, kako Netflix ustvarja uporabniške osebnosti, je veliko natančnejši od običajnih tržnih metod. Z dobro mešanico prilagojenih priporočil, sistemov povratnih informacij in privlačnih ponudb lahko pridejo v glave uporabnikov. 

Kako predvideti stopnjo odliva?

Učinkovito predvidevanje stopnje odliva vam omogoča, da zaprete puščanje v vašem potrošnem vedru. Ne samo, da vam pomaga slediti poti vašega potrošnika, temveč ga tudi primerjati z obdržanimi potrošniki, da ugotovite, kaj je šlo narobe. 

Vse se začne z ogromno zbirko podatkov, ki se nato uporabijo v sistemih za avtomatizacijo in orodjih CRM. Čeprav delate z robustno programsko opremo in znanostjo o podatkih, to ne omogoča gladke vožnje. 

Poleg tega ni nobenega načina za raziskovanje napovedi stopnje odliva. 

Ugotovimo torej, kako podjetja uporabljajo najboljše industrijske prakse za napovedovanje odliva:

1. Opredelitev problema:

Postavite se v kožo stranke. To je prvi korak, ki ga morate narediti pri opredelitvi problema. Postavite prava vprašanja. To pomaga ekipi, da pripravi prilagojen model za strojno učenje in ugotovi anomalije.

Na primer, nekatera pogosta vprašanja bi morala zveneti takole:

Ali bo ta segment strank podaljšal naročnino ali zapustil našo storitev?

Kateri so nekateri neobičajni znaki vedenja uporabnikov?

Kakšna je ocena verjetnosti (v številkah) odliva?

2. Zbiranje in anketiranje podatkov

Kot sem omenil na začetku, so podatki novo olje. Za napovedovanje stopnje osipa potrebujete veliko in veliko zgodovinskih podatkov. 

Na splošno se podjetja zanašajo na zanesljive vire podatkov: Google Analytics, AWStats, Salesforce, Microsoft Dynamics, komentarje iz družbenih medijev ali forumov ter ankete podjetij na zahtevo. 

3. Priprava podatkov za obdelavo

Zbrani podatki so v surovi in ​​nestrukturirani obliki. Treba ga je prilagoditi in dokumentirati glede na potrebe podjetja. Na primer, zgodovinski podatki se običajno shranijo v datoteko CSV, preden se naložijo v postopek modeliranja. 

Poleg tega je treba pripravo podatkov razvrstiti v kazalnike zdravja strank in rdeče zastavice. Proces se imenuje kohortna analiza, ki se osredotoča na prizadevanja za ohranitev, a ugotavlja tudi nedejavnost strank.

Indikator zdravja stranke:

Sledenje uporabniškim podatkom od točke nakupa do njihove stopnje angažiranosti, časa uporabe in zadovoljstva. Podatki pomagajo razumeti zdravstveno stanje uporabnikov, zlasti tistih, ki bodo verjetno ostali. 

Indikator rdečih zastavic:

Vključuje sledenje tveganjem trenj med strankami, sprememb v poslovanju (združitev, sprememba trga itd.), nižje stopnje sprejemanja in splošne vključenosti v storitev.

4. Hitri in umazani kalkulator verjetnosti:

Steven H. Noble iz Shopify je definiral enačbo.

Kaj uporablja to enačbo?

Na primer, imate naročniško storitev. Soočate se s težavami pri odlivu, hkrati pa prejemate veliko novih uporabnikov v dobrem številu. Zdi se kot dirka, toda kdo bo zmagal?

Če bo število novih uporabnikov preseglo stopnjo opuščanja, boste imeli manj odliva. Vam to prinaša prednost?

Ne!

Tukaj je en sam velik problem. Kje je zadrževanje?

Tisti dan, ko se stranka odloči, da ne bo zapustila storitve, bolje vidite možnosti za ohranitev. To se imenuje tudi dan uporabnika.

