Bruk data til å forhindre kundeflukten

Vår nysgjerrighet til å utforske muligheter med data vokser i takt med den eksponentielle veksten i mengden data som genereres. Med stadig mer data og teknologiske nyvinninger, er vi kontinuerlig på utkikk etter nye og bedre måter å tilgjengeliggjøre og utnytte informasjon på. En datadrevet organisasjon tar bedre og raskere beslutninger. Ved å samle inn data og omdanne informasjon til innsikt, kan man ta valg basert på fakta fremfor antakelser.

Data er meningsløse med mindre de kan gi verdifull innsikt som understøtter beslutningstaking. Organisasjonen må vite hvordan dataene skal samles inn, renses, transformeres, modelleres og analyseres. Om man knekker koden, er mulighetene mange og store. Dataanalyse kan benyttes til alt fra antihvitvasking og svindelforebygging til markedsføring og forhindring av kundeavgang.

Hvordan forhindre at kundene drar?

Kundeavgang er når en kunde selv avslutter kundeforholdet og/eller slutter å benytte seg av produktene eller tjenestene virksomheten tilbyr. Når det å tiltrekke nye kunder ofte kan være mer enn fem ganger så dyrt som å beholde eksisterende, er det åpenbart viktig å finne måter å beholde kundene på. Her kommer data inn i bildet. Dataanalyse kan brukes til å forutse hvilke kunder som med stor sannynlighet vil avslutte kundeforholdet, mens det fortsatt er tid til å forhindre dette. Samtidig kan det benyttes til å forstå hvilke tiltak som har størst effekt for å beholde kundene med høyest risiko for avgang.

Det er flere ulike måter å gå frem på. Uavhengig av metode, er det gjerne én overordnet tilnærming som er beste praksis:

Først må organisasjonen få et komplett bilde av kunden. Dette gjøres best ved å koble sammen og aggregere data fra ulike kilder over hele kundens beslutningsreise.
Deretter kan organisasjonen ta i bruk analytiske metoder for å identifisere mønstre og predikere hvem som er nær ved å dra. Da er det avgjørende at man deler kundemassen inn i presise segmenter slik at man kan rette målrettede og tilpassede tiltak til de segmentene der risiko for avgang er høyest
Siste og avgjørende steg er å finne ut hvilke tiltak som har størst effekt. Her kan organisasjonen dra nytte av en agil tilnærming ved å kontinuerlig teste og lære av tiltak på ulike segmenter.

Høye strømpriser gir kundeflukt

Det å redusere kundeavgang har lenge stått høyt på agendaen for mange selskaper, spesielt i bransjer med relativt hyppige leverandørbytter, som telekom, bank og forsikring. Med vinterens rekordhøye strømpriser og den teknologiske utviklingen i strømmarkedet, er dette også blitt enda mer aktuelt for strømleverandører. Terskelen for å bytte leverandør har sunket betraktelig, noe som gjenspeiles i antall leverandørbytter, som i 2021 var rekordhøyt med over 800 000. Hvordan kan aktører i bransjen lykkes med å beholde kundene?

Prosessen kan for eksempel begynne med å danne kundeprofiler basert på aggregerte data om bruk, produkter og tilbud. Med maskinlæring kan man så trene en modell med historiske data om kundeavganger. Her vil en typisk tilnærming være å se tilbake på de siste tre måneder for å predikere de neste to. En viktig variabel kan være om kunden den seneste perioden har fått unormalt og uventet dyre strømregninger. En annen variabel er hvorvidt kunden benytter seg av eventuelle tilleggstjenester leverandøren tilbyr. Jo flere slike tjenester, desto høyere blir byttekostnadene. Samtidig blir det mer utfordrende for kunden å sammenlikne reelle priser med andre leverandører.

Det trenger ikke være så vanskelig

Gjort riktig, vil man med innhentingen og analysene av kundedata identifisere den gruppen av kunder som med størst sannsynlighet vil dra dersom det ikke iverksettes tiltak innen kort tid. Et mulig tiltak kan være så enkelt som å henvende seg personlig til de aktuelle kundene via telefon eller e-post for å få dem til å føle seg ivaretatt. Av erfaring kommer man gjerne i kontakt med halvparten av kundene. Kundeavgangen i denne gruppen er imidlertid signifikant lavere enn blant de man ikke kommer i kontakt med. Dette viser hvor effektivt prediksjon av kundeavganger og enkel oppfølging kan være for å beholde kunder.