پیش بینی رویگردانی مشتری یا Churn Prediction در علم بازاریابی یکی از محبوب‌ترین روش‌های استفاده از داده‌های بزرگ (BIG DATA) در تجارت است. این پیشبینی برای شناسایی مشتریانی است که احتمال دارد اشتراک یک سرویس یا استفاده از محصول یا خدمات شما را لغو کنند.
در علم بازاریابی مشتری همه چیز است. آن‌ها هستند که به کسب و کارها وجودیت می‌بخشند. همواره در پی حفظ آن‌ها هستیم و همیشه نگرانیم که کدام یک از آن‌ها ممکن است نیم نگاهی به بهره‌بردن از بازار رقبایمان داشته باشند. ضمن این که هزینه حفظ یک مشتری بسیار مقرون به صرفه‌تر از هزینه جذب یک مشتری (CAC) است.
درک این مسئله که در کدامیک از مشتریانمان احتمال رویگردانی وجود دارد، می‌تواند مسئله‌ای پیچیده باشد. این رویگردانی می‌تواند به طور ناگهانی و به واسطه دلایل بالقوه مختلفی رخ دهد و مشتریانی که دست به چنین تصمیمی می‌زنند، نیز هرگز برای شما دلیل چرخش انتخابشان را توضیح نخواهند داد.
اطلاعات بسیاری در رابطه با تجزیه و تحلیل احتمال رویگردانی در هر مشتری وجود دارد؛ اطلاعاتی که شاید بیش از اندازه هم باشند. علاوه بر این، یک جستجوی ساده در گوگل به شما نشان می‌دهد که تنها راه برای پیش بینی رویگردانی مشتریان کمپانی‌تان، به کار گرفتن راه حلی سنجیده به دست خودتان است.
با این وجود، باز هم راه‌هایی برای پیشبینی رویگردانی و استفاده از این اطلاعات، وجود دارد. بهره بردن از این اطلاعات و پیشبینی موفقیت‌آمیز رویگردانی، تفاوت موجود میان حفظ یک مشتری سودآور و از دست دادن او را رقم میزند.
پیش بینی رویگردانی از داده های عظیمی در جهت تشخیص مشتریانی به کار گرفته می شود که احتمال لغو عضویت در آن‌ها وجود دارد. این امر توسط بسیاری از کسب و کارهای B2C و B2B مورد استفاده قرار می‌گیرد که در پی شناسایی مشتریانی هستند که احتمال رویگردانی در آن ها بیشتر است. موفقیت آمیز بودن این پیشبینی می‌تواند به حفظ مشتری و سودآوری برای شرکت‌ها منجر شود.
اساس پیش بینی رویگردانی
داده‌های به دست آمده از مشتریان با تکنیک‌های الگوریتمی ترکیب می‌شود که می‌تواند احتمال رویگردانی در کاربران را طبقه‌بندی کند. الگورتیم‌های مختلف با پیش بینی رویگردانی در تطابق هستند. مدل یادگیری ماشینی که با این عمل در ارتباط است، در واقع همان مدل تصمیم‌گیری درختی است که شامل مرحله پیش از پردازش داده‌ها و پس از آن، تمرین و ارزیابی می شود.
شرکت‌هایی که تیم اطلاعاتی منحصر به فرد خودشان را دارند می توانند به راه حلی شخصی‌سازی شده دست پیدا کنند. برخی شرکت‌ها با توجه به عدم رضایت عمومی در صنعت، این روش را بهترین روش برای پیشبینی رویگردانی می‌دانند و برخی دیگر نیز مسئله تحلیل بقا یا Survival analysis یا مدلی جمعی را به روش یادگیری ماشینی ترجیح می دهند.
آنچه واضح است، حتی رویگردانی‌های احتمالی کم هم می‌توانند مانع رشد کسب و کار شده و یا به کلی آنان را با شکست و نابودی مواجه سازند. حتی درصدهای پایینی همچون 1درصد و 2.5 درصد و 5 درصد می‌توانند به شکل بالقوه‌ای نابودگر باشند.
تصور کنید یک کمپانی آمار بسیار قابل قبولی در زمینه جلب مشتری دارد. چنانچه این شرکت نرخ رویگردانی خود را روی 1 درصد حفظ کند، رشد آن به قدری خواهد بود که شرکت را از خط خطر به دور نگه دارد.