Primer izračuna za določitev mesečne verjetnosti stopnje odliva:

Število odpadnih strank v aprilu = 500

Neto št. novih uporabnikov:

Stranke na začetku meseca = 700

Stranke ob koncu meseca = 800

Pridobite nove stranke = 100

Posledično je verjetnost mesečne stopnje odliva = 0.6 %

5. Metoda Net Promoter Score (NPS):

NPS je računalniška metoda za identifikacijo vrst strank, ki bi lahko odpadle v danem časovnem okviru. Rezultat se giblje od 0 do 10 in je razdeljen na 3 dele:

Promotorji (9-10): Zadovoljne stranke

Pasivni (7-8): Nevtralne stranke, ki lahko preidejo na boljše možnosti

Obrekovalci (0-6): nezadovoljne stranke

NPS je preprosto razlika med % predlagateljev in nasprotnikov. Na primer, če je število vaših obrekovalcev večje od števila predlagateljev, to pomeni odliv. Da bi torej zmanjšali stopnjo odliva, morajo podjetja zmanjšati delež nasprotnikov in pasivnih. 

6. Napovedno modeliranje:

Tu so podatki pripravljeni za usposabljanje v programski opremi. Vnesejo se v napovedne modele, ki so uglašeni in preizkušeni za zagotavljanje ustreznih rezultatov. Model ni nič drugega kot dobro zasnovan algoritem, kot je odločitveno drevo, regresija itd. 

Na primer, pri modelu, ki temelji na odločitvenem drevesu, se vaša analiza začne na korenskem vozlišču in konča na listu. 

Imate več vozlišč, ki se povezujejo z vašimi vprašanji, ki se nadalje širijo na veje. Te veje označujejo število možnih rešitev, ki se nato končajo na listih, kjer končno dobite predvidene vrednosti. 

Sčasoma vam rezultati pomagajo napovedati stopnjo odliva in ugotoviti, ali so vaše stranke zadovoljne ali jim grozi odliv.

Prednosti napovedovanja stopnje odliva:

1. Spoznajte tveganja vnaprej:

Prediktivno obveščanje o tveganjih in vizualni podatki vam omogočajo, da se zavedate nevarnosti, ki prežijo v prihodnosti. Pomaga oceniti obstoječe načrte in postopke s poročilom o napovedi in vam daje možnost, da ga ponovno preučite.

2. Pridobite vpogled v ogrožene stranke: 

Pomaga vam odkriti vzorce s predstavitvijo trenutnih vpogledov strank. S primerjavo meritev lahko spremljate rezultate in ugotovite uporabnike, ki ne ustvarjajo nobene vrednosti ali kažejo znake nezadovoljstva.

3. Natančno določite ciljni trg:

S prediktivno segmentacijo lahko učinkovito ciljate na svoje potencialne stranke. Uporablja tehnologijo strojnega učenja za ustvarjanje trdne osebnosti kupca. To vam pomaga, da se povežete z ustreznim občinstvom, kar lahko olajša pretvorbo in vam prihrani ogromno časa in denarja.

4. Predčasno ublažite finančne izgube

Izboljša prepoznavnost s predvideno prodajno analitiko, ki pomaga omejiti finančne izgube zaradi dejavnikov, kot je tržna manipulacija. Orodje lahko pomaga tudi pri povrnitvi operativnih izgub in zmanjšanju režijskih stroškov.

5. Produktivne preračunane odločitve

Preračunane odločitve morda ne prinesejo vedno pravih rešitev. Toda s pomočjo analitike velikih podatkov in modelov strojnega učenja lahko zajamete spremenljivke iz preteklih dogodkov skupaj s svojimi izračuni, da napoveste produktivne rezultate.

6. Gradite zvestobo blagovni znamki in ugled

Pomaga spremljati strategijo blagovne znamke , ali se zavezanost njihovemu občinstvu izvaja pravilno. Podjetja imajo tudi prednost razumevanja ključnih priporočil svojih uporabnikov. Lahko analizirajo, ali se kakovost izdelkov izboljšuje glede na povratne informacije in ocene.

