Churn Prediction ist eine Marketingtechnik, die darauf abzielt, frühzeitig diejenigen Verbraucher zu identifizieren, die mit hoher Wahrscheinlichkeit aufhören, Kunden des Unternehmens zu sein.
Die Abbruchvorhersage ist ein unverzichtbares Instrument in der Geschäftspolitik der Unternehmen, da sie es ermöglicht, rechtzeitig zu erkennen, welche Verbraucher in naher Zukunft den Kauf von Waren und Dienstleistungen einstellen könnten. Ziel dieses Tools ist es, die Ursachen von Abbrüchen identifizieren zu können, um diese durch Kampagnen, Incentives und andere Bindungsmaßnahmen zu verhindern.
Ursprung der Abwanderungsvorhersage
Kunden in den meisten Branchen können aus verschiedenen Gründen entscheiden, bei einem bestimmten Hersteller nicht mehr zu kaufen, z Ursache) usw.
Kunden zu verlieren ist für Unternehmen ein ernstes Problem, da Neukundengewinnung oft sehr teuer ist. Tatsächlich kostet es zwischen 5 und 15 Mal weniger, einen Kunden zu halten, als einen neuen zu gewinnen. Um ihre Ressourcen effizient verwalten zu können, müssen Unternehmen den Prozentsatz der Kunden kennen, die anfällig für Abbrüche sind und wie sie ihren Abgang stoppen können.
Aus diesem Grund wurde ein Analysetool entwickelt, das speziell darauf ausgerichtet ist, die potenziell ausscheidenden Kunden und die Gründe für diese Aufgabe zu ermitteln. Dies ist der Ursprung der Abbruchvorhersage.
Ziel der Abbruchvorhersage
Das Ziel der Abwanderungsvorhersage ist es, Kunden zu identifizieren, die das Geschäft verlassen könnten, und die Ursachen der Abwanderung direkt anzugehen. Dies wird eine effizientere Nutzung von Ressourcen und eine größere Projektion des Marktlebens ermöglichen.
Methoden zur Vorhersage von Abbrüchen
Die Dropout-Prognose basiert in der Regel auf Umfragen und ökonometrischen Modellen, mit denen die möglichen Ursachen von Dropouts und deren Einflussfaktoren identifiziert werden können.
Dann wird ein Interventionsmodell vorgeschlagen, das darauf abzielt, abzubilden, wie sich eine bestimmte Politik oder Maßnahme auf die Wahrscheinlichkeit des Verlassens auswirkt.
So kann beispielsweise das Churn-Prediction-Modell auf historischen Kundenabwanderungsdaten über 10 Jahre basieren. Mögliche Ursachen können sein: Mangel an Informationen, ständige Preiserhöhungen, Wahrnehmung geringer Qualität, Eintritt von Wettbewerbern mit besseren Angeboten, schlechte Beziehung zum Kunden usw.
Ein Interventionsmodell wird unterdessen Maßnahmen vorschlagen, um die Ursachen der Aufgabe zu verringern. Wenn eine der Ursachen beispielsweise die schlechte Qualität des Dienstes ist, besteht eine Politik darin, die Aufmerksamkeit der Betreiber zu verbessern, Kunden zu kontaktieren, auf Beschwerden in kürzerer Zeit zu reagieren usw.