Los modelos de abandono suelen evaluar a todos sus clientes y su objetivo es predecir el comportamiento de abandono y lealtad en función del análisis de los datos demográficos, el historial de compras del cliente, el uso del servicio y los datos de facturación. Todas las características y transacciones se analizan, clasifican y modelan para crear perfiles de fidelización de clientes o segmentos.
Parte de la información requerida para desarrollar modelos de abandono completos y precisos incluirá:
- ¿Cómo gana (o planea ganar) la startup Goqii dinero?
- ¿Cuáles son los modelos de negocio Fintech más interesantes?
- ¿Por qué la rentabilidad es importante para un negocio?
- ¿Cuál es la mejor manera de decidir entre tiempo y material versus precio fijo?
- ¿Cuáles son algunos contraejemplos de la utilidad del modelo Porter Diamond? (por ejemplo, industria india de TI / software)
- Cantidad de clientes totales que tiene
- Porcentaje de clientes que actualmente abandonan cada año, incluida la definición de abandono, por ejemplo. inactivo durante x meses o solo desconexiones reales?
- Idealmente, al menos 1 año de datos que pueden usarse para modelar (un historial de datos más largo y una mayor calidad de datos garantizarán modelos precisos y potentes, aunque se pueden diseñar soluciones personalizadas para cada conjunto de datos)
- Algunas o todas las siguientes variables de información clave:
- Datos demográficos del cliente (código postal, ingresos, ocupación, dirección, estado civil …),
- Historial de compra del cliente (ubicación / canal de compra, gasto, recargas, número de servicios, fecha de compra, fecha de cancelación …)
- Datos de uso del servicio (número de llamadas, entrada / salida, SMS, minutos, uso de datos, etc.)
- Datos de facturación (cantidades totales gastadas, desglose de gastos por voz, SMS, datos, historial de pagos a tiempo, retrasos en los pagos, pagos perdidos, etc.)
- Información del producto (combinación de productos, prepago o pospago, paquetes.
- Datos de marketing (vistas de segmentación existentes, competidores, campañas de la competencia e impacto en la rotación, precios de la competencia …)
También es aconsejable considerar las siguientes preguntas de antemano al planificar el desarrollo de modelos de abandono, ya que esto ayudará con el alcance del proyecto y la entrega acelerada.
- ¿Cómo piensa utilizar las predicciones de abandono? para mejorar la segmentación de marketing, para campañas de marketing dirigidas, etc.?
- ¿Cómo piensa implementar el modelo de abandono? como una hoja de cálculo independiente o una base de datos o integrarlo con otros sistemas?
- ¿Tiene la empresa algún equipo interno de Gestión del valor del cliente (CVM) y habilidades de análisis de datos que se puedan usar para actualizaciones regulares del modelo o se requiere soporte continuo de modelado de rotación?
- ¿Expectativas sobre el tiempo de implementación del proyecto y los presupuestos?
Por lo general, el desarrollo de modelos de predicción de abandono aprovecha una mezcla de técnicas estadísticas cuantitativas y cualitativas que incluyen regresión logística multivariable , una técnica de modelado estándar de la industria, así como algunas de las metodologías más nuevas, como aprendizaje automático, modelado basado en árboles de decisión, modelos de aumento de gradiente y otros.
En función de la puntuación de predicción de fidelización o abandono resultante, se puede recomendar una estrategia de marketing y segmento predeterminada para cada cliente, grupo de clientes o un segmento completo de clientes.
Si necesita más información sobre esto, consulte:
https://parcusgroup.com/Telecom-…