이탈 예측 분석으로 유지율을 높이는 방법

이탈 예측은 인공 지능(AI) 및 머신 러닝(ML) 모델을 사용하여 이탈 위험이 있는 고객을 식별 합니다. 이 정보를 통해 기업은 마찰을 일으키는 비즈니스 영역을 최적화하고 고객 이탈 수준을 통제하는 데 필요한 조치를 취할 수 있습니다.

고객은 부정적인 고객 서비스 경험에서 경쟁자로부터 더 나은 제안을 찾거나 제품의 가치 부족으로 인식되는 등 여러 가지 이유로 이탈합니다. 특히 신규 고객을 확보하는 데 비용이 많이 들기 때문에 고객 유지를 개선하고 이탈률을 낮게 유지하는 것이 중요합니다.

이탈 예측이란 무엇입니까?

이탈 예측은 기업이 AI 및 ML 모델을 사용하여 단골 고객을 종료할 위험이 가장 높은 고객을 예측하는 프로세스입니다. 이탈 예측은 사용자 행동 및 사용량을 기반으로 고객 데이터를 사용합니다. 고객 이탈 예측 및 예방을 통해 기업은 다음을 수행할 수 있습니다.

• 위험에 처한 고객을 식별하고 고객 이탈을 방지하기 위해 고도로 표적화된 노력을 구현합니다.
• 고객 여정 전반에 걸쳐 문제점과 마찰을 식별합니다.
• 이러한 문제점을 목표로 하여 이탈을 줄이고 유지율을 높이는 전략을 식별하십시오.

고객 이탈을 예측하는 것이 실제로 가능합니까?

머신 러닝 알고리즘과 빅 데이터 덕분에 고객 이탈을 예측하는 것은 사실상 가능합니다. 데이터 분석 기술은 고객 행동의 과거 행동 경향과 패턴을 보는 데 사용됩니다.

특정 행동을 이탈 위험 조치로 식별하고 너무 늦기 전에 해결할 수 있다는 아이디어입니다. 이는 종종 위험 신호 메트릭 이라고 합니다. 예를 들어, 소셜 미디어에서 귀하를 언팔로우하거나 귀하의 앱을 제거한 고객이 이탈할 위험이 더 높다는 것을 알 수 있습니다.

이탈 예측을 수행할 때 다음 사항을 염두에 두는 것이 중요합니다.

• 고객 유지와 관련하여 사전 예방이 핵심입니다. 이탈 예측은 위험에 처한 고객이 위험에 처한 것으로 표시되는 순간에 이들과 교류할 계획을 세우는 데 도움이 됩니다.
• 이탈 예측 기술이 떠날 가능성이 있는 고객을 정확하게 식별하는지 확인하십시오. 위험에 처한 고객을 잘못 식별하면 이유 없이 홍보 캠페인 및 특별 제안에 리소스를 지출하게 되어 수익이 감소할 수 있습니다.
• 실시간으로 얻은 데이터 소스를 기반으로 구축된 이탈 예측 모델이 필요합니다. 이 데이터는 현재 행동을 반영하고 더 정확한 예측으로 이어질 것입니다.

구독 회사의 이탈 예측

B2B SaaS, 음악 스트리밍 및 통신과 같은 구독 서비스 판매를 기반으로 하는 비즈니스 모델을 보유한 회사는 고객으로부터 발생하는 반복적인 수익에 의존합니다. 구독 이탈 예측, 고객 충성도 활용, 고객 평생 가치 증대는 이러한 비즈니스에서 특히 중요합니다.

HubSpot의 당시 Service Hub 총책임자였던 Michael Redbord는 AltexSoft와의 인터뷰에서 다음과 같이 주장했습니다.

이탈률이 높다는 것은 고객 수 감소로 인한 수익 감소를 의미합니다. 또한 나쁜 경험으로 회사를 떠나는 사람들은 부정적인 리뷰를 남기기 쉽고 이미지에 영향을 미치고 새로운 고객을 유치하기가 더욱 어려워집니다.

이탈 예측을 사용하여 혜택을 받을 수 있는 구독 기반 서비스 제공업체에는 여러 유형이 있습니다. 이러한 부문 중 일부는 다음과 같습니다.

음악 및 비디오 스트리밍 서비스

이러한 회사는 가입자에게 음악, TV 프로그램 및 영화에 대한 주문형 액세스를 제공합니다. 이러한 회사의 예로는 Netflix 및 Spotify가 있습니다. Deloitte의 2022 Digital Media Trends 보고서에 따르면 미국의 유료 비디오 스트리밍 서비스는 2020년 이후 37%의 일관된 이탈률을 보였습니다.

뉴스 미디어

뉴스 미디어 회사는 지난 몇 년 동안 디지털로 초점을 옮겼습니다. 2021년에는 미국 인구의 65%가 인쇄 매체에서 뉴스를 접한 적이 없거나 거의 없다고 말했습니다. The New York Times 및 Financial Times와 같은 조직은 고객에게 온라인 플랫폼을 통해 뉴스 기사 및 정보에 액세스할 수 있는 디지털 구독 패키지를 제공합니다.

