Case Predictive Customer Churn

Business Issue

Bij een telecombedrijf kost het aantrekken van nieuwe klanten viermaal zoveel als het behouden van bestaande klanten, men spreekt hier ook wel over customer churn. De uitdaging voor het bedrijf is om, op basis van feiten, gerichte en meetbare campagnes uit te voeren op specifieke groepen klanten waarbij de kans het grootst is dat zij in de nabije toekomst zullen overstappen. Iedere klant heeft immers eigen beweegredenen om over te stappen naar een andere aanbieder.

Aanpak en oplossing

Future Facts heeft een kortcyclische aanpak om een churnvoorspelmodel te ontwikkelen op basis van zogenoemde churndrivers. Met behulp van deze aanpak is een churnmodel gerealiseerd waarmee het telecombedrijf, met een nauwkeurigheid van meer dan 75%, kan voorspellen welke klanten in de toekomst zullen opzeggen.

Vervolgens is een campagne-evaluatiemodel ontwikkeld. De geselecteerde klanten vanuit het churnmodel worden met klantspecifieke campagnes benaderd. Essentieel is het inrichten van de meetbaarheid op de response om het succes en de efficiëntie van campagnes te bepalen. Door de waarde van het churnvoorspelmodel te toetsen, kan het model zichzelf verbeteren (self learning algorithm).

Baten

Inzicht in de belangrijkste churndrivers heeft een besparing opgeleverd van 17 miljoen euro. Door de combinatie van churnmodel, campagne-evaluatiemodel en besturing, is er sprake van continue verbetering op klantbehoud. Dit lerend Predictive Marketing Framework (PMF) van Future Facts is snel inzetbaar binnen churnpreventieprogramma’s.

Bekijk andere cases