チャーン予測分析でリテンションを改善する方法

解約予測では、人工知能 (AI) と機械学習 (ML) モデルを使用して、解約のリスクがある顧客を特定します。 この情報を使用して、企業は、摩擦を引き起こしているビジネス分野を最適化し、顧客の減少レベルを制御するために必要な措置を講じることができます。

否定的な顧客サービス体験から、競合他社からより良いオファーを見つけたり、製品の価値がないと認識されたりするなど、顧客はさまざまな理由で解約します。 特に新規顧客の獲得にはコストがかかるため、顧客維持率を改善し、解約率を低く保つことが重要です。

チャーン予測とは？

チャーン予測は、企業が AI および ML モデルを使用して、どの顧客が利用を終了するリスクが最も高いかを予測するプロセスです。 チャーン予測では、ユーザーの行動と使用状況に基づく顧客データが使用されます。 顧客離れの予測と防止により、企業は次のことが可能になります。

• リスクのある顧客を特定し、ターゲットを絞った取り組みを実施して、解約を阻止します。
• カスタマー ジャーニー全体で問題点と摩擦を特定します。
• これらの問題点をターゲットにして解約率を下げ、定着率を高める戦略を特定します。

実際に顧客離れを予測することは可能ですか?

機械学習アルゴリズムとビッグデータのおかげで、顧客離れを予測することは実際可能です。 データ分析手法を使用して、顧客の行動における過去の行動傾向とパターンを調べます。

アイデアは、特定の行動をチャーン リスク アクションとして識別し、手遅れになる前に対処できるようにすることです。 これらは、レッド フラグ メトリックと呼ばれることがよくあります。 たとえば、ソーシャル メディアでのフォローを解除したり、アプリをアンインストールしたりする顧客は、解約のリスクが高いことに気付く場合があります。

チャーン予測を行う際は、次の点に留意することが重要です。

• 顧客維持に関しては、積極性が重要です。 チャーン予測は、リスクのある顧客にフラグが立てられた瞬間に対応するための計画を立てるのに役立ちます。
• チャーン予測手法が、離れそうな顧客を正確に特定できるようにします。 リスクのある顧客を誤認すると、アウトリーチ キャンペーンや特別オファーに理由もなくリソースが費やされ、結果として収益が減少する可能性があります。
• リアルタイムで取得したデータ ソースに基づいて構築されたチャーン予測モデルが必要です。 このデータは現在の行動を反映しており、より正確な予測につながります。

サブスクリプション会社の解約予測

B2B SaaS、音楽ストリーミング、電気通信などのサブスクリプション サービスの販売に基づくビジネス モデルを持つ企業は、顧客から得られる経常収益に依存しています。 サブスクリプション解約予測、顧客ロイヤルティの活用、および顧客生涯価値の向上は、このようなビジネスにとって特に重要です。

HubSpot のサービス ハブ担当ゼネラル マネージャーであった Michael Redbord 氏は、AltexSoft とのインタビューで次のように述べています。

解約率が高いということは、顧客数が減少するため、収益が減少することを意味します。 さらに、悪い経験のために会社を辞める人は、否定的なレビューを残す可能性が高く、そのイメージに影響を与え、新しい顧客を引き付けるのをさらに困難にします.

チャーン予測を使用することで利益を得ることができるサブスクリプション ベースのサービス プロバイダーには、さまざまな種類があります。 これらのセクターには次のようなものがあります。

音楽とビデオのストリーミング サービス

これらの企業は、加入者に音楽、テレビ番組、映画へのオンデマンド アクセスを提供しています。 そのような企業の例には、Netflix や Spotify が含まれます。 Deloitte の 2022 Digital Media Trends レポートによると、米国の有料ビデオ ストリーミング サービスは、2020 年以降一貫して 37% の解約率を示しています。

ニュースメディア

ニュース メディア企業は、ここ数年でデジタルに焦点を移してきました。 2021 年には、米国の 65% の人々が、活字メディアからニュースを入手したことがない、またはめったにないと答えています。 ニューヨーク タイムズやフィナンシャル タイムズなどの組織は、オンライン プラットフォームを通じてニュース記事や情報にアクセスできるデジタル サブスクリプション パッケージを顧客に提供しています。

