如何通过流失预测分析提高留存率

流失预测使用人工智能 (AI) 和机器学习 (ML) 模型来识别哪些客户有流失风险。 有了这些信息，公司可以采取必要的措施来优化造成摩擦的业务领域，并控制客户流失水平。

客户流失的原因有很多，从负面的客户服务体验到从竞争对手那里找到更好的报价，或者认为您的产品缺乏价值。 提高客户保留率并保持低流失率至关重要，尤其是因为获得新客户的成本很高。

什么是流失预测？

流失预测是公司使用 AI 和 ML 模型来预测哪些客户最有可能终止其惠顾的过程。 流失预测使用基于用户行为和使用情况的客户数据。 客户流失预测和预防使公司能够：

• 识别有风险的客户并实施高度有针对性的工作以阻止他们流失。
• 识别客户旅程中的痛点和摩擦。
• 确定针对这些痛点的策略，以降低客户流失率并提高保留率。

真的可以预测客户流失吗？

借助机器学习算法和大数据，预测客户流失实际上是一种可能。 数据分析技术用于查看过去的行为趋势和客户行为模式。

这个想法是，您可以将特定行为识别为流失风险行为，并在为时已晚之前解决它们。 这些通常被称为危险信号指标。 例如，您可能会发现在社交媒体上取消关注您或卸载您的应用的客户流失的风险更高。

在进行客户流失预测时，请务必牢记以下几点：

• 在客户保留方面，主动性是关键。 流失预测应该可以帮助您制定计划，以便在他们被标记为有风险的客户时与他们互动。
• 确保您的客户流失预测技术准确识别可能离开的客户。 错误地识别有风险的客户可能会导致您无缘无故地在外展活动和特别优惠上花费资源，从而导致收入减少。
• 您需要一个基于实时获取的数据源的客户流失预测模型。 这些数据反映了当前的行为，并将导致更准确的预测。

订阅公司的流失预测

商业模式基于销售订阅服务的公司——B2B SaaS、音乐流媒体和电信等——依赖于他们从客户那里获得的经常性收入。 订阅流失预测、利用客户忠诚度和提高客户生命周期价值对于此类企业尤为重要。

HubSpot 时任 Service Hub 总经理 Michael Redbord 在接受 AltexSoft 采访时认为：

高流失率意味着由于客户数量减少而导致收入减少。 此外，由于糟糕的经历而离开公司的人可能会留下负面评价，影响其形象并使其更难以吸引新客户。

有许多类型的基于订阅的服务提供商可以从使用流失预测中受益。 其中一些部门包括：

音乐和视频流媒体服务

这些公司向其订阅者提供对音乐、电视节目和电影的点播访问。 此类公司的示例包括 Netflix 和 Spotify。 根据德勤 2022 年数字媒体趋势报告，自 2020 年以来，美国的付费视频流媒体服务的流失率一直保持在 37%。

新闻媒体

过去几年，新闻媒体公司已将重点转移到数字领域。 2021 年，65% 的美国人表示他们从未或很少从印刷媒体获得新闻。 纽约时报和金融时报等组织为其客户提供数字订阅包，他们可以通过其在线平台访问新闻文章和信息。

尽管转向数字化，移动新闻应用在 2022 年的卸载率仍为 25%。

电信服务提供商

电信公司提供一系列基于订阅的服务，例如无线、电视、互联网和手机服务。 此类公司包括 AT&T 和沃达丰。 2020 年，电信公司的离职率达到 20%。

软件即服务 (SaaS) 公司

SaaS 公司包括任何提供一种基于云的服务的企业。 这可以是任何东西，从像 Canva 这样的在线图形设计服务到像亚马逊这样的电子商务平台。

根据 Woopra 的说法，SaaS 公司的平均月流失率在 3% 到 8% 之间。 每年，这是 32–50%。

了解您的客户生命周期

在预测客户流失之前，您需要了解您的客户生命周期。 像 Amplitude Analytics 这样的产品分析工具可以将您的活跃用户分为四个子组：新用户、当前（活跃）用户、复活（以前不活跃）用户和休眠（不活跃）用户。 您应该关注每一组用户，以确保您的产品的用户群随着时间的推移而增长。

此视图有助于以持续的方式衡量客户流失，因此您可以采取措施减少流失。 您应该通过保持用户的参与度或给他们一个再次活跃的理由来努力增加您当前和复活的用户数量。 您还需要减少休眠用户数； 如果这个群体开始增长，您可能会遇到参与度问题。

流失预测模型：提高客户保留率的关键

借助 CRM 和分析软件等工具，公司可以访问包含客户整个生命周期信息的大型数据集。 这些历史数据对于使用 Amplitude Audiences 等工具构建客户流失预测模型至关重要。