اما اگر آمار رویگردانی مشتریان بیشتر از این شود، احتمالا به مرحله‌ای می‌رسد که متوجه می‌شود دیگر قادر به کسب مشتری بیشتر نیست که بتواند سیر صعودی خود را حفظ کند، حتی اگر نرخ کسب مشتری‌اش با گذشته فرقی نکرده باشد.
پیچیدگی شرایط رشد که با بالا رفتن میزان رویگردانی نیز همراه است، در چنین مرحله‌ای نمایان می‌شود. بهتر است رویگردانی و سود به دست آمده را در یک معادله قرار دهیم. چنانچه نرخ رویگردانی ماهانه شما 5 درصد باشد، سود ماهانه شما نیز 5 درصد کمتر خواهد بود. این رقم به مرور زمان افزایش پیدا خواهد کرد و تا انتهای سال به حجم سنگینی از نابودی سود منجر خواهد شد.
در چنین موقعیتی، از آنجایی که رویگردانی مشتریان جلوی رشد را می‌گیرد، روند سودآوری نیز نزولی خواهد بود. چنانچه برای این رویگردانی تدبیری اندیشه نشود، ثبات جریان رشد خود را به خطر خواهید انداخت و بی‌ثباتی در جریان رشد نیز به معنای پایان کار یک استارت آپ خواهد بود. بنابراین می‌توان اینطور گفت که پیشگیری از وقوع رویگردانی باید اولویت اول هر کمپانی باشد و این پیشگیری در مرحله اول با پیشبینی صورت می پذیرد.
رویگردانی مشتری به دلایل مختلفی رخ می‌دهد و روی برگرداندن یک مخاطب به پروفایل کلی آنان، به رفتار آن‌ها در زمان استفاده از محصول یا خدمات شما و به نیاز و تقاضای آن‌ها بستگی دارد. نیاز یک مشتری می‌تواند در طول مدت زمان استفاده از محصول یا خدمات تغییر کند. توجه کنید که تمام رویگردانی‌ها در ماه‌های اول اتفاق نمی‌افتند.
یک پیشبینی صحیح و مدیریت شده می‌تواند اندوخته‌ای ارزشمند در رسیدن به تصویری واضح‌تر از انتظارات مشتریان از محصولات یا خدمات شما باشد. اگرچه علت‌های رویگردانی مشتریان می تواند پیچیده باشد، اما جلوگیری از این رویگردانی اغلب نیازمند رویکردی مناسب در جهت بهبود تجربه و رضایت مشتری است. پیشبینی رویگردانی به شما این اجازه را می‌دهد تا پیش از اینکه مشتری برای همیشه با شما وداع کند، سطح رضایت او از محصول خود را بهبود ببخشید.
پیشبینی رویگردانی نه تنها برای پیشگیری از رویگردانی‌های قریب الوقوع مفید است، بلکه برای پیشبینی و آمادگی برای رویگردانی‌های آینده نیز بسیار ارزشمند خواهد بود. موقعیتی را فرض کنید که درآن حجم عظیمی از مشتریان، بدون دلیل مشخصی، در طی یک دوره زمانی خاص رویگردانی کرده‌اند. برخی از آن‌ها کاربرانی تازه وارد و برخی دیگر برای مدتی طولانی مصرف‌کننده محصولات شما بوده‌اند.
چرا چنین رویگردانی‌ای رخ داده است؟
برخی از دلایل احتمالی عبارتند از:
در واقع دلیل اتفاق افتادن این رویگردانی می‌تواند هر سه این موارد، یک یا دو تا از آن‌ها و یا هیچکدام از موارد ذکر شده باشد. کاربران می‌توانند به دلایل فردی مختلف دیگر و یا به دلایلی به هم پیوسته روی گردانده باشند. بدون وجود یک پیشبینی مناسب از رویگردانی، هرگز قادر به کنار هم چیدن قطعات پازل نیستید و هرگز متوجه نخواهید شد که کدام دلیل، بیش از همه در رویگردانی مشتریان شما دخیل بوده است.
برای انجام پیشبینی بایستی چهار مرحله را پشت سر گذاشت:
1. تخلیه و طبقه بندی تحلیل مشتری
پیش بینی رویگردانی بر پایه استفاده شرکت شما از داده‌های موجود از مشتریان شما بنا شده است. برای رسیدن به یک پیشبینی دقیق از چگونگی اثرگذاری رویگردانی مشتریان بر کمپانی، بایستی به تجزیه وتحلیل مشتری بپردازید.
