Churn och Retention


Att behålla befintliga kundrelationer är betydligt mer lönsamt än att jaga nya kunder. Företag inom konsumentmarknaden satsar allt mer på att bygga starka relationer med sina kunder för att öka värdet av kundbasen. Genom att nyttja prediktiv analys för bland annat kundlivstidsvärde och churn scoring kan affärsverksamhetens lönsamhet förbättras väsentligt.

När det handlar om kundanalys som churn scoring finns det goda möjligheter att automatisera en stor del av arbetsprocessen med hjälp av tekniken. Inte bara i själva analysen, med stöd av automatiska analysalgoritmer (Data Mining), utan även det strategiska och operativa användandet av analysresultatet. Detta betyder att det manuella införande-arbetet blir litet i förhållande till användningsmöjligheterna.

Tekniken finns oftast redan på plats för att genomföra denna typ av arbeten. Har man till exempel en BI-lösning baserad på en Microsoft-platform så följer de verktyg man behöver med i plattformen.

Churn scoring är inte den enda möjligheten att tillämpa denna typ av prediktiv analys i verksamheten. Andra kandidater som har liknande arbetssätt men andra tillämpningar är bland annat att förutsäga köpbenägenhet för en viss produkt för en viss kund, beräkna individuella kundlivstidsvärden eller hitta mönster i stora mängder ekonomiska transaktioner.

Om man idag har tillgång till en Microsoft-platform och använder analysmöjligheterna tillgängliga i platformen kan man dessutom äga och förvalta sina statistiska modeller på ett enklare sätt än om man använder externa analysverktyg samtidigt som platformen är fenomenalt bra för att tillämpa analysmodeller operativt i realtid.