急速に変化する世界で競争し、関連性を維持するには、企業はマーケティング活動にデータと AI を使用するという考えを受け入れる必要があります。これはまた、マーケターがマーケティングAIソリューションを実装するために必要とし、実行する必要があるアクティビティーとスキルのダイナミクスが変化することを意味します。しかし、すべてのマーケティング担当者が一夜にしてデータサイエンティストになる必要がある、またはその逆になる必要があるというわけではありません。代わりに、コラボレーションに重点を置く必要があります。 この目標を実現するために、異なるスキルセットを持つ同僚間の協力を促進するユースケースを設定することをお勧めします。マーケティングとデータサイエンスの間でチームをまたがる私たちのお気に入りのアプローチの1つは、顧客離れの予測に関するユースケースを実践することです。
顧客離れの予測が重要な理由
チャーン分析の意味: チャーン(顧客離れ、離反)(または減少) とは、簡単に言えば、定義された期間内に顧客が製品の購入やサービスの使用をやめてしまうことです。解約率を可能な限りゼロに近づけるために、ほぼすべての業界の企業が解約への対応を最優先事項とする必要があります。チャーンを無視すると、顧客をすぐに獲得できるビジネスであっても、あらゆるビジネスの成長が停滞する可能性があります。
顧客離れの予測はサブスクリプションのタイプに依存する
チャーン予測ベースのデータサイエンスプロジェクトの最初のステップは、組織が使用するモデルを定義することです。通常、顧客のチャーンには、サブスクリプションと非サブスクリプションのチャーンの2種類があります。
サブスクリプションのチャーンは、ユーザーまたは顧客が一定期間契約を結んでおり、顧客がその契約の終了後にサブスクリプションをキャンセルまたは更新しないことを選択したビジネスで発生します。非サブスクリプションチャーンは、ユーザーまたは顧客がいつでもビジネスとの関係を終了できる場合に発生します。彼らは自由に行き来します。顧客は時間の経過とともに徐々に購入頻度を減らしたり、突然、二度と購入しなくなる場合があります。
顧客のチャーン(つまり、いつ顧客でなくなるか)の予測は、サブスクリプションモデルではかなり簡単ですが、非サブスクリプションモデルでは少し難しくなります。サブスクリプションモデルでは、顧客がサブスクリプションのキャンセルを要求すると解約します。ただし、非サブスクリプションモデルでは、チャーンの可能性を予測するために、顧客の行動傾向を分析する必要があります(たとえば、顧客が会社のサービス/製品を最後に使用してからの時間)。
サブスクリプション以外のチャーンを正確に予測するには、複数のチーム間の協力が必要です。通常、マーケティング側は、自社ビジネスにおいてチャーンとは何を意味するか(数週間、数か月、または数年後のアクションの欠如)を定義します。そして適切なモデルにたどり着くために、データチームと行ったり来たりのプロセスを繰り返します。
機械学習を使用して顧客離れ予測モデルを構築する
通常、顧客離れ予測プロジェクトは、顧客獲得率が低下したときに開始されます。ほとんどの企業にとって、顧客獲得コスト(新規顧客を獲得するためのコスト)は、既存の顧客を維持するためのコストよりも高く、場合によっては15倍もの費用がかかります。したがって、解約プロジェクトを成功させるための課題とは、顧客ロイヤルティを高め、その結果、会社の収益を増やすことです。
チャーンを予測するために使用される2つの補完的なモデリングアプローチがあります。
- 機械学習(ML)モデル (短期アクション)。 短期的なアクションを可能にするパフォーマンスを分析するためのMLモデルを開発します。この分析の結果に基づいて、クライアントはチャーンを減らすためのワンショットアクションを実行できます。
- 解析モデル(長期研究)。 チャーンの原因を理解するためのモデルを開発します。このより深い知識により、クライアントは問題の根本に取り組み、チャーンを減らす方法を理解することができます。
どちらの場合も、モデルを関連する短期的または長期的なマーケティング主導のアクションに結び付けて、チャーンの削減を達成することが重要です。モデリング戦略とマーケティング戦略の両方において、短期的なアプローチと長期的なアプローチを組み合わせたアプローチのみが、チャーンの削減に効果的かつ持続可能な影響を与えます。
→チャーンに対する取り組みについて詳しく知りたい方は、こちらのガイドブックをご参照ください
チャーンプロファイルの作成とチャーン行動の特定
定義されたターゲットを使用したMLモデリング(分類)のおかげで、データサイエンスおよびマーケティングチームはチャーン予測プロジェクトに取り組むことができます。ターゲットは、サブスクリプションタイプのビジネスモデルでは既知ですが、非サブスクリプションのシナリオでは定義する必要があります。チャーン行動を特定する際に考慮すべき事項がいくつかあります。
セグメンテーション
行動に基づいて顧客をセグメント化し、「どの顧客を気にかけているのか?」という質問に答えます。最優良顧客だけ? 最も利益をもたらす顧客を対象にする? その答えが何であれ、チャーン削減キャンペーンは、明確に定義された顧客セグメントを対象とする必要があります。
コントロール母集団との比較
チャーン行動のバリエーションを理解することで、新しい顧客クラスを作成して改良することができます。スペクトラムの一方の端には、少なくとも1回は製品を操作したものの、その後は訪問していない顧客がいます。スペクトラムのもう一方の端には、製品を頻繁に使用または購入し、製品に深く関与している顧客が含まれます。これに関連して、「新規顧客」の定義は、顧客グループの理解とともに定式化できます。
あなたのチャーナー(解約者)の特徴は何ですか?
