Mejores prácticas en gestión del churn: Data science

El caso de uso más representativo en las organizaciones cuando se habla de ciencia de datos, es sin lugar a dudas la predicción y explicación de la fuga de clientes, attrition o churn. Se habla tanto de esto que aveces las empresas dudan si el científico de datos sabe hacer otra cosa diferente a medirlo y gestionarlo. No es para menos, un punto de churn equivale a miles de dólares.

En este blog, queremos compartir con ustedes algunos conocimientos derivados de nuestra práctica consultiva alrededor de predicción y gestión del churn con nuestra metodología VDD (Visual Data Discovery).

ROL FINANCIERO DEL CHURN:

Como se muestra en el gráfico a continuación, la relación con clientes presenta diferentes retos:

• • • Cuando se inicia una relación comercial con un cliente, los costos de adquisición bajan el margen: ¿Cómo reducir los costos de adquisición con mejores estrategias de targeting?
      
      
    • Siempre queda la duda si estamos dejando dinero sobre la mesa, adicionalmente queremos que los clientes no solo compren un producto o servicio, queremos que el cliente se vincule con todo nuestro portafolio: ¿Cómo hacer venta cruzada y venta escalonada? 
      
      
    • Las relaciones comerciales se agotan y es posible que tengamos signos de pérdida de clientes, no renovaciones, que el cliente retire productos o servicios de su portafolio etc.: ¿Cómo retener el cliente de una forma rentable para la organización?
      
    • La recuperación de clientes perdidos sería otra pregunta: ¿Cómo detectar clientes que podemos recuperar? ¿Con qué oferta recuperarlos?

MEJORES PRÁCTICAS EN GESTIÓN DE CHURN

El diagrama a continuación, muestra un resumen desde nuestra experiencia consultiva y de la revisión de la literatura científica. Hemos aislado 17 mejores prácticas y están clasificados según su impacto en la reducción de churn (Eje X), Costo de implementación (Eje Y), Riesgo (Eje Z, Colores) y Esfuerzo requerido (Eje W, Tamaño)

Para efectos del presente blog, nos concentraremos en aquellas directamente relacionadas con modelamiento predictivo.

FUENTES DE DATOS:

La integración de sistemas transaccionales resulta clave para construir modelos de datos eficientes en la gestión predictiva del churn. A continuación evaluamos 4 fuentes diferentes de datos desde tres perspectivas: 

• • • Intra-operabilidad: La fuente sea transversal, indique la salud de diferentes procesos al interior de la organización y un cambio en esta fuente alerte diferentes procesos.
      
      
    • Accionabilidad: La fuente sea de datos que representen aspectos que el negocio pueda alterar con el fin de lograr un mejor resultado.
      
      
    • Validez estadística: Posibilidad de hacer inferencias válidas cuando no se trate de censos.

ESTRATEGIAS DE MODELAMIENTO:

Generalmente, las organizaciones deben escoger entre dos poderosos resultados:

• • • Tener un modelo que permita explicar las causas del churn para tener una teoría de negocio eficiente y así construir una estrategia razonable. Estos modelos pueden tener fallas de predicción leves
      
      
    • Tener un modelo que prediga con la mayor precisión y exactitud posible. Estos modelos generalmente son difíciles de entender.

La evidencia científica soporta las siguientes conclusiones:

• • • El customer journey map empírico es 43% más efectivo que cualquier otro predictor para estimar poblaciones en riesgo y futuros churners.
    • Los modelos de churn deben ofrecer al negocio dos elementos: 1. Tiempo que queda de vida para el cliente y 2. Probabilidad de perderlo y esta dupla se logra eficientemente con modelos integrales entre estadística (Survival analysis) e inteligencia artificial (Factorization machines).
    • El negocio requiere que el modelamiento logre las dos cosas a la vez: 1. Una teoría de negocio convincente que explique las causas del churn y 2. Una predicción exitosa para pasar a producción la estrategia.

VDD es un poderoso mecanismo de ingesta integración y analítica de datos provenientes de diferentes sistemas transaccionales de la organización con el fin de retener y valorizar la relación que tenemos con clientes y canales. Como metodología se basa en procesamiento estadístico e inteligencia artificial

Si quieres conocer más sobre la metodología, uno de nuestros consultores se pondrá en contacto contigo:

América del Sur

México y Centroamérica