デジタルへの移行にもかかわらず、モバイル ニュース アプリのアンインストール率は 2022 年に 25% にとどまりました。

電気通信事業者

通信会社は、ワイヤレス、テレビ、インターネット、携帯電話サービスなど、さまざまなサブスクリプション ベースのサービスを提供しています。 そのような企業には、AT&T やボーダフォンが含まれます。 2020 年、通信会社は 20% の離職率を経験しました。

サービスとしてのソフトウェア (SaaS) 企業

SaaS 企業には、一種のクラウドベースのサービスを提供するすべての企業が含まれます。 これは、Canva のようなオンライン グラフィック デザイン サービスから、Amazon のような e コマース プラットフォームまで、あらゆるものである可能性があります。

Woopra によると、SaaS 企業の月間平均解約率は 3% から 8% の間です。 毎年、これは 32 ～ 50% です。

顧客のライフサイクルを理解する

チャーンを予測する前に、顧客のライフサイクルを理解する必要があります。 Amplitude Analytics のような製品分析ツールを使用すると、アクティブなユーザーを 4 つのサブグループに分類できます。新規ユーザー、現在の (アクティブな) ユーザー、復活した (以前は非アクティブだった) ユーザー、休眠中の (非アクティブな) ユーザーです。 製品のユーザーベースが時間の経過とともに拡大していることを確認するために、ユーザーの各グループに注意を払う必要があります。

このビューは、チャーンを継続的に測定するのに役立つため、チャーンを減らすための措置を講じることができます。 ユーザーのエンゲージメントを維持したり、再びアクティブになる理由を提供したりして、現在のユーザー数と復活したユーザー数を増やすよう努める必要があります。 また、休止中のユーザー数を減らしたいと思うでしょう。 このグループが成長し始めると、関与の問題が発生する可能性があります。

解約予測モデル: 顧客維持率向上の鍵

CRM や分析ソフトウェアなどのツールのおかげで、企業はライフサイクル全体を通じて、顧客に関する情報でいっぱいの大規模なデータセットにアクセスできます。 この履歴データは、Amplitude Audiences などのツールを使用して顧客離れ予測モデルを構築する際に重要です。

5 つのステップに従って、チャーン予測モデルを構築できます。

1.チャーン予測の目標を特定する

チャーン予測モデルの最適なパフォーマンスを確保するための最初のステップは、モデルから達成したいことを特定して定義することです。 大まかに言えば、次のことを目指しています。

• どの顧客が解約のリスクが最も高いかを特定することで、顧客の減少を減らします。
• リスクのある顧客が解約する可能性が高い理由を理解します。
• カスタマージャーニーの変更を設計および実装して、リスクのある顧客の維持を促進します。

2. データ準備

CRM、分析ソフトウェア、または顧客からの直接のフィードバックを通じて、購入過程のすべてのタッチポイントで顧客からデータを収集します。

関連する顧客データを収集し、分類と抽出の準備を整えることは、チャーン予測モデルを構築するための 2 番目のステップです。 分析ツールを使用している場合は、行動データとイベント追跡のガイドを読んで、正確なデータを収集する方法を学んでください。

3. 機能の操作

特徴エンジニアリングを使用して、解約の原因となる可能性のある特徴に基づいて顧客を表現および分類します。 顧客離れについて説明する場合、次の 5 種類の特徴があります。

• 顧客の特​​徴:年齢、収入、教育レベルなど、顧客に関する人口統計に基づく一般的な情報です。
• サポート機能:これらは、送信された電子メールの数、解決までの時間、問題が解決された後の満足度評価など、顧客がカスタマー サポート チームと行った対話を指します。
• 使用上の特徴:これらは、顧客が製品またはサービスを使用する方法の要素を記述します。 たとえば、通信会社の顧客の平均通話時間や、ユーザーがアプリにログインする回数などです。
• コンテキスト機能:これには、企業が顧客に関して持っているコンテキストベースの情報が含まれます。 これは、デバイスで使用している OS システムや、過去に購入したものである可能性があります。
• 行動特徴:これらは、顧客が製品内で行う特定の行動と行動です。 たとえば、ユーザーが音楽ストリーミング アプリでプレイリストを共有した回数です。

