Ennakoi tilausten vaihtuvuus

Ennusta riski sille, että asiakas ei enää käytä yrityksesi tilaustuotteita tai kausipalveluja. Tilaustiedot sisältävät kunkin asiakkaan aktiiviset ja passiiviset tilaukset, joten kutakin asiakastunnusta kohti voi olla useita merkintöjä. Voit selvittää niiden asiakkaiden vaihtuvuusriskin, jotka eivät tee aikataulutettuja ostoksia, käyttämällä Tapahtuman vaihtuvuusennustetta.

Ymmärrys siitä, mitä asiakasvaihtuvuus tarkoittaa yrityksellesi, auttaa sinua saamaan tarkkoja ennusteita. Esimerkiksi yritys, jolla on vuosittaisia tapahtumia, voi määritellä vaihtuvuuden vuosina, kun taas viikoittaisen myynnin omaava yritys voi mitata vaihtuvuutta kuukausina. Järjestelmä tukee aikaperusteisia churn-määritelmiä, joten asiakas katsotaan churn-tehneen tietyn ajan tilauksen päättymisen jälkeen.

Contoso tarjoaa esimerkiksi kuukausittaisen kahvipalvelun. He haluavat tietää, mitkä asiakkaat saattavat esittää palvelun uusimisesta kysymyksiä, jotta he voivat tarjota alennusta. Tilausten vaihtuvuusmallista Contoso näkee, mitkä asiakkaat eivät ehkä uusi palvelua ensi vuonna, ja kuinka suuri osa asiakkaista se on.

Tietojen edellytysten yhteenveto

Jos haluat yleisiä tietovaatimuksia kaikissa ennustemalleissa, katso Ennustemallien tietoedellytykset.

Edellytykset

• Ainakin osallistujan käyttöoikeudet.
• Vähintään 1 000 asiakasprofiilia halutussa ennusteikkunassa.
• Asiakastunniste on yksilöivä asiakkaiden tilauksia vastaava tunniste.
• Tilaustiedot vähintään kaksinkertaisena valittuun aikaikkunaan verrattuna. Tilaustietoja ovat mielellään 2–3 vuoden ajalta. Tilaushistorian on sisällettävä seuraavat tiedot:
  • Tilauksen tunnus: tilauksen yksilöivä tunniste.
  • Tilauksen päättymispäivä: päivämäärä, jona asiakkaan tilaus päättyy.
  • Tilauksen alkamispäivä: päivämäärä, jona asiakkaan tilaus alkaa.
  • Tapahtumapäivä: Tilauksen muutoksen päivämäärä. Esimerkiksi tapahtuma, jossa asiakas ostaa tai peruuttaa tilauksen.
  • Onko kyseessä toistuva tilaus: Totuusarvon Tosi/epätosi-kenttä, joka määrittää, uusitaanko tilaus samalla tilaustunnuksella ilman asiakkaan toimia.
  • Toistumisväli (kuukausina): Toistuvien tilausten kuukausi, jolloin tilaus uusitaan. Esimerkiksi asiakkaalle automaattisesti vuosittain uusittavan tilauksen arvo on 12.
  • Tilausmäärä: Summa, jonka asiakas maksaa tilauksen uusimisesta. Sen avulla voidaan määrittää tilausten eri tasojen mallit.
• Vähintään kaksi aktiviteettitietuetta 50 prosentille asiakkaista, joiden vaihtuvuus halutaan laskea. Asiakkaan aktiviteettien on sisällettävä seuraavat tiedot:
  • Perusavain: Aktiviteetin yksilöivä tunnus. Esimerkiksi verkkosivustokäynti tai käyttötietue, jossa näkyy asiakkaan katsoma TV-sarjan jakso.
  • Aikaleima: perusavaimen tunnistaman tapahtuman päivämäärä ja aika.
  • Tapahtuma: Käytettävän tapahtuman nimi. Esimerkiksi suoratoistovideopalvelussa kenttä, jonka nimi on Käyttäjän toiminto, voi saada arvon Katsottu.
  • Tiedot: Tapahtuman yksityiskohtaiset tiedot. Esimerkiksi suoratoistovideopalvelussa kenttä, jonka nimi on Ohjelman nimi, voi saada arvoksi asiakkaan katsoman videon.
• Puuttuvia arvoja alle 20 % annetun taulukon tietokentässä.

Tilausten vaihtuvuusennusteen luominen

Valitse Tallenna luonnos milloin tahansa, jos haluat tallentaa ennusteen luonnoksena. Ennusteluonnos näkyy Omat ennusteet -välilehdessä.

1. Siirry kohteeseen Merkitykselliset tiedot>Ennusteet.

2. Valitse Luo-välilehden Asiakasvaihtuvuusmalli-ruudussa Käytä mallia.

3. Valitse vaihtuvuuden tyypiksi Tilaus ja valitse sitten Aloita.

4. Anna tälle mallille ja tulostaulukolle nimi, jotta ne voidaan erottaa muista malleista tai entiteeteistä.

5. Valitse Seuraava.

Määritä asiakasvaihtuma

1. Anna Päivät tilauksen päättymisestä -kohtaan päivien määrä, jonka jälkeen yritys katsoo asiakkaan olevan menetetty. Tämä kausi linkittyy yleensä yrityksen aktiviteetteihin, kuten tarjouksiin tai muihin markkinointitoimintoihin, joiden avulla yritetään estää asiakkaiden menettäminen.