디지털로의 전환에도 불구하고 모바일 뉴스 앱은 2022년에도 여전히 25%의 제거율을 경험했습니다.

통신 서비스 제공업체

통신 회사는 무선, TV, 인터넷 및 휴대 전화 서비스와 같은 다양한 가입 기반 서비스를 제공합니다. 이러한 회사에는 AT&T 및 Vodafone이 포함됩니다. 2020년에 통신 회사는 20%의 이직률을 경험했습니다.

SaaS(Software as a Service) 회사

SaaS 회사에는 일종의 클라우드 기반 서비스를 제공하는 모든 비즈니스가 포함됩니다. 이것은 Canva와 같은 온라인 그래픽 디자인 서비스에서 Amazon과 같은 전자상거래 플랫폼에 이르기까지 무엇이든 될 수 있습니다.

Woopra에 따르면 SaaS 회사의 월 평균 이탈률은 3%에서 8% 사이입니다. 매년 이것은 32-50%입니다.

고객 라이프사이클 이해

고객 이탈을 예측하려면 먼저 고객 수명 주기를 이해해야 합니다. Amplitude Analytics와 같은 제품 분석 도구는 활성 사용자를 신규 사용자, 현재(활성) 사용자, 부활(이전 비활성) 사용자 및 휴면(비활성) 사용자의 4가지 하위 그룹으로 나눌 수 있습니다. 시간이 지남에 따라 제품의 사용자 기반이 증가하고 있는지 확인하려면 각 사용자 그룹을 주시해야 합니다.

이 보기는 지속적으로 이탈을 측정하는 데 도움이 되므로 이를 줄이기 위한 조치를 취할 수 있습니다. 사용자의 참여를 유지하거나 다시 활성화할 이유를 제공하여 현재 및 부활된 사용자 수를 늘리기 위해 노력해야 합니다. 또한 휴면 사용자 수를 줄이고 싶을 것입니다. 이 그룹이 성장하기 시작하면 참여 문제가 발생할 수 있습니다.

이탈 예측 모델: 고객 유지 개선의 핵심

CRM 및 분석 소프트웨어와 같은 도구 덕분에 기업은 수명 주기 동안 고객에 대한 정보로 가득 찬 대규모 데이터 세트에 액세스할 수 있습니다. 이 과거 데이터는 Amplitude Audiences와 같은 도구를 사용하여 고객 이탈 예측 모델을 구축하는 데 중요합니다.

5단계에 따라 이탈 예측 모델을 구축할 수 있습니다.

1. 이탈 예측 목표 식별

최적의 이탈 예측 모델 성능을 보장하기 위한 첫 번째 단계는 모델에서 달성하고자 하는 것을 식별하고 정의하는 것입니다. 높은 수준에서 목표는 다음과 같습니다.

• 이탈 위험이 가장 높은 고객을 식별하여 고객 이탈을 줄입니다.
• 위험에 처한 고객이 이탈할 가능성이 있는 이유를 이해하십시오.
• 위험에 처한 고객의 유지를 촉진하기 위해 고객 여정의 변경 사항을 설계하고 구현합니다.

2. 데이터 준비

CRM, 분석 소프트웨어 또는 직접적인 고객 피드백을 통해 고객의 구매 여정의 모든 접점에서 데이터를 수집합니다.

관련 고객 데이터를 수집하고 분류 및 추출을 위해 준비하는 것은 이탈 예측 모델을 구축하기 위한 두 번째 단계입니다. 분석 도구를 사용하는 경우 행동 데이터 및 이벤트 추적 가이드를 읽고 정확한 데이터를 수집하는 방법을 알아보세요.

3. 기능 작업

기능 엔지니어링을 사용하여 고객을 이탈하게 만들 가능성이 있는 기능을 기반으로 고객을 표현하고 분류합니다. 고객 이탈에 대해 논의할 때 5가지 유형의 기능이 있습니다.

• 고객 기능: 연령, 수입, 교육 수준 등 고객에 대한 일반적인 인구 통계 기반 정보입니다.
• 지원 기능: 전송된 이메일 수, 해결 시간, 문제가 해결된 후 만족도 평가를 포함하여 고객이 고객 지원 팀과 나누는 상호 작용을 나타냅니다.
• 사용 기능: 고객이 제품 또는 서비스를 사용하는 방법의 요소를 설명합니다. 예를 들어 통신 회사 고객의 평균 통화 시간 또는 사용자가 앱에 로그인한 횟수입니다.
• 컨텍스트 기능: 여기에는 회사가 고객에 대해 가지고 있는 컨텍스트 기반 정보가 포함됩니다. 이는 기기에서 사용하는 OS 시스템 또는 과거 구매일 수 있습니다.
• 행동 특징: 고객이 제품 내에서 취하는 특정 행동 및 행동입니다. 예를 들어 사용자가 음악 스트리밍 앱에서 재생 목록을 공유한 횟수입니다.

