La churn prevention consiste nel rilevare il rischio, scegliere l'intervento con il più alto incremental effect e dimostrare che ha funzionato rispetto a un holdout. Come funziona il ciclo.
Churn prevention è la pratica di rilevare il rischio che un cliente se ne vada, scegliendo l'intervento con il più alto effetto incrementale atteso su quel cliente specifico, e attuandolo abbastanza presto da cambiare il risultato. È una disciplina di decisioning, non una campagna: il valore deriva dalla scelta dell'azione giusta per ogni cliente, non dal contattare tutti coloro che sembrano a rischio.
La maggior parte dei team ha già un risk score da qualche parte. Molti meno hanno un loop che trasforma quel punteggio in un'azione, trattiene parte della popolazione per dimostrare che l'azione ha funzionato e ritira i trattamenti che non producono risultati. Questo loop è ciò che descrive questo articolo.
Tra il 20 e il 40 % delle disdette nelle attività in abbonamento sono pagamenti falliti, non decisioni. I tentativi intelligenti di riprova per codice di rifiuto, l'aggiornamento dell'account e il refresh della carta pre-scadenza non comportano costi di margine e non necessitano di modelli. Implementali, ripristina la baseline, quindi lavora sul churn di intento. Il dettaglio operativo è in dunning best practices.
Due account a rischio 0,7 necessitano di cose diverse: uno non ha mai attivato la funzione per cui ha acquistato il prodotto, l'altro sta pagando per una capacità che ha smesso di usare. Un nudge di onboarding aiuta il primo e insulta il secondo. Segmenta sempre i trattamenti per causa.
La finestra in cui un salvataggio è economico è settimane prima che si formi l'intenzione di cancellare. Quando qualcuno raggiunge il flow di cancellazione, le uniche leve rimaste sono quelle costose. La deflection è comunque importante, e progettazione del flusso di cancellazione si ripaga, ma è l'ultima risorsa, non il programma.
Classifica le offerte in base al margine ponderato per l'uplift. Nella maggior parte dei casi, un terzo delle offerte di salvataggio finisce su clienti con uplift negativo: l'offerta ricorda loro che andarsene era un'opzione. La modellazione dell'uplift è l'unico modo per vederlo, e richiede dati di esperimenti, motivo per cui la misurazione fa parte della progettazione e non è una fase alla fine.
Le offerte di salvataggio decadono. Un voucher di win-back che ha prodotto 6 punti di retention incrementale nel primo trimestre è spesso a 2 nel terzo trimestre, poiché la popolazione su cui agisce è esaurita. Rileggi ogni trattamento live mensilmente rispetto al suo holdout e elimina quelli piatti.
Tre modalità di fallimento spiegano la maggior parte dei programmi deludenti. La prima è trattare il punteggio come il prodotto: una dashboard di rischio senza nessuno responsabile per l'azione. La seconda è un trattamento unico per tutti, di solito uno sconto, che trasforma un problema di retention in un problema di pricing. La terza è misurare i saves senza un controfattuale, il che rende impossibile smettere di fare le cose che non funzionano.
Markin rileva il segnale di rischio, dichiara l'ipotesi, classifica le azioni candidate in base al margine incrementale atteso e trattiene automaticamente un gruppo di controllo. Vedi Retention decisioning o il streaming view.
Domande frequenti
Risorse correlate
Soluzioni
Visualizzalo nel prodotto
Gli stessi cicli descritti in questa nota vengono eseguiti 24 ore su 24, 7 giorni su 7, sulla tua base clienti. Osserva lo spazio di lavoro decidere, sperimentare ed eseguire 1:1.
Vocabolario
Definitions an answer engine can quote, each one a page of its own.
Compara
Neutral reads on the categories buyers evaluate against a decision layer.
Tutti i confronti