..In orodja na zahtevo za napovedovanje stopnje opuščanja:

1. analitični oblak SAP (priporočeno orodje za načrtovanje in sodelovanje)

SAP Analytics Cloud je ena najbolj razširjenih programskih oprem za analizo trga. Gre za robustno analitično platformo, ki vključuje poslovno inteligenco, napovedno analitiko in načrtovanje.

Sistem v oblaku pretvarja statične preglednice v akcijsko usmerjene informacije, ki tržnikom omogočajo odkrivanje vpogledov. Programska oprema je bila izdana februarja 2015.

Platforme za uvajanje:

• Oblak, SaaS, spletno
• Mobilnik – iPhone
• Mobilni – iPad

Ključne lastnosti:

1. Sistem v oblaku: Poganja ga pomnilniška baza podatkov SAP-HANA, ki izboljšuje sprejemanje odločitev v realnem času.

2. Razširjena analitika: Funkcija analize naslednje generacije, ki jo izvajajo algoritmi strojnega učenja in NLP-ji, in ki vodi tržnike tudi brez znanj s področja podatkovne znanosti.

3. Poslovna inteligenca: Podobno kot človeški um, vendar veliko bolj agilen, sistem s svojo kognitivno sposobnostjo filtrira in kategorizira podatke ter opozarja na napake.

4. Načrtovanje podjetja: Ustvarite in povežite strategije, operacije, finančne transakcije in različice v enem samem oblačnem vmesniku za nemoten in sodelovalen potek dela.

5. Dovršen uporabniški vmesnik: Bogato interaktivno orodje za načrtovanje, prilagajanje in upravljanje vsebin, predlog, podatkovnih modelov in gradnikov.

Prednosti:

• Operacije analize v oblaku
• Funkcije načrtovanja scenarijev
• Kul pripomočki in predloge
• Visoka varnost in nadzor dostopa
• Pravočasne posodobitve

Slabosti:

• Manj možnosti grafikona med uporabo analitične zgodbe
• Funkcija samodejnega shranjevanja
• Zamude pri pridobivanju podatkov iz živih virov
• Še vedno v razvojni fazi in vse funkcije niso popolne

Pricing:

• 90-dnevna preizkusna različica z omejenimi funkcijami
• Načrt poslovne inteligence (model omejenega načrtovanja): ~ 35 USD na mesec
• Celoten načrt (z vsemi modeli načrtovanja): Zahtevajte ponudbo.

2. KNIME (priporočeno orodje za velika podjetja)

Je najboljša programska oprema za podatkovno znanost za velika podjetja. KNIME ponuja dve vrsti programske opreme: KNIME Analytics Platform in Commercial KNIME Server.

KNIME Analytics Platform je odprtokodno orodje za podatkovno rudarjenje in napovedno analizo. Medtem ko je KNIME Server orodje izdaje za podjetja, ki vključuje vse od platforme Analytics ter funkcije za avtomatizacijo, sodelovanje, upravljanje in uvajanje. 

Obe orodji je mogoče gostiti v storitvah AWS ali Microsoft Azure. Programska oprema je bila izdana julija 2006.

Platforme za uvajanje:

• Oblak, SaaS, spletno
• Lokalno – Windows
• Lokalno – Linux

Ključne funkcije:

1. Prilagodljivost: Inteligentno samodejno predpomnjenje podatkov za obdelavo velikih količin podatkov.

2. Uporabniški vmesnik: Intuitiven uporabniški vmesnik za učinkovit potek dela in raziskovanje podatkov.

3. Podpora algoritmom: Podpira širok nabor algoritmov za podatkovno rudarjenje na ravni podjetja (odločitveni drevesi, združevanje v gruče, nevronske mreže itd.)

