Вы считаете, что вам нужна модель прогнозирования оттока клиентов? Подумайте еще раз!
Итак, вы помогаете заинтересованным сторонам отслеживать показатели вовлеченности клиентов для вашего продукта. Вы также знаете, что клиенты ежемесячно уходят, и хотите что-то сделать с оттоком. Может быть, вам нужна «Модель прогнозирования оттока клиентов»? Немного Feature Engineering и XGBoost сверху, чтобы предсказать, что наиболее вероятные клиенты уйдут в следующем месяце, и позволить вашему заинтересованному лицу использовать некоторую деловую магию, чтобы удержать их. Верно? Не совсем!
Хотя вариант использования для прогнозирования клиентов, подвергающихся риску, очень разумен и представляет собой серьезную проблему науки о данных, может быть несколько невидимых проблем:
1. Какое влияние это окажет на конечный результат? Смягчение оттока потребует инвестиций как со стороны специалистов по данным, так и со стороны заинтересованных сторон (продажи, инженеры, маркетинг и т. д.). Сколько клиентов вам нужно сохранить, прежде чем вы почувствуете положительную рентабельность инвестиций? Такой подвиг реально возможен? Легкое движение пилота должно дать вам этот ответ. Для пилотного проекта вы можете начать с выявления клиентов из группы риска на основе некоторой простой эвристики (например, клиентов с тенденцией снижения использования). Приступайте к полноценному проекту только в случае успеха пилотного проекта.
2. Что, если отток клиентов — это всего лишь симптом, а не болезнь? В начале своей карьеры я столкнулся со сценарием, когда клиенты уходили от прямых веб-предложений из-за проблем с восприятием цены (ощущение, что предложение было слишком дорогим по сравнению с конкурентами). Построение модели прогнозирования оттока в то время означало попытку предсказать, у каких клиентов неправильное восприятие цены! Ни у кого не было данных для такого сценария. Кроме того, решение этой проблемы вообще не требовало прогнозирования оттока. Скорее, ему нужна была правильно разработанная функция «Сравнение цен» на веб-сайте продукта! Что, если отток клиентов — всего лишь симптом другой бизнес-проблемы и в вашем случае? Вы не узнаете этого, если не потратите достаточное количество циклов на диагностику возможных причин оттока — либо с помощью ретроспективного анализа, либо с помощью экспериментов.
3. Возможно ли делать точные прогнозы при достаточном времени выполнения заказа? Обычно чем ближе клиент к оттоку, тем выше способность вашей модели обнаруживать риск. Но к тому времени, когда ваша модель обнаружит это, может быть уже слишком поздно удерживать клиента (например, он уже купил продукт вашего конкурента). Есть ли у вас качественные данные, чтобы по-прежнему делать точные прогнозы с более длительным временем выполнения заказа? Например, вместо того, чтобы через месяц, сможете ли вы точно предсказать, уйдет ли клиент через 6 месяцев (но останется ли он активным в промежуточный период)? Какое максимальное время вы можете предоставить для своих прогнозов без слишком большого количества ложных срабатываний, и будет ли этого времени достаточно для того, чтобы ваша заинтересованная сторона приняла меры? Это важные вопросы, которые следует обсудить с заинтересованными сторонами перед созданием полноценной модели.
4. Есть ли у вашей заинтересованной стороны какие-либо рычаги для защиты клиентов, подвергающихся риску? Даже если вы решите все вышеперечисленные вопросы и создадите модель прогнозирования оттока, не будет иметь значения, если у вашей заинтересованной стороны нет возможности предотвратить клиент от взбивания! Я видел сценарии, когда с клиентами невозможно связаться; Если они могут, у заинтересованных сторон нет бюджета или права по своему усмотрению предлагать клиентам стимулы и т. д. Способность вашей заинтересованной стороны предотвратить отток клиентов важнее, чем ваша способность предсказать, кто может уйти.
5. Отслеживая использование и связываясь с клиентами из группы риска, нарушаете ли вы их конфиденциальность? Что делать, если ваши клиенты не хотят, чтобы с ними связывались, или не одобряют то, что вы отслеживать их данные об использовании и запускать на них алгоритмы, чтобы определить их будущие действия? Пожалуйста, убедитесь, что вы и ваши заинтересованные стороны не нарушают никаких требований конфиденциальности ваших клиентов, используя их данные об использовании для вашей модели.
6. Что может помешать вашим отыгрышам снова сбиваться? Хотя ваша модель может ежемесячно выявлять клиентов, подвергающихся риску, у вашего заинтересованного лица будет ограниченный бюджет и время для предотвращения оттока. Если некоторые из этих клиентов повторно вовлекаются только для того, чтобы снова уйти через несколько месяцев, что ваша заинтересованная сторона думает о рентабельности инвестиций в целом? Проведите мозговой штурм, чтобы убедиться, что вы и ваша заинтересованная сторона согласны с ожиданиями относительно этих и других граничных сценариев (как неудачных, так и успешных).
7. Были ли эти клиенты когда-либо по-настоящему вовлечены? У типичного онлайн-бизнеса есть длинный хвост менее вовлеченных пользователей и очень мало «заинтересованных» клиентов. Возможно, вам будет лучше сначала отслеживать и предотвращать отток клиентов из вашего сегмента, потому что они являются вашими самыми лояльными клиентами и будут приносить большую часть вашего бизнеса.
Построение модели прогнозирования оттока — один из очевидных вариантов использования машинного обучения в области аналитики продуктов, поэтому неудивительно, что команды Data Science зацикливаются и нанимают несколько талантливых ученых для решения этой проблемы. Но важно сделать шаг назад и спросить, настроены ли бизнес-процессы вашей компании так, чтобы помочь заинтересованным сторонам в первую очередь действовать в соответствии с результатами модели. Иногда это не так, и лучший способ действий может заключаться в том, чтобы просто помочь вашему заинтересованному лицу выделить бизнес-возможности от «Прогнозирования оттока клиентов» до их лидерства, в то время как вы переходите к другой бизнес-проблеме.
Какие еще вопросы следует рассмотреть перед построением модели прогнозирования оттока клиентов? Вы бы по-прежнему строили модель прогнозирования оттока, если нет возможности измерить ее влияние на бизнес? Дай мне знать в комментариях!
