Una condición necesaria para la existencia de un negocio es tener clientes dispuestos a pagar por un producto o servicio, por eso gran parte de los esfuerzos de las empresas exitosas se enfocan en actividades de marketing que le permitan mantener las relaciones de largo plazo con sus clientes.
Es bien sabido para los equipos de marketing que perder un cliente es muy costoso, pues cuesta mucho menos mantener un cliente que adquirir un cliente nuevo. Según el gurú del marketing Philip Kotler es 7 veces inferior el cliente de mantener a un cliente que adquirir a un nuevo cliente y según la Oficina de Asuntos del Consumidor de la Casa Blanca, es de 6 a 7 veces más costoso adquirir un nuevo cliente que retener a uno antiguo.
Según la consultora Bain & Company, un incremento en la retención de los clientes del 5% puede generar un aumento en las ganancias de hasta un 25%. Según Emmett C. Murphy and Mark A., autores de “Leading on the Edge of Chaos” un aumento del 2% en la retención de clientes (o disminución de la rotación) es equivalente a una reducción del 10% en los costos
Es por eso que detectar a los clientes en riesgo, aporta gran cantidad de valor después de todo ¿no es más inteligente invertir más en fidelización y menos en captación de clientes?
Es una práctica común el realizar seguimiento a la pérdida de clientes y uno de los indicadores más usado es el “churn rate” o tasa de cancelación, que corresponde porcentaje de clientes que dejan de usar el producto o servicio de una compañía durante un periodo de tiempo. Se calcula dividiendo el número de clientes que se perdió durante un periodo de tiempo dividido el número de clientes que se tenía al principio del periodo
Algunos tipos de churn dependiendo del negocio pueden ser:
- Vencimiento y no renovación de un contrato de servicio
- Cancelación de una suscripción
- Usar otro proveedor de servicios
Ahora, ¿Que tal si usted pudiera predecir cuando un cliente está en riesgo de dejar de serlo y oportunamente pudiera realizar campañas de retención (promociones, descuentos, mails personalizados), ya que sabe en qué clientes enfocarse?
Esto es posible mediante la aplicación de algoritmos de machine learning, donde se puede obtener un listado de los usuarios con la probabilidad de que realicen churn, esto permite establecer puntos de corte para categorizar los usuarios según probabilidad y gestionarlos activamente. Adicionalmente es posible detectar que factores pueden estar influenciando a un cliente para darse de baja. Esto se puede lograr al analizar las características que tienen más peso en las decisiones que toman los clientes, lo que permite obtener una lista de posibles puntos para reducir las tasas de churn.
Las empresas que implementan este tipo de prácticas pueden lograr reducciones del churn, dependiendo del sector al que pertenecen de entre un 5 - 12 %.
Algunos de los datos necesarios para la realización de un estudio de churn son:
- Información del cliente: transacciones, datos demográficos, patrones de uso
- Interacción con iniciativas de marketing: Reacción a sus boletines, correos electrónicos, campañas de activación, etc
- Productos: Tipo de producto que usan, Variedad de productos, Uso de cupones, referencias del producto o combos,
- Hábitos de compra: historial de compras, frecuencia de compra, fecha de la última compra, hora del día / temporada de compra, montos de las compras, Métodos de pago
- Interacciones con el cliente: preguntas de servicio, visitas a la tienda / En línea, resoluciones de quejas, prioridad de quejas, frecuencia de las quejas, canal de comunicación,
Algunos de los algoritmos más usados para reducir el customer churn son:
- Algoritmo XGBoost
- Random forest
- Redes neuronales