4. Vizualizacija podatkov: Napredne matematične in statistične funkcije ter možnosti prilagajanja.

5. Visokozmogljiv strežnik: Zmanjša čas nalaganja podatkov in olajša nemoteno sodelovanje v oblaku.

Prednosti:

• Narejen za obdelavo velikih količin podatkov
• Robusten nabor algoritmov, matematičnih in statističnih funkcij
• Podpira veliko spletnih poročil

Slabosti:

• Natrpan uporabniški vmesnik se morda zdi zmeden
• Predrago za MSP
• Precej zapleteno za učenje posameznikov
• Uporablja velik kos računalniškega pomnilnika (lahko vpliva na učinkovitost)

Pricing:

• Platforma KNIME Analytics je brezplačna
• Strežnik KNIME ima 3 ravni cen (za 5 uporabnikov in 8 jeder):

Majhna: 14,500 $

Srednje: 29,000 $

Velika: 52,000 $

3. RapidMiner Studio (priporočeno orodje za raziskovalce in startupe)

Orodje RapidMiner ponuja globino strojnega učenja in operacij modeliranja podatkov. Ker ga priznavajo najboljša podjetja za tržne raziskave (Gartner, Forrester), ni dvoma o tem, zakaj je to orodje priljubljeno med podatkovnimi znanstveniki. 

Programska oprema ima dve različici: RapidMiner Go in RapidMiner Studio.

To orodje, ki ga uporabljajo tako velika podjetja kot zagonska podjetja, je primerno za vse ravni izkušenj. RapidMiner je bil ustanovljen leta 2007.

Platforme za uvajanje:

• Oblak, SaaS, spletno
• Namizni računalnik – Mac
• Namizje – Windows
• Lokalno – Windows
• Lokalno – Linux

Ključne funkcije:

1. Bogat algoritem: Knjižnica z več kot 1500 algoritmi strojnega učenja za podporo operacijam podatkovne znanosti.

2. Lahko doda nove funkcionalnosti: Z uporabo jezikov Python in R lahko raziskovalci dodajo nove funkcije s ponovno uporabo obstoječe kode.

3. Izobraževanje in usposabljanje: Eno najboljših orodij za študente ali pripravnike za razumevanje uporabe podatkovne znanosti

4. Večindustrijski primer uporabe: Velja za skoraj vse sektorje: SaaS poslovanje, avtomobilska industrija, e-trgovina itd.

5. Brezhibna analiza podatkov: Močan mehanizem strojnega učenja preprečuje zamude pri nalaganju in zagotavlja rezultate v kratkem času.

Prednosti:

• Bogat vir algoritmov za usposabljanje podatkov
• Ogromno zaupanje po vsem svetu
• Zmožnosti obdelave datotek in vizualizacije
• Za vse ravni izkušenj

Slabosti:

• Težava z integracijo Pythona
• Redko posodabljanje učnih gradiv
• Če so podatki veliki, potrebuje preveč sistemskih virov

Pricing:

• Za posameznike:

         RapidMiner Studio je brezplačen

         RapidMiner Go: 10 $/mesec

• Za podjetja: Zahtevajte ponudbo

4. Alteryx (najbolj vsestransko analitično orodje)

Alteryx ponuja Analitsko avtomatizacijo procesov (APA), napredno programsko opremo za analitiko, zasnovano tako, da ustreza potrebam skoraj vseh panog. Programska oprema je znana po robustni avtomatizaciji, hitrem času izvedbe in hitri donosnosti naložbe.

Izvaja lahko sentimentalno analizo neobdelanih podatkov in ekipam olajša izmenjavo vpogledov. Za razliko od mnogih drugih analitičnih orodij lahko Alteryx obravnava nestrukturirane podatke. 

Alteryxova programska oprema za analizo je bila predstavljena leta 2006.

Platforme za uvajanje:

• Oblak, SaaS, spletno
• Namizje – Windows
• Lokalno – Windows
• Lokalno – Linux

Ključne funkcije:

1. Modeli za večkratno uporabo: Podatkovni inženirji lahko ponovno uporabijo nabore podatkov za pripravo različnih modelov.

2. Najbolj vsestranski primer uporabe: Uporabljajo ga skoraj vsi vodilni sektorji: tehnologija, trgovina na drobno, finance, zdravstvo, plin/nafta, vlada itd.

3. Enostavnost sodelovanja: Uporabniki lahko dostopajo do modelov, ki so jih ustvarili drugi, da se prepreči ponovno izumljanje kolesa ali ponavljanje.

