Previsione del tasso di abbandono

Informazioni sulla previsione del tasso di abbandono

La previsione dell'abbandono è il processo che consiste nell'utilizzare i dati storici per individuare quali clienti o account potrebbero abbandonare l'azienda (o "churn") prima che ciò avvenga effettivamente. Questo fornisce al tuo team un segnale per agire prima che sia troppo tardi, il che può migliorare la fidelizzazione dei clienti e ridurre il tasso di abbandono per la tua organizzazione. Un modello di abbandono è solo una delle componenti di un programma efficace volto a migliorare l'esperienza dei clienti; da solo non riduce il tasso di abbandono, ma aiuta a individuare i clienti su cui concentrare gli interventi prima che decidano di abbandonare.

La previsione del tasso di abbandono non è una singola funzionalità. Un programma completo di previsione dell'abbandono risponde a cinque domande distinte: chi è a rischio, perché, quali gruppi sono più vulnerabili, quali interventi funzionano e se tali interventi hanno fatto la differenza. Ogni domanda richiede dati diversi, metodi diversi e azioni diverse.

Consiglio Q: Vuoi iniziare? Contatta il tuo team di account per discutere dei casi d'uso relativi alla riduzione del tasso di abbandono e dell'approccio più adatto al tuo programma. 

Domande relative all'attività a cui rispondere

I programmi di fidelizzazione dei clienti sono più efficaci quando prendono in considerazione il quadro completo: non solo chi è a rischio, ma anche perché e cosa fare al riguardo. La tabella che segue illustra le principali questioni aziendali e il modo in cui Qualtrics offre supporto per ciascuna di esse.

Consiglio Q: l'approccio più adatto dipende dal livello di maturità del programma, dalla disponibilità dei dati e dagli obiettivi aziendali. Contatta il tuo team di account per individuare la soluzione più adatta alle tue esigenze.

Introduzione alla previsione del tasso di abbandono

L'approccio corretto alla previsione del tasso di abbandono dipende dal livello di maturità del programma, dalla disponibilità dei dati e dagli obiettivi aziendali. Contatta il tuo team di account per discutere di:

• Di quali dati disponete attualmente e quali dovreste raccogliere?
• Quali delle cinque domande aziendali sopra riportate sono più rilevanti per il vostro programma in questo momento?
• Quali sarebbero, nel vostro contesto, la portata e i tempi realistici?

Di quali dati hai bisogno?

La previsione del tasso di abbandono funziona al meglio quando si combinano più origini dati. Si noti che queste fonti rappresentano suggerimenti di carattere generale e che gli indicatori specifici da monitorare dipenderanno dal settore di attività, dal programma di CX, dalle questioni aziendali di interesse e dal caso d'uso:

• Dati relativi all'esperienza: indici di soddisfazione (NPS, CSAT, CES), commenti liberi, risposte ai sondaggi sulle relazioni e sulle transazioni, nonché feedback spontanei (post sui social media, recensioni online, contact center). 
• Dati operativi: a seconda del settore di attività, questi potrebbero includere indicatori quali la durata del rapporto con il cliente, l’utilizzo dei prodotti, il volume dei ticket di assistenza, il valore dei contratti, la cronologia degli acquisti, il comportamento di pagamento e altro ancora.
• Dati storici: una serie di dati storici relativi ai clienti che hanno effettivamente abbandonato il servizio, utilizzata per la formazione e la convalida del modello.

Consiglio Q: i dati dei sondaggi, da soli, presentano notevoli limiti per la previsione del tasso di abbandono. I clienti disinteressati (spesso quelli più a rischio) sono meno propensi a compilare i sondaggi, il che crea lacune sistematiche nella copertura. La combinazione dei segnali provenienti dai sondaggi con altri dati comportamentali, operativi o relativi all'esperienza consente di ottenere modelli più accurati e di ridurre la distorsione delle risposte.

In testa vs. Indicatori in ritardo

Non tutti i segnali di dati sono uguali. Quando si sviluppa un programma di previsione dell'abbandono, è utile distinguere tra indicatori anticipatori e indicatori ritardati. Un programma di fidelizzazione efficace si basa su indicatori anticipatori. L'obiettivo è individuare il rischio con sufficiente anticipo, in modo che sia ancora possibile intervenire in modo efficace.

• Gli indicatori anticipatori sono segnali che compaiono prima che un cliente abbandoni l'azienda, dando al tuo team il tempo di intervenire. Tra gli esempi figurano il calo dei punteggi relativi al coinvolgimento, la diminuzione dell'utilizzo dei prodotti, l'aumento delle richieste di assistenza, l'aumento dei punteggi relativi allo sforzo richiesto su tutti i canali di contatto e i cambiamenti nei metodi di pagamento.
• Gli indicatori ritardati sono segnali che confermano che il tasso di abbandono si è già verificato o è imminente, ma lasciano poco tempo per intervenire. Tra gli esempi figurano le comunicazioni di mancato rinnovo del contratto, le richieste di chiusura dell'account e i pagamenti non andati a buon fine.

Requisiti per una previsione efficace del tasso di abbandono

La previsione del tasso di abbandono a livello individuale (assegnando a ciascun cliente o account un punteggio che indica la probabilità di abbandono) è uno dei tipi di previsione più complessi. È necessario:

• Elevato volume di dati: una quantità sufficiente di dati storici per individuare modelli significativi, compresi esempi sufficienti di eventi effettivi di abbandono.
• Dati puliti e strutturati: dati incoerenti, valori mancanti e strutture instabili compromettono la performance del modello.
• Preparazione dei dati da parte di esperti: la progettazione delle funzioni, la ricodifica delle variabili e l’unione dei dati sono attività preliminari che richiedono molto tempo e competenze specifiche nel campo della scienza dei dati.
• Manutenzione continua: i modelli richiedono un riaddestramento man mano che i dati e i comportamenti cambiano nel tempo.