Berechnung von Churn Wahrscheinlichkeiten

Durch Predictive Analytics können wechselbereite Kunden frühzeitig identifiziert werden und geeignete Maßnahmen zur Bindung profitabler Kunden umgesetzt werden.

k

360° Kundensicht durch die erstmalige Integration von Fahrzeug- und Kundendaten

U

Identifikation der 5 zentralen Churn Treibern aus über 50 Hypothesen



Entwicklung eines neuen Cluster Ansatzes für Social Media Analytics

Herausforderung

In den meisten Industrien gilt der Grundsatz, dass es günstiger ist, einen Kunden zu halten als einen neuen zu gewinnen. Dies gilt vor allem für langfristige, teure Produkte wie Autos. Daher sollen Kunden mit Wechselabsichten identifiziert werden.

Lösung

Zur Bestimmung der Churn Wahrscheinlichkeiten wird ein generalisiertes lineares Modell (GLM) angewandt. Zur Identifikation der Treiber werden verschiedene Kunden-, Fahrzeug- und Social Media Daten zu einer ganzheitlichen Kundenhistorie vereinigt.

Ergebnis

Mit Big Data Analytics können nun genau diejenigen Kunden mit dem höchsten Wechselrisiko priorisiert werden und Maßnahmen ergriffen werden, um diese zu halten. Die Ressourcenaufteilung in der Firma wird effizienter, was in dem Fall nicht nur Geld spart, sondern auch zu gesteigerter Loyalität führt. Die Methode hat eine 90%ige Trefferquote.

Haben Sie Interesse an eigenen Use Cases?

Kontaktieren Sie unsere Experten