您可以通过以下五个步骤来构建您的客户流失预测模型。

1. 确定您的客户流失预测目标

确保最佳流失预测模型性能的第一步是识别和定义您希望从模型中实现的目标。 在高层次上，您的目标是：

• 通过确定哪些客户的流失风险最高来减少客户流失。
• 了解您的高风险客户可能流失的原因。
• 在客户旅程中设计和实施更改，以提高风险客户的保留率。

2. 数据准备

无论是通过您的 CRM、分析软件还是直接的客户反馈，您都可以在客户购买过程的每个接触点从客户那里收集数据。

收集相关客户数据并准备好进行分类和提取是构建客户流失预测模型的第二步。 如果您使用分析工具，请阅读我们的行为数据和事件跟踪指南，了解如何收集准确数据。

3. 使用功能

使用特征工程根据可能使客户流失的特征对客户进行表示和分类。 讨论客户流失时有五种类型的特征：

• 客户特征：这些是关于客户的一般、基于人口统计的信息，例如他们的年龄、他们的收入以及他们的教育水平。
• 支持功能：这些是指您的客户与您的客户支持团队的互动，包括发送的电子邮件数量、解决问题的时间以及问题解决后的满意度。
• 使用功能：这些描述了客户如何使用您的产品或服务的要素。 例如，电信公司客户的平均通话时长或用户登录应用程序的次数。
• 上下文特征：这些包括公司拥有的关于客户的任何基于上下文的信息。 这可能是他们在设备上使用的操作系统系统或他们过去购买的东西。
• 行为特征：这些是客户在您的产品中采取的特定行为和行动。 例如，用户在音乐流媒体应用中分享播放列表的次数。

一旦您确定了要关注的特征，您将需要提取它们以标准化变量或属性。 您应该只选择与分析客户流失相关的信息。

4. 建立你的模型

ML 算法通常使用二进制分类来工作，该分类组织您的目标变量并为它们提供真值或假值。 换句话说，该特定功能是否会导致您的客户流失？ 例如，从手机上卸载应用程序通常会导致客户流失吗？

另一种常见的预测模型是决策树，它使用任何可用的特征并提供潜在的结果。 决策树模型将提供多种场景来查看客户是否会流失。

对于使用更大数据集的公司，您可以在众多决策树（也称为随机森林）上构建预测模型。 在随机森林中，每棵决策树都有一个带有正或负答案的分类。 如果大多数决策树都提供了肯定的答案，那么最终的预测将是肯定的。

5. 监控你的模型

一旦您的模型准备就绪，就该将其集成到您的预测工具中了。 使用此工具，您可以测试和监控模型的性能，并在必要时对功能进行任何调整。 您实施您选择的模型并将其发送到生产中。 如果它表现良好，您可以更新现有应用程序或将其用作新产品的重点。

在分析工具中构建预测模型

让我们来看看如何在 Amplitude 等分析工具中构建预测模型。

1. 定义一个起始群组或用户组

2.预测他们未来的结果状态

预测使用过去的行为来预测未来的行为。 像 Amplitude 这样的分析工具将查看两个时期前处于起始队列中的用户，并确定一个时期前达到预期结果的用户以及没有达到预期结果的用户。

3.基于此模型对用户进行排名和评分

预测模型计算起始群组中每个用户的概率分数，以在接下来的 7、30、60 或 90 天内达到预期结果。 该模型每天都会重新训练以考虑季节性数据。

下图显示了前 5%。

4. 使用预测性群组来告知您的产品和营销策略

您可以使用预测性同类群组根据用户流失的可能性对用户进行细分。 将第 3 步中的排名用户转变为新的同类群组，并通过以下方式重新定位他们：

• 将他们包括在旨在提高保留率的营销活动中
• 提供动态定价，包括折扣价或特别优惠
• 根据他们的喜好个性化内容和产品体验
• 根据转换或放弃的可能性调整消息传递频率
• 运行自定义 A/B 测试以试验新网站或产品更改

例如，如果您发现一群用户流失的可能性很高，您可能会使用反向定价策略为他们提供更大的折扣或激励。

客户流失预测分析入门

尽管客户流失预测听起来很复杂，但使用正确的工具很容易做到。 Amplitude 使非技术团队无需编写代码或依赖工程资源和依赖项即可构建复杂的 AI 模型。 只需使用带有点击操作的自助服务界面，即可构建强大的模型来预测和减少客户流失。 使用 Amplitude 的入门计划免费试用。

观看下面的视频，了解如何在我们的自助服务演示体验中计算流失率。

参考

• 客户获取与保留成本，Invesp
• 使用机器学习的订阅业务的客户流失预测：主要方法和模型，AltexSoft
• 流失率与保留率：如何计算这些 SaaS KPI，Woopra