کار را با جمع‌آوری انواع داده‌هایی که می‌توانند بر احتمال رویگردانی مشتری اثر بگذارند، آغاز کنید. این داده‌ها شامل موارد زیر می شوند:
الف) آیا کاربر یک شخص حقیقی است یا یک شخص حقوقی؟
ب) نرخ استفاده مشتری از محصول یا خدمت شما در حالت کلی و همچنین ویژگی‌های خاص شما چه میزان است؟
ج) این کاربر چند مرتبه به خدمات پشتیبانی شما تیکت میزند یا با آن‌ها تماس برقرار می‌کند؟
الف) تاریخ عضویت: آیا مشتری تازه عضو باشگاه مشتریان شما شده و از محصول یا خدمات شما استفاده می‌کند و یا مدتی طولانی از تاریخ عضویتش می‌گذرد؟
ب) میزان MRR که تحت مسئولیت فردی مشتری می باشد. (به طور طبیعی، وقتی بحث پیش بینی رویگردانی به میان می آید، مشتریانی که ارزششان بیش از دیگران در خطر قرار دارد در اولویت قرار می گیرند.)
الف) این مشتری در کدام دسته‌بندی قرار دارد؟
ب) چه مدت تا منقضی شدن عضویت آنان زمان باقی است؟ این داده از جمله داده‌های حائز اهمیت تلقی می‌شود چرا که رویگردانی به واسطه انقضای تاریخ عضویت از آن دسته رویگردانی‌هایی است که هر کمپانی در خطر دچار شدن به آن قرار دارد و در عین حال اتفاقی است که پیشگیری و جبران آن بسیار دشوار خواهد بود.
پس از استخراج داده‌های مورد نیاز، نوبت به طبقه بندی کردن مشتریان، متناسب با پیش بینی که دارید خواهد رسید.
از جمله این طبقه بندی ها می توان به موارد زیر اشاره کرد:
پس از جمع آوری داده‌ها، مدل پیشگویانه‌ی شما بسته به منابع و امکاناتی که در شرکت خود در اختیار دارید می تواند از طریق راه حلی شخصی‌سازی شده و یا توسط بسیاری از خدمات پیشبینی موجود به دست آید.
همانطور که پیش از این نیز ذکر کردیم، راه حل‌های شخصی‌سازی شده می‌توانند با مقدار و نوع داده‌هایی که مایل به تحلیل آن‌ها هستید و همینطور با تیم منتخب شما برای انجام این پیشبینی، مطابق باشد. چنانچه قصد دارید به تشخیص روابط پیچیده در داده‌های خود بپردازید، راه حل‌های مبتنی بر یادگیری ماشینی (Machine Learning) برایتان مفید خواهند بود. چنانچه در پی پاسخ دادن به انواع دیگری از از مسائل همچون پیشبینی رویگردانی در یک دوره زمانی خاص هستید، نقش‌ها و عملکردهای بقا برایتان مناسب تر خواهند بود.
پس از طبقه‌بندی و تحلیل کامل داده‌های خود می‌توانید ببنید که کدام یک از مشتریان در خطر رویگردانی قرار دارند. همبستگی یافت شده می تواند شامل موارد زیر باشد:
راه حل‌های پیشبینی رویگردانی می‌تواند این نوع از روابط را نمایان سازد و به شما اجازه دهد تا جلوی رویگردانی مشتریان کنونی خود را بگیرید و احتمال رخ دادن دوباره آن را نیز کاهش دهید. راه حل‌های یکپارچه نیز می‌توانند به شما در رابطه با رویگردانی‌ها هشدار دهند. به عنوان مثال، عدم پرداخت از جانب مشتریان، نشانه ای از عدم علاقه آن‌ها به محصولات شماست. این دسته از اطلاعات، اطلاعاتی هستند که به سختی می‌توان آن ها را با یک دور مراجعه به گزارش های پیشبینی رویگردانی به دست آورد.