집중할 기능을 식별한 후에는 변수 또는 속성을 표준화하기 위해 추출해야 합니다. 이탈 분석과 관련된 정보만 선택해야 합니다.

4. 모델 구축

ML 알고리즘은 일반적으로 대상 변수를 구성하고 참 또는 거짓 값을 제공하는 이진 분류를 사용하여 작동합니다. 즉, 그 특정 기능으로 인해 고객이 이탈했습니까? 예를 들어 휴대전화에서 앱을 제거하면 일반적으로 고객 이탈로 이어집니까?

또 다른 일반적인 예측 모델은 사용 가능한 모든 기능을 사용하고 잠재적인 결과를 제공하는 의사 결정 트리입니다. 의사 결정 트리 모델은 고객이 이탈할지 여부를 확인하기 위해 여러 시나리오를 제공합니다.

더 큰 데이터 세트로 작업하는 회사의 경우 랜덤 포레스트라고도 하는 수많은 의사 결정 트리에서 예측 모델을 구축할 수 있습니다. 랜덤 포레스트에서 모든 의사 결정 트리는 긍정 또는 부정 응답으로 분류됩니다. 대부분의 의사 결정 트리가 긍정적인 답변을 제공하면 최종 예측이 긍정적일 것입니다.

5. 모델 모니터링

모델이 준비되면 예측 도구에 통합할 차례입니다. 이 도구를 사용하면 모델의 성능을 테스트 및 모니터링하고 필요한 경우 기능을 조정할 수 있습니다. 선택한 모델을 구현하고 프로덕션으로 보냅니다. 성능이 좋으면 기존 응용 프로그램을 업데이트하거나 새 제품의 초점으로 사용할 수 있습니다.

분석 도구에서 예측 모델 구축

Amplitude와 같은 분석 도구에서 예측 모델을 구축하는 방법을 살펴보겠습니다.

1. 시작 코호트 또는 사용자 그룹 정의

2. 미래 결과 상태 예측

예측은 과거의 행동을 사용하여 미래의 행동을 예측합니다. Amplitude와 같은 분석 도구는 두 기간 전에 시작 집단에 있었던 사용자를 살펴보고 한 기간 전에 원하는 결과에 도달한 사용자와 그렇지 않은 사용자를 식별합니다.

3. 이 모델을 기반으로 사용자 순위 및 점수 매기기

예측 모델은 다음 7, 30, 60 또는 90일 내에 원하는 결과에 도달하기 위해 시작 코호트의 모든 사용자에 대한 확률적 점수를 계산합니다. 모델은 계절 데이터를 설명하기 위해 매일 재학습합니다.

아래 이미지는 상위 5%를 나타냅니다.

4. 예측 코호트를 사용하여 제품 및 마케팅 전략에 정보 제공

예측 코호트를 사용하여 이탈 가능성에 따라 사용자를 분류할 수 있습니다. 3단계에서 순위가 ​​매겨진 사용자를 새 집단으로 전환하고 다음을 통해 리타겟팅합니다.

• 유지율을 높이기 위해 설계된 마케팅 캠페인에 포함
• 할인 요금 또는 특별 제안을 포함한 동적 가격 제공
• 선호도에 따라 콘텐츠 및 제품 경험 개인화
• 전환 또는 이탈 가능성에 따라 메시지 빈도 조정
• 새로운 웹사이트 또는 제품 변경을 실험하기 위해 맞춤형 A/B 테스트 실행

예를 들어 이탈 가능성이 높은 사용자 집단을 찾은 경우 역가격 전략을 사용하여 더 큰 할인이나 인센티브를 제공할 수 있습니다.

이탈 예측 분석 시작하기

이탈 예측이 얼마나 복잡하게 들릴지 모르지만 올바른 도구를 사용하면 쉽게 수행할 수 있습니다. Amplitude는 비기술 팀이 코드를 작성하거나 엔지니어링 리소스 및 종속성에 의존하지 않고도 복잡한 AI 모델을 구축할 수 있도록 지원합니다. 포인트 앤 클릭 작업이 포함된 셀프 서비스 인터페이스를 사용하여 이탈을 예측하고 줄이는 강력한 모델을 구축하기만 하면 됩니다. Amplitude의 스타터 플랜으로 무료로 직접 사용해 보세요.

셀프 서비스 데모 환경에서 이탈을 계산하는 방법을 알아보려면 아래 비디오를 시청하십시오.

참고문헌

• 고객 확보 vs. 유지 비용, 투자
• 머신 러닝을 사용한 구독 비즈니스의 고객 이탈 예측: 주요 접근 방식 및 모델, AltexSoft
• 이탈률 대 유지율: 이러한 SaaS KPI를 계산하는 방법, Woopra