Brug data til at forhindre kundeflugten

Hvad

Artikel

Skrevet af

Andreas Vestre

Tema

Kundefrafald

Vores nysgerrighed efter at udforske muligheder med data vokser i takt med den eksponentielle vækst i mængden af genereret data. Med flere og flere data og teknologiske innovationer leder vi konstant efter nye og bedre måder at gøre information tilgængelig og udnytte denne. En datadrevet organisation træffer bedre og hurtigere beslutninger. Ved at indsamle data og omsætte information til indsigt kan man træffe valg baseret på fakta frem for antagelser.

Data er meningsløse, medmindre de kan give værdifuld indsigt, der understøtter beslutningstagen. Organisationen skal vide, hvordan data skal indsamles, renses, transformeres, modelleres og analyseres. Hvis du knækker koden, er mulighederne mange og store. Dataanalyse kan bruges til alt fra bekæmpelse af hvidvask af penge og forebyggelse af svindel til markedsføring og forebyggelse af kundeafgang.

Hvordan forhindrer man kunder i at forlade?

Kundeafgang er, når en kunde opsiger kundeforholdet og/eller holder op med at bruge de produkter eller tjenester, som virksomheden tilbyder. Når det ofte kan være mere end fem gange så dyrt at tiltrække nye kunder som at fastholde eksisterende, er det naturligvis vigtigt at finde måder at fastholde kunder på. Det er her data kommer ind i billedet. Dataanalyse kan bruges til at forudsige, hvilke kunder der højst sandsynligt vil afslutte kundeforholdet, mens der stadig er tid til at forhindre dette. Samtidig kan den bruges til at forstå, hvilke tiltag der har størst effekt på at fastholde kunder med størst risiko for afgang.

Der er flere forskellige måder at komme videre på. Uanset metoden er der normalt én overordnet tilgang, der er best practice:

Først skal organisationen få et komplet billede af kunden. Dette gøres bedst ved at forbinde og aggregere data fra forskellige kilder gennem hele kundens beslutningsrejse.
Organisationen kan derefter bruge analytiske metoder til at identificere mønstre og forudsige, hvem der er tæt på at forlade. Så er det afgørende, at du deler kundegrundlaget op i præcise segmenter, så du kan rette målrettede og tilpassede tiltag til de segmenter, hvor risikoen for afgang er størst.
Det sidste og afgørende skridt er at finde ud af, hvilke tiltag der har størst effekt. Her kan organisationen drage fordel af en agil tilgang ved løbende at teste og lære af tiltag i forskellige segmenter.

Høje elpriser resulterer i kundeflugt

Reduktion af kundeomsætning har længe stået højt på dagsordenen for mange virksomheder, især i brancher med relativt hyppige leverandørskift, såsom tele, bank og forsikring. Med vinterens rekordhøje elpriser og den teknologiske udvikling på elmarkedet er dette også blevet endnu mere aktuelt for elleverandørerne. Tærsklen for at skifte leverandør er faldet betragteligt, hvilket afspejler sig i antallet af leverandørskift, som i 2021 var rekordhøjt på over 800.000. Hvordan kan aktører i branchen lykkes med at fastholde kunderne?

Hent vores nyeste markedsrapport om strøm her

Processen kan for eksempel starte med at danne kundeprofiler baseret på aggregerede data om brug, produkter og tilbud. Med machine learning kan du så træne en model med historiske data om kundeafgange. Her vil en typisk tilgang være at se tilbage på de sidste tre måneder for at forudsige de næste to. En vigtig variabel kan være, om kunden for nylig har fået unormale og uventede dyre elregninger. En anden variabel er, om kunden benytter sig af yderligere tjenester, som udbyderen tilbyder. Jo flere sådanne tjenester, desto højere omkostninger ved omstilling. Samtidig bliver det mere udfordrende for kunden at sammenligne reelle priser med andre leverandører.

Det behøver ikke at være så svært

Udført korrekt, vil indsamling og analyse af kundedata identificere den gruppe af kunder, der højst sandsynligt vil forlade, hvis tiltag ikke implementeres inden for kort tid. En mulig foranstaltning kan være så simpel som at kontakte de relevante kunder personligt via telefon eller e-mail, for at få dem til at føle sig taget hånd om. Erfaringsmæssigt kommer du gerne i kontakt med halvdelen af kunderne. Kundeafgangene i denne gruppe er dog væsentligt lavere end blandt dem, man ikke kommer i kontakt med. Dette viser, hvor effektiv forudsigelse af kundeafgange og nem opfølgning kan være for at fastholde kunder.