پس از دسته‌بندی کردن مشتریان مستعد رویگردانی، می‌توانید به بررسی و تحلیل این موضوع بپردازید که کدام جنبه از ارتباط آنان با محصول یا خدمات شما، آن ها را در خطر رویگردانی از کسب و کار شما قرار می‌دهد. بگذارید از همان مثال‌هایی که بالا ذکر کردیم استفاده کنیم تا ببینیم چطور می‌توانیم به بهبود شرایط دست بزنیم:
اطمینان حاصل کنید که نرخ گذاری شما در هر برنامه‌ریزی واضح باشد و برایتان روشن باشد که کدام نوع از مشتری بیشتری نفع را از هر برنامه می‌برد. در مرحله خرید همراه مشتری خود باشید تا بدون معطلی به هر نگرانی و مشکل آنان پاسخ دهید.
گمان نکنید که مشتریان قدیمی تا همیشه به شما وفادار خواهند بود. با به کارگیری انگیزه‌هایی که به طور واضح برای آن ها به کار برده شده (همچون انواع تخفیف‌ها، مزایای ویژه و امتیاز وفاداری مشتریان)، از وفاداری آن‌ها به خود و عدم رویگردانی‌شان به سمت رقبای خود اطمینان حاصل کنید. رابطه با ثباتی را با مشتریان خود برقرار و حفظ کنید.
اطمینان حاصل کنید که بهروزرسانی محصولات یا خدمات شما، پیش از همه برای مشتریانتان قابل رویت و ملموس باشد و هرگونه تغییر در کارکرد محصولات برای آن ها روشن باشد. از منابع و امکانات خود در جهت ساخت آنان با ویژگی‌های جدید و همچنین بهبود کاربری آنان با محصولات قدیمی خود استفاده کنید.
بیایید با هم به سایر عواملی که بر رویگردانی مشتریان اثر می‌گذارند نگاهی داشته باشیم.
1. تغییر شرایط مشتری
مشتری شما ممکن است به این درجه برسد که احساس کند تمام نیازهایش از طریق محصول یا خدمات شما برطرف شده و دیگر نیازی به خدمات شما ندارد. این اتفاق نشان از کیفیت بالای خدمات شما دارد اما از لحاظ عملکرد برای MRR شما چندان جالب توجه نخواهد بود. هرگونه رویگردانی با این دلیل به معنای این است که وسعت خدمات و ویژگی های محصولات شما محدود است.
2. اوضاع رقابتی
مشتری ممکن است نرم‌افزاری را بهتر از آن چه شما ارائه می کنید پیدا و در نتیجه به سمت رقیب رویگردانی کند. این نوع از رویگردانی بسیار آسیب زننده است چرا که ضرر شما به معنای سود رقیب شما خواهد بود. این نوع از رویگردانی به عملکرد محصول یا خدمات، نرخِ آن، بهبود خدمات پشتیبانی و رضایت مشتری مرتبط باشد؛ خصوصا اگر رقیب شما در حال فروش محصولی مشابه با بهای کمتری باشد.
3. تغییر در ویژگی‌ها و یا عملکرد محصول یا خدمات
اگر ویژگی‌ای را تغییر دادید یا آن را از محصول یا خدمات خود حذف کردید و یا نوعی بهروزرسانی نه چندان جالب توجه را روانه بازار کردید، محصول شما برای مشتری ممکن است کارایی و سودمند بودن سابق خود را از دست دهد. درک و پذیرش نیاز‌های مشتری، نه تنها در تثبیت موقعیت محصول که در شکل بهروزرسانی و بهبود آن نیز بسیار حائز اهمیت است. شما می‌توانید با ارزیابی داده‌های مصرفی مشتریان و یا صرفا با برقراری ارتباط با آنان بفهمید که در واقع به چه چیزی نیاز دارند. ارائه کردن مجموعه‌ای از تغییرات بدون فراهم کردن اطلاعات جامعی در مورد آنان، به رویگردانی غافلگیرانه و سنگینی منجر می شود.
پیشبینی رویگردانی مشتریان می‌تواند صحنه نبرد باشد و احتمالاً دلتان نمی‌خواهد بشنوید که این کار تنها نیمی از نبرد و مبارزه است. پس از پیش بینی رویگردانی مشتریان به شکلی صحیح، قدم باید انجام اقدامی مثبت برای تاثیر گذاشتن بر مشتریانی باشد که احتمال رویگردانی در آنان وجود دارد.
