如何通過流失預測分析提高留存率

流失預測使用人工智能 (AI) 和機器學習 (ML) 模型來識別哪些客戶有流失風險。 有了這些信息，公司可以採取必要的措施來優化造成摩擦的業務領域，並控制客戶流失水平。

客戶流失的原因有很多，從負面的客戶服務體驗到從競爭對手那裡找到更好的報價，或者認為您的產品缺乏價值。 提高客戶保留率並保持低流失率至關重要，尤其是因為獲得新客戶的成本很高。

什麼是流失預測？

流失預測是公司使用 AI 和 ML 模型來預測哪些客戶最有可能終止其惠顧的過程。 流失預測使用基於用戶行為和使用情況的客戶數據。 客戶流失預測和預防使公司能夠：

• 識別有風險的客戶並實施高度有針對性的工作以阻止他們流失。
• 識別客戶旅程中的痛點和摩擦。
• 確定針對這些痛點的策略，以降低客戶流失率並提高保留率。

真的可以預測客戶流失嗎？

借助機器學習算法和大數據，預測客戶流失實際上是一種可能。 數據分析技術用於查看過去的行為趨勢和客戶行為模式。

這個想法是，您可以將特定行為識別為流失風險行為，並在為時已晚之前解決它們。 這些通常被稱為危險信號指標。 例如，您可能會發現在社交媒體上取消關注您或卸載您的應用的客戶流失的風險更高。

在進行客戶流失預測時，請務必牢記以下幾點：

• 在客戶保留方面，主動性是關鍵。 流失預測應該可以幫助您制定計劃，以便在他們被標記為有風險的客戶時與他們互動。
• 確保您的客戶流失預測技術準確識別可能離開的客戶。 錯誤地識別有風險的客戶可能會導致您無緣無故地在外展活動和特別優惠上花費資源，從而導致收入減少。
• 您需要一個基於實時獲取的數據源的客戶流失預測模型。 這些數據反映了當前的行為，並將導致更準確的預測。

訂閱公司的流失預測

商業模式基於銷售訂閱服務的公司——B2B SaaS、音樂流媒體和電信等——依賴於他們從客戶那裡獲得的經常性收入。 訂閱流失預測、利用客戶忠誠度和提高客戶生命週期價值對於此類企業尤為重要。

HubSpot 時任 Service Hub 總經理 Michael Redbord 在接受 AltexSoft 採訪時認為：

高流失率意味著由於客戶數量減少而導致收入減少。 此外，由於糟糕的經歷而離開公司的人可能會留下負面評價，影響其形象並使其更難以吸引新客戶。

有許多類型的基於訂閱的服務提供商可以從使用流失預測中受益。 其中一些部門包括：

音樂和視頻流媒體服務

這些公司向其訂閱者提供對音樂、電視節目和電影的點播訪問。 此類公司的示例包括 Netflix 和 Spotify。 根據德勤 2022 年數字媒體趨勢報告，自 2020 年以來，美國的付費視頻流媒體服務的流失率一直保持在 37%。

新聞媒體

過去幾年，新聞媒體公司已將重點轉移到數字領域。 2021 年，65% 的美國人表示他們從未或很少從印刷媒體獲得新聞。 紐約時報和金融時報等組織為其客戶提供數字訂閱包，他們可以通過其在線平台訪問新聞文章和信息。

儘管轉向數字化，移動新聞應用在 2022 年的卸載率仍為 25%。

電信服務提供商

電信公司提供一系列基於訂閱的服務，例如無線、電視、互聯網和手機服務。 此類公司包括 AT&T 和沃達丰。 2020 年，電信公司的離職率達到 20%。

軟件即服務 (SaaS) 公司

SaaS 公司包括任何提供一種基於雲的服務的企業。 這可以是任何東西，從像 Canva 這樣的在線圖形設計服務到像亞馬遜這樣的電子商務平台。

根據 Woopra 的說法，SaaS 公司的平均月流失率在 3% 到 8% 之間。 每年，這是 32–50%。

了解您的客戶生命週期

在預測客戶流失之前，您需要了解您的客戶生命週期。 像 Amplitude Analytics 這樣的產品分析工具可以將您的活躍用戶分為四個子組：新用戶、當前（活躍）用戶、復活（以前不活躍）用戶和休眠（不活躍）用戶。 您應該關注每一組用戶，以確保您的產品的用戶群隨著時間的推移而增長。

此視圖有助於以持續的方式衡量客戶流失，因此您可以採取措施減少流失。 您應該通過保持用戶的參與度或給他們一個再次活躍的理由來努力增加您當前和復活的用戶數量。 您還需要減少休眠用戶數； 如果這個群體開始增長，您可能會遇到參與度問題。

流失預測模型：提高客戶保留率的關鍵

借助 CRM 和分析軟件等工具，公司可以訪問包含客戶整個生命週期信息的大型數據集。 這些歷史數據對於使用 Amplitude Audiences 等工具構建客戶流失預測模型至關重要。

