Berechnung von Churn Wahrscheinlichkeiten

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

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.
top