注目すべき機能を特定したら、それらを抽出して変数または属性を標準化する必要があります。 チャーンの分析に関連する情報のみを選択する必要があります。

4. モデルを構築する

ML アルゴリズムは通常、ターゲット変数を整理して true または false の値を与えるバイナリ分類を使用して機能します。 言い換えれば、その特定の機能が顧客の解約の原因になったのか、そうでないのか? たとえば、スマートフォンからアプリをアンインストールすると、通常、顧客離れにつながりますか?

もう 1 つの一般的な予測モデルは、利用可能な機能を使用して潜在的な結果を提供するデシジョン ツリーです。 デシジョン ツリー モデルは、顧客が解約するかどうかを確認するための複数のシナリオを提供します。

大規模なデータセットを扱う企業の場合、多数の決定木 (ランダム フォレストとも呼ばれる) で予測モデルを構築できます。 ランダム フォレストでは、すべての決定木に、正または負の答えを持つ分類があります。 決定木の大部分が肯定的な答えを提供する場合、最終的な予測は肯定的になります。

5. モデルのモニタリング

モデルの準備ができたら、それを予測ツールに統合します。 このツールを使用すると、モデルのパフォーマンスをテストおよび監視し、必要に応じて機能を調整できます。 選択したモデルを実装し、本番環境に送ります。 うまく機能する場合は、既存のアプリケーションを更新するか、新しい製品の焦点として使用できます。

分析ツールでの予測モデルの構築

Amplitude のような分析ツールで予測モデルを構築する方法を見ていきましょう。

1. ユーザーの開始コホートまたはグループを定義する

2. 将来の結果状態を予測する

予測では、過去の行動を使用して将来の行動を予測します。 Amplitude のような分析ツールは、2 期間前に開始コホートにいたユーザーを調べ、1 期間前に望ましい結果に到達したユーザーとそうでないユーザーを特定します。

3. このモデルに基づいてユーザーをランク付けし、スコアを付けます

予測モデルは、開始コホートのすべてのユーザーが次の 7、30、60、または 90 日間で望ましい結果に到達する確率スコアを計算します。 モデルは、季節データを考慮して毎日再トレーニングされます。

下の画像は上位 5% を示しています。

4. 予測コホートを使用して、製品およびマーケティング戦略に情報を提供する

予測コホートを使用して、解約の可能性に基づいてユーザーをセグメント化できます。 ステップ 3 でランク付けされたユーザーを新しいコホートに変え、次の方法でリターゲティングします。

• リテンションを高めるように設計されたマーケティングキャンペーンにそれらを含める
• 割引料金や特別オファーなど、ダイナミックな価格設定を提供
• 好みに基づいてコンテンツと製品体験をパーソナライズする
• コンバージョンまたはドロップオフの可能性に基づいてメッセージの頻度を調整する
• カスタム A/B テストを実行して、新しい Web サイトや製品の変更を試す

たとえば、解約の可能性が高いユーザーのコホートを見つけた場合、逆の価格設定戦術を使用して、より大きな割引やインセンティブを提供できます。

チャーン予測分析の開始

顧客離れの予測は複雑に聞こえるかもしれませんが、適切なツールを使えば簡単に行うことができます。 Amplitude は、非技術チームが、コードを記述したり、エンジニアリング リソースや依存関係に依存したりすることなく、複雑な AI モデルを構築できるようにします。 ポイント アンド クリック操作のセルフサービス インターフェイスを使用するだけで、チャーンを予測して削減するための強力なモデルを構築できます。 Amplitude のスターター プランで無料でお試しください。

以下のビデオを見て、セルフサービス デモ エクスペリエンスでチャーンを計算する方法を学習してください。

参考文献

• 顧客獲得と顧客維持コスト、Invesp
• 機械学習を使用したサブスクリプション ビジネスの顧客離れ予測: 主なアプローチとモデル、AltexSoft
• 解約率 vs リテンション率: これらの SaaS KPI の計算方法、Woopra