4. Odlična skupnost: Predloge in ideje je enostavno deliti, kar olajša potek dela in prihrani čas.

5. Prilagodljiva uvedba: Omogoča uporabo obstoječih modelov, ustvarjenih v R ali Pythonu, brez potrebe po večjih prilagoditvah.

Prednosti:

• Učinkovito obravnava velike količine podatkov
• Vsestranskost in hitrost brez primere
• Izjemno aktivna in solidarna skupnost
• Odličen uporabniški vmesnik in funkcije povleci-spusti

Slabosti:

• Licence po višjih cenah
• Občasne težave z integracijo Pythona
• Težave med izvajanjem delovnega toka, ko so odprti Excelovi listi

Pricing:

• Za posameznike: 5,195 USD na leto
• Dodatni podatkovni paket tretjih oseb (za posameznike): 

         Lokacijska inteligenca: 11,700 $ na leto

         Potrošniška inteligenca: 33,800 $ na leto

• Za podjetja (strežnik Alteryx): Zahtevajte ponudbo

5. H2O.ai  (najboljše odprtokodno orodje za posameznika/podjetje)

Je odprtokodna in distribuirana platforma ML v pomnilniku, ki se drži poslanstva demokratizacije umetne inteligence. Ponuja razširljivo rešitev za podatkovne strokovnjake s pomočjo široko uporabljenih algoritmov ML, statistične vizualizacije in funkcij globokega učenja. 

H2O Wave, nedavno dodan izdelek, je odprtokodno ogrodje za razvoj Pythona. Ogrodje se uporablja za razvoj aplikacij AI v realnem času v skladu s potrebami podjetja.

H2O.ai je bil ustanovljen novembra 2011.

Platforma za uvajanje:

• Namizje – Windows

Ključne funkcije:

1. Odprtokodno: Najboljše orodje z odprto kodo, ki omogoča učinkovito sodelovanje in podporo skupnosti.

2. Peneča voda H2O: Uporabnikom omogoča upravljanje obsežne obdelave podatkov s pomočjo integracije Apache Spark.

3. H2O4GPU: Zasnovan za obdelavo naprednih modelov strojnega učenja z izkoriščanjem računalniških zmogljivosti grafičnega procesorja.

4. H2O Driverless AI: Uporabniku prijazen grafični vmesnik, primeren za podatkovne inženirje vseh ravni izkušenj, za učenje, uvajanje modelov in omogočanje funkcij AutoML.

5. Podpora algoritmom: Široko uporabljeni statistični in strojno-učni algoritmi za izkoriščanje zmogljivosti modeliranja.

Prednosti:

• Vrhunsko odprtokodno analitično orodje
• Aktivna in podporna skupnost
• Enostaven dizajn uporabniškega vmesnika 
• Odlična funkcionalnost AutoML

Slabosti:

• Kriptična sporočila za odpravljanje napak
• Nedostopno na več platformah
• Ni podpore za čiščenje podatkov
• Dokumentacija o integraciji Pythona

Pricing: 

• 21-dan brezplačni preskus
• Popoln dostop: Zahtevajte ponudbo

ugotovitev:

Stopnja odliva je neskončna težava. Ko pa imate prava orodja in prave analitične strategije, si lahko povrnete svoj delež, kljub vsemu.

Čeprav obstaja kup napredne avtomatizacije in inteligentnih funkcij, napovedovanje stopnje osipa ni nikoli lahka naloga. Še vedno potrebujete človeško perspektivo, da se zavestno odločite proti odlivu.

Seveda ima zdrava pamet veliko vlogo pri pravilnih napovedih. Programska oprema, ki jo uporabljate, ne zazna strankinih bolečih točk ali ima kakršne koli pogajalske sposobnosti. Ampak ti delaš.

Upam, da vam je to obsežno poročilo pomagalo razumeti obseg strategije napovedovanja stopnje odliva. Najmanjša stopnja odliva je; največji je ROI in ARR.