上記の分析から収集されたデータをMLモデリングにかけると、会社は解約者間の差異パターンを発見し、自社の解約者が他社と異なる理由を特定できます。
チャーンスコアリングメカニズムの実装
チャーンスコアリングは、顧客の潜在的なロイヤルティを示すスコアを顧客に割り当てるために使用されます。チャーンスコアリングメカニズムの実装は、次の2つのプロセスに依存します。
- 関連する特徴量を見つける: ソーシャル情報や行動ベースのアクションなどの顧客の特徴量を使用して、顧客が誰であるかを把握します。解約率の計算に最も関連する顧客の特徴量を見つけて、解約率スコアリングプロセスを開始します。
- チャーンスコアの計算: チャーンスコアの計算は、関連するすべての顧客機能を組み合わせて、特定の顧客が製品/サービスを放棄する可能性を正確に判断します。この時点で、MLテクノロジーが引き継ぎます — 予測アルゴリズムがDataikuに入力され、最適なものが選択されます。その後、チャーンスコアを計算するためにデプロイされます。
解約者の特定と行動分析のプロセスには、データサイエンティストとマーケティングスペシャリストの両方の専門知識が必要です。一方は顧客を理解し、もう一方は行動を測定および分析できます。このプロセスの最後に、得られた情報を会社のロイヤルティプログラムに適用します。顧客離れ予測プロジェクトの出力は、顧客IDと関連する解約スコアを含むデータセットです。このチャーンスコアは、顧客が製品またはサービスを放棄する確率を示します。
チャーンスコアにより、データサイエンスとマーケティングは、顧客セグメントを定義するためにビジネスルールを一緒に構築できます。最適な結果を得るには、ビジネス要件と、顧客の行動と期待に関する知識に基づいてアクションをカスタマイズする必要があります。
最後に、顧客離れ予測プロジェクトを成功させるためには、よくある落とし穴の1つを回避する必要があります。それは、モデルを1回限りの調査として認識してしまうことです。チャーン予測モデルの1回の反復ではあまり効果がなく、スケーラビリティー(より大きな顧客ベースを拡大するためにモデルを適用する)や再現性(将来同じアプローチを再現する)など、プロジェクトの重要な側面を見落とすリスクがあります。複数回の繰り返しは、顧客ロイヤルティを維持および向上させるための、スケーラブルで長期的な戦略を成功させるのに役立ちます。
著者について: 過去7年以上にわたり、Hugoは何百ものeコマース プレーヤー、小売業者、メディア企業、デジタルネイティブと協力し、Dataikuを活用してビジネス価値を生み出す手助けをしてきました。一般的なAIのユースケースには、顧客離れの予測、コンバージョンの改善、コンテンツのパーソナライズ、売上予測、動的価格設定、不正防止、サプライ チェーンの最適化などがあります。
Dataikuで顧客離れ予測を始める
顧客離れの予測を開始したいが、どこから始めればよいかわからない場合は、今日から使用できるテンプレートが含まれている顧客離れのビジネスソリューションをお試しください。
原文:Customer Churn Prediction or How AI Will Become Your Marketing Team's Best Friend