دلایل بسیاری برای رویگردانی یک مشتری وجود دارد. یک دلیل بسیار ساده و بسیار رایج این است: به آن‌ها کمکی برای استفاده از محصولات ارائه نمی‌شود. در چنین مواردی، ارتباط مستقیم و بی واسطه با مشتری بهترین راه برای دور کردن آنان از مرز خطر و اعطای احساس رضایت به آن‌هاست. به مشتریانی که نهایت استفاده را از محصول شما نمی‌برند (برای آن دسته از ویژگی‌هایی که ممکن است در محصول شما از چشم بیفتند) و یا به آن دسته از مشتریانی که عضویت شان در حال منقضی شدن است ایمیل بزنید. این کار را به راحتی می توان از طریق یک سیستم بهینه شده‌ی CRM و یا با پیشبینی وقوع رویگردانی به انجام رساند.
تبلیغات، تخفیف و امتیاز برای مشتریان وفادار، همه و همه به مخاطب احساس ارزش می دهد. چنین کاری آن ها را ترغیب می‌کند تا در کنار شما بمانند؛ به ویژه اگر رقیب بازاریِ شما قدرتمند است و شما در خطر ارائه محصول از سمت رقیب با بهایی کمتر قرار دارید و یا در حال انجام اقداماتی برای ارائه به روز رسانی هستید.
ایجاد انگیزه همچنین می تواند مانع رویگردانی آن دسته از مشتریانی شود که رضایت کافی نداشته‌اند. ایجاد انگیزه می‌تواند به شما زمان دهد تا مشکلات عملکرد محصولات خود را رفع کنید و یا به خدمات خود وسعت ببخشید.
حتی بهترین استراتژی‌ها نیز بدون خطا نیستند. پیشبینی رویگردانی چه موفقیت آمیز باشد و چه نباشد، باز هم مشتریانی به رویگردانی دست خواهند زد (البته با این امید که حجم ریزش بسیار پایین باشد). کلید کار در ناامید نشدن است. در آمار و ارقامِ رویگردانی‌هایی که با آن ها مواجه شده‌اید جستجو کنید تا بتوانید درک کنید که کدام قسمت از کار شما در ارتباط با آن دسته از مشتریان اشتباه بوده است.
بهترین استراتژی برای آنالیز رویگردنی به طور کلی، طرح پلنی از استفاده مشتری از محصول یا خدمات خودتان است. همین که نکات اصلی را طرح کردید، روند استفاده مشتری از محصول را با داده های خود مقایسه کنید و مشاهده کنید که در چه مقطعی خطر رویگردانی در بالاترین حد خود قرار دارد. آیا این خطر در مرحله خرید است یا سه ماه بعد و یا دو سال بعد از خرید و یا پس از ارائه یک بهروزرسانی؟
حتی می توانید از مشتریانی که ریزش داشته‌اند بازخورد بخواهید. شاید آن‌ها تمایلی به اظهار نظر در این مورد نداشته باشند اما دریافت هرگونه نظر و بازخوردی از آنان در این قسمت می تواند بسیار ارزشمند باشد.
استراتژی کمپانی‌ها برای مقابله با رویگردانی اغلب پایین آوردن قیمت‌ها تا حد امکان یا تصمیم برای رسیدن به بیشترین میزان رشد مشتری در هر ماه است. آن ها هرکاری می کنند جز تجزیه و تحلیل دقیق عواملی که باعث رویگردانی شده است. تکنیک‌های آتشین برای فروش بالا ممکن است در کوتاه مدت سودمند باشد اما در واقع فقط نقش مُسکن را دارند و دست به درمان نمی‌زنند.
یک رویکرد معقول و منطقی به پیشبینی رویگردانی به شما کمک می‌کند تا دلایل ممکن برای رویگردانی یک کاربر را پیدا کنید و نسبت به آن واکنش نشان دهید. رضایت یک مشتری از محصولات شما می تواند گاهی به جزئی‌ترین و کوچکترین اقدامات شما وابسته باشد. اتخاذ یک راه حل پیش گویانه برای مقابله با رویگردانی‌ها به شما بینشی در برابر هرکدام از آن ها خواهد بخشید و نهایتاً به شما کمک خواهد کرد تا بر مشکل ریزش و رویگردانی مشتریان غلبه کنید.
منبع: https://www.profitwell.com/blog/churn-prediction
درباره خودم
من احسان الله‌وردی، فعال در حوزه تبلیغات و مارکتینگ هستم. علاقمندم نظرات شما درباره بلاگ‌هایم را بدانم. از توجه شما ممنونم.