2. Anna Tulevaisuuden päivien määrä vaihtuvuuden ennustamista varten. Ennustetaan esimerkiksi asiakkaiden vaihtuvuusriski seuraavan 90 päivän aikana siten, että se on linjassa markkinoinnin säilyttämispyrkimysten kanssa. Asiakaspoistuman riskin ennustaminen pitkällä tai lyhyemmällä ajanjaksolla voi vaikeuttaa riskiprofiilin tekijöiden käsittelyä yrityksesi tarpeista riippuen.

3. Valitse Seuraava.

Lisää pakolliset tiedot

1. Valitse Lisää tiedotTilaushistoria-kohdassa.

2. Valitse semanttinen aktiviteettityyppi Subscription, joka sisältää tilaushistoriatiedot. Jos aktiviteettia ei ole määritetty, valitse täällä ja luo se.

3. Jos aktiviteetin määritteet on yhdistetty semanttisesti aktiviteettia luotaessa, valitse Aktiviteetit- kohdassa määritteet tai taulukko, joihin laskelma keskittyy. Jos semanttista yhdistämismääritystä ei tehty, valitse Muokkaa ja yhdistä tiedot.

   

4. Valitse Seuraava ja tarkista tälle mallille tarvittavat määritteet.

5. Valitse Tallenna.

6. Valitse Lisää tiedotAsiakasaktiviteetit-kohdassa.

7. Valitse semanttinen aktiviteettityyppi, jolla asiakasaktiviteetin tiedot saadaan. Jos aktiviteettia ei ole määritetty, valitse täällä ja luo se.

8. Jos aktiviteetin määritteet on yhdistetty semanttisesti aktiviteettia luotaessa, valitse Aktiviteetit- kohdassa määritteet tai taulukko, joihin laskelma keskittyy. Jos semanttista yhdistämismääritystä ei tehty, valitse Muokkaa ja yhdistä tiedot.

9. Valitse Seuraava ja tarkista tälle mallille tarvittavat määritteet.

10. Valitse Tallenna.

11. Lisää enemmän aktiviteetteja ja valitse Seuraava.

Päivitysaikataulun määrittäminen

1. Valitse mallin uudelleenkouluttamistiheys. Tämä asetus on tärkeä ennusteiden tarkkuuden päivittämiseksi, kun uusia tietoja otetaan käyttöön. Useimmat yritykset voivat harjoittaa uudelleen kerran kuukaudessa ja saada hyvän tarkkuuden ennusteisiinsa.

2. Valitse Seuraava.

Mallimäärityksen tarkasteleminen ja suorittaminen

Tarkistus ja suoritus -vaiheessa näkyy määritysten yhteenveto. Siinä on myös mahdollista tehdä muutoksia ennen ennusteen luontia.

1. Valitse Muokkaa missä tahansa kohdassa, jotta voit tarkastella ja tehdä muutoksia.

2. Jos olet tyytyväinen valintoihin, aloita mallin suorittaminen valitsemalla Tallenna ja suorita. Valitse Valmis. Omat ennusteet -välilehti tulee näkyviin, kun ennustetta luodaan. Prosessin valmistumiseen voi kulua useita tunteja ennusteessa käytettyjen tietojen määrästä riippuen.

Näytä ennustetulokset

1. Siirry kohteeseen Merkitykselliset tiedot>Ennusteet.

2. Valitse Omat ennusteet -välilehdestä ennustus, jota haluat tarkastella.

Tulossivulla on kolme pääasiallista tietoryhmää:

• Harjoitusmallin suorituskyky: Luokat A, B tai C ilmaisevat ennusteen suorituskyvyn ja voivat auttaa sinua tekemään päätöksen käyttää tulostaulukkoon tallennettuja tuloksia.

  

  Luokat määritetään seuraavien sääntöjen perusteella:

  • A, kun mallin tarkkuudeksi on ennustettu vähintään 50 % ennusteesta yhteensä ja kun vaihtuvuusasiakkaiden tarkka ennusteprosentti on ainakin 10 % suurempi kuin historiallinen vaihtuvuusprosentti.
  • A, kun mallin tarkkuudeksi on ennustettu vähintään 50 % ennusteesta yhteensä ja kun vaihtuvuusasiakkaiden tarkka ennusteprosentti on enintään 10 % suurempi kuin historiallinen vaihtuvuusprosentti.
  • C, kun malli on ennustettu oikein enintään 50 prosentissa kaikista ennusteista tai kun prosenttiosuus tarkoille vaihtuneiden asiakkaiden ennusteille on pienempi kuin historiallisen vaihtuvuusprosentin keskiarvo.

• Vaihtuvuuden todennäköisyys (asiakkaiden määrä): Asiakasryhmät ennustetun vaihtuvuusriskin perusteella. Valinnaisesti voidaan luoda asiakassegmentti asiakkaista, joilla on korkea vaihtuvuusriski. Tällaiset segmentit auttavat ymmärtämään, missä segmentin jäsenyyden rajan on oltava.

  

• Merkittävimmät tekijät: Ennustusta tehdessä otetaan huomioon monia tekijöitä. Jokaisella tekijällä on oma merkityksensä laskettu mallin luomille yhteenlasketuille ennusteille. Näiden tekijöiden avulla voit vahvistaa ennustetulokset. Näitä tietoja voi käyttää myös myöhemmin sellaisten segmenttien luontiin, joilla voi olla vaikutusta asiakkaiden vaihtuvuusriskiin.