Transcript Analyser som gir verdi i alle faser av kundens livssyklus

Analyser som gir verdi i alle faser av kundens
livssyklus
Av André Grønlund, Analysepartner
Frokostseminar, Microsoft og NextBridge
6.mars 2012
Analytiker / Konsulent – spesialisert innen data
mining / analytisk CRM.
Siv.ing fra NTNU, linje industriell matematikk
Jobbet tidligere i Direktmedia (DM Huset), Contemi
og Teknometri (Software Innovation)
Inspirere til å ta i bruk mer analyse,
Gi ideer til analytiske løsninger du kan bruke i ditt
kundearbeid!
Vise ulike typer analyser / løsninger – illustrert
gjennom eksempler.
Mest fokus på «avansert CRM-analyse / datamining:
kundesegmentering, prediktiv analyse).
Litt om verktøy, teknologi.
Noen suksessfaktorer / beste praksis
Mål:
Rekruttere, utvikle
og beholde kunder
Gevinster:
Flere nye kunder
Økt lønnsomhet hos
eksisterende kunder
Økt lojalitet og
redusert kundefrafall
Økt reaktivering av
passive/tapte kunder
• Tilrettelegge data
• Transformere data til innsikt
• Bruke innsikten til å forbedre businessen
• Måling og effektiv læring
Hvem bør man sende
DM til?
•
Kommer mottaker
til å respondere på
DM’en?
Respons (%)
Prospect
univers fra
DirektMedia
2 millioner
Personer
(tilgj. for
DM)
Kampanje nr. (tid)
Utfordring: synkende
lønnsomhet i DM-kanalen
Uttrekk av prospekt basert på
prediksjon av:
• Responssannsynlighet
Utvikling av en modell som beregner
sannsynligheten til at hver enkelt
prospekt kommer til å respondere
DM-univers
Sann. for respons
Respons (%)
Tid
Resultat: 5 ganger så høy respons ved
innføring av scoringsbasert seleksjon
Høyt kundefrafall
(churn)
Ønsker en churnprediksjonsmodell for
å effektivisere antichurn arbeidet
Konseptuell løsning:
1)
Bygge en modell for prediksjon av churn ved å
analysere hva som kjennetegner historiske
frafall
2)
Implementere modellen slik at den
identifiserer hvilken av dagens kunder man står
I fare for å miste
3)
Kjøre anti-churn aktiviteter mot risiko-kundene
4)
Teste, måle og forbedre aktiviteter (ulke
tiltak/verktøy)
Analog til medisin;
Stille diagnose. Hvem trenger medisin?
Hvilke medisin/ behandling skal gi? Måle
effekten
Typisk analyseres 50100 kundevariabler
Mest brukt metodikk er
logistisk regresjon og
tremodeller eks. CHAID
Ofte bygges separate
modeller for ulike
kundesegmenter
• Kan oppnå reduksjon i frafall
på 20-30%.
• Måler effekt av anti-churn
aktiviteter opp mot
kontrollgruppe.
• TM-aktiviteter der ulike
virkemidler ble testet...
Hvordan øke inntektene
hos eksisterende kunder
ved å prise smartere?
Hvilken prisendring skal
kunden få ved
fornyelse?
• Dynamisk prisjustering ved fornyelse.
• Vha. matematiske modeller estimerte vi prissensitiviteten per kunde,
og fant hvilken pris som ville optimalisere inntektene.
• Automatisert motor som velger den prisen som gir høyest forventet
inntjening per kunde (CLV)
CLV
Optimal
pris
pris
•
Betydelig økning i margin (annual bottom-line
profit improvement)
•
Bevist effekt vha. randomisert forsøksdesign der man operativt
tester ny vs. gammel prisstrategi på kundeporteføljen
•
Tar ut ekstra marginer i kundesegmenter med lav
prissensitivitet.
•
Minde aggressiv prising hos kunder med høy prissensitivitet.
Mister færre kunder her da at man priser riktig ift. kundens
prissensitivitet.
Microsoft SQL-server, Analytical services,
Excel, PoverPivot
SAS Base, Guide, Miner
SPSS, Clementine
Open source data mining verktøy, eks.
KNIME, RapidMiner.
Er en fordel med godt strukturerte data / datavarehus. Husk
at for prediktive modeller trenger man å lagre kundehistorikk
Ikke glem evt. verdifulle «eksterne data»
Gode IT-verktøy løser ikke jobben alene - man trenger
analytikere med rett spisskompetanse
Ha et tydelig «business case» i analyseprosjektet. Vær tydelig
på hvordan analysen/modellene skal skape verdiskapning /
økt lønnsomhet
Mål at analysemodellene gir gevinster i praksis. Stopp / juster
det som ikke fungerer / eller ikke blir brukt.
Start enkelt, ta et området av gangen. Eks. prospektering
eller churn.
Håper at jeg har bidratt med:
inspirasjon til å ta i bruk mer analyse,
gitt økt tillit til at «avansert analyse» kan funke i praksis,
gitt ideer til analytiske løsninger du kan bruke i ditt
kundearbeid!.
Spørsmål?