Fidelizzare i clienti talvolta costa meno che acquisirne di nuovi. Syskoplan Reply ha realizzato un modello di probabilità per il Churn Management per prevedere la probabilità di fuga dei clienti su scala individuale e l’ha implementato utilizzando R in una banca dati SAP HANA.
L’obiettivo del Churn Management è individuare i clienti con un’alta probabilità di fuga per poi prendere contatto con loro con misure mirate per fidelizzarli all’azienda. Nel caso in esame il Churn Management è stato implementato su una relazione fra cliente e azienda commerciale non basata su di un contratto. La sfida era rappresentata dal fatto che in assenza di un legame contrattuale la fuga del cliente non era direttamente osservabile. Un cliente può rimanere fedele anche se non fa acquisti da molto tempo.
Un’ulteriore sfida consisteva nel fatto che, in virtù della protezione dei dati e dei consumatori, lo storico individuale delle transazioni dei clienti può essere analizzato solo fino a un determinato momento. Di norma si tratta dei dati fino ai due anni precedenti. Il grafico illustra gli effetti della limitazione dei dati utilizzati. Le osservazioni al di fuori del periodo di due anni, ovvero nella parte colorata, non sono utilizzate. Questo influenza fortemente la qualità dei dati nei clienti 1 e 2 presi ad esempio, il che a sua volta condiziona la qualità della previsione del comportamento dei clienti individuali.
Le ricevute d’acquisto di tutti i clienti si trovavano in una banca dati SAP HANA. I dati per la previsione del comportamento del cliente sono stati elaborati direttamente in SAP HANA. Per la valutazione successiva del modello di probabilità è stato utilizzato R mediante l’integrazione R offerta da SAP. In questo contesto il codice R è stato scritto nell’applicazione HANA all’interno del codice SQL. L’HANA Calculation Engine ha avviato autonomamente l’elaborazione in una sessione R su un server esterno. I risultati sono poi stati nuovamente memorizzati un una tabella nella banca dati SAP HANA.
Per vincere le sfide descritte sopra era in primo luogo necessario scegliere il modello giusto per la previsione del comportamento dei clienti. Pertanto come ambiente statistico è stato utilizzato R. Questo software open source offre una varietà di modelli statistici sempre contraddistinti da un grado di aggiornamento elevato (le nuove procedure statistiche spesso sono messe prima a disposizione in R in un pacchetto di ampliamento proprio). Il software utilizzato non richiede alcuna limitazione nei metodi e modelli da utilizzare.
Il modello beta geometrico / NBD selezionato tiene conto delle due fasi del comportamento dei clienti:
Lo studio di simulazione ha permesso di dimostrare che soprattutto a causa della limitazione a due anni riguardo ai dati da esaminare, per la previsione della probabilità di fuga il modello selezionato è superiore ad altri modelli che illustrano anch’essi le due fasi del comportamento dei clienti.
L’implementazione del Churn Management permette di sfruttare le possibilità analitiche della banca dati SAP HANA mediante l’integrazione del potente ambiente statistico R. È possibile individuare i clienti attivi e inattivi. Il contatto mirato con il cliente può evitarne la fuga.