您可以通過以下五個步驟來構建您的客戶流失預測模型。

1. 確定您的客戶流失預測目標

確保最佳流失預測模型性能的第一步是識別和定義您希望從模型中實現的目標。 在高層次上，您的目標是：

• 通過確定哪些客戶的流失風險最高來減少客戶流失。
• 了解您的高風險客戶可能流失的原因。
• 在客戶旅程中設計和實施更改，以提高風險客戶的保留率。

2. 數據準備

無論是通過您的 CRM、分析軟件還是直接的客戶反饋，您都可以在客戶購買過程的每個接觸點從客戶那裡收集數據。

收集相關客戶數據並準備好進行分類和提取是構建客戶流失預測模型的第二步。 如果您使用分析工具，請閱讀我們的行為數據和事件跟踪指南，了解如何收集準確數據。

3. 使用功能

使用特徵工程根據可能使客戶流失的特徵對客戶進行表示和分類。 討論客戶流失時有五種類型的特徵：

• 客戶特徵：這些是關於客戶的一般、基於人口統計的信息，例如他們的年齡、他們的收入以及他們的教育水平。
• 支持功能：這些是指您的客戶與您的客戶支持團隊的互動，包括發送的電子郵件數量、解決問題的時間以及問題解決後的滿意度。
• 使用功能：這些描述了客戶如何使用您的產品或服務的要素。 例如，電信公司客戶的平均通話時長或用戶登錄應用程序的次數。
• 上下文特徵：這些包括公司擁有的關於客戶的任何基於上下文的信息。 這可能是他們在設備上使用的操作系統系統或他們過去購買的東西。
• 行為特徵：這些是客戶在您的產品中採取的特定行為和行動。 例如，用戶在音樂流媒體應用中分享播放列表的次數。

一旦您確定了要關注的特徵，您將需要提取它們以標準化變量或屬性。 您應該只選擇與分析客戶流失相關的信息。

4. 建立你的模型

ML 算法通常使用二進制分類來工作，該分類組織您的目標變量並為它們提供真值或假值。 換句話說，該特定功能是否會導致您的客戶流失？ 例如，從手機上卸載應用程序通常會導致客戶流失嗎？

另一種常見的預測模型是決策樹，它使用任何可用的特徵並提供潛在的結果。 決策樹模型將提供多種場景來查看客戶是否會流失。

對於使用更大數據集的公司，您可以在眾多決策樹（也稱為隨機森林）上構建預測模型。 在隨機森林中，每棵決策樹都有一個帶有正或負答案的分類。 如果大多數決策樹都提供了肯定的答案，那麼最終的預測將是肯定的。

5. 監控你的模型

一旦您的模型準備就緒，就該將其集成到您的預測工具中了。 使用此工具，您可以測試和監控模型的性能，並在必要時對功能進行任何調整。 您實施您選擇的模型並將其發送到生產中。 如果它表現良好，您可以更新現有應用程序或將其用作新產品的重點。

在分析工具中構建預測模型

讓我們來看看如何在 Amplitude 等分析工具中構建預測模型。

1. 定義一個起始群組或用戶組

2.預測他們未來的結果狀態

預測使用過去的行為來預測未來的行為。 像 Amplitude 這樣的分析工具將查看兩個時期前處於起始隊列中的用戶，並確定一個時期前達到預期結果的用戶以及沒有達到預期結果的用戶。

3.基於此模型對用戶進行排名和評分

預測模型計算起始群組中每個用戶的概率分數，以在接下來的 7、30、60 或 90 天內達到預期結果。 該模型每天都會重新訓練以考慮季節性數據。

下圖顯示了前 5%。

4. 使用預測性群組來告知您的產品和營銷策略

您可以使用預測性同類群組根據用戶流失的可能性對用戶進行細分。 將第 3 步中的排名用戶轉變為新的同類群組，並通過以下方式重新定位他們：

• 將他們包括在旨在提高保留率的營銷活動中
• 提供動態定價，包括折扣價或特別優惠
• 根據他們的喜好個性化內容和產品體驗
• 根據轉換或放棄的可能性調整消息傳遞頻率
• 運行自定義 A/B 測試以試驗新網站或產品更改

例如，如果您發現一群用戶流失的可能性很高，您可能會使用反向定價策略為他們提供更大的折扣或激勵。

客戶流失預測分析入門

儘管客戶流失預測聽起來很複雜，但使用正確的工具很容易做到。 Amplitude 使非技術團隊無需編寫代碼或依賴工程資源和依賴項即可構建複雜的 AI 模型。 只需使用帶有點擊操作的自助服務界面，即可構建強大的模型來預測和減少客戶流失。 使用 Amplitude 的入門計劃免費試用。

觀看下面的視頻，了解如何在我們的自助服務演示體驗中計算流失率。

參考

• 客戶獲取與保留成本，Invesp
• 使用機器學習的訂閱業務的客戶流失預測：主要方法和模型，AltexSoft
• 流失率與保留率：如何計算這些 SaaS KPI，Woopra