Le churn analysis in Niky, la piattaforma di customer analytics di BNova, sono analisi avanzate dei dati – di facile lettura grazie a strumenti di Data Visualization e Data Storytelling – che non solo offrono una previsione della tendenza all’abbandono da parte dei clienti, ma consente di trarre efficaci strategie per migliorare la Customer eXperience, soprattutto estendendo le churn analysis ad altre analisi – sempre integrate in Niky – quali CLV – Customer Lifetime Value ed RFM – Recency, Frequency, Monetary.

Le churn analysis in Niky e la loro “controparte” di retention analysis [le prime servono ad avere una vista delle tendenze all’abbandono e consentono di fare quindi previsioni per anticipare – e prevenire – la perdita di un cliente; le seconde servono per avere una vista sul comportamento dei clienti e di analizzare la loro fedeltà al brand o all’azienda] sono due tipi di analisi predittive, vale a dire analisi che sfruttano algoritmi e modellazione predittiva per fare previsioni, simulare situazioni possibili o scenari che aiutano a prevedere i risultati – nonché valutare rischi ed impatti – di determinate decisioni e azioni.

Spesso le aziende si focalizzano sulla fidelizzazione del cliente come obiettivo primario, soprattutto quando si pensa ad attuare strategie e piani per la Customer eXperience. In realtà, i risultati della fidelizzazione rappresentano la somma di capacità più estese di analisi, che mirano soprattutto alla comprensione delle esigenze e del comportamento degli utenti, le quali non dipendono solo dalla Customer eXperience. Sapere quando apportare determinati cambiamenti e prevedere i possibili impatti, richiede capacità di analisi più sofisticate.

Per questa ragione, la CX Retention e le churn analysis in Niky sono strettamente correlate tra loro (nonché ad altri tipi di analisi): capire quando, come e in che preciso “punto” del ciclo di vita del customer value avviene un abbandono (analizzando quindi abitudini e comportamenti di acquisto dei clienti), non solo aiuta le aziende a prevenire tale scenario ma supporta i team Marketing, Vendite e Customer Care nella definizione di strategie e piani più efficaci per fidelizzare una persona che ancora non è soddisfatta e sta per abbandonare il brand o chiudere il rapporto con la propria azienda.

Riuscire ad intercettare per tempo i possibili “abbandoni” e, soprattutto, riuscire ad analizzarne e capirne le ragioni, diventa una via efficace non solo per prevenire la perdita di clienti ma anche per migliorare i livelli di soddisfazione e fidelizzazione delle persone. Vien da sé, dunque, che la chiave per identificare i punti di abbandono dei clienti sia l’analisi continua del loro comportamento, quindi un mix di analisi descrittive, predittive e prescrittive.

 

Le churn analysis secondo BNova

 

Niky Analytics è una piattaforma di customer analysis, progettata e sviluppata da BNova con l’obiettivo di consentire al Marketing, al Top Management e alle varie linee di Business di conoscere meglio i propri clienti e le persone che si relazionano con la propria organizzazione.

La piattaforma integra differenti tipologie di analisi dei dati che consentono di identificare i clienti di maggior valore per l’azienda (analisi realizzabili da chiunque, qualunque tipo di utenti aziendali, anche senza alcuna esperienza tecnica e specifica sull’analisi dei dati, grazie all’utilizzo di semplici infografiche interattive ed altri strumenti grafici e di visualizzazione dei dati).

In questo senso, Niky si presta ad essere un vero e proprio sistema di supporto decisionale perché mette a disposizione delle persone tutte le informazioni necessarie per prendere decisioni consapevoli ed oggettive, basate sui dati, e incentrate sul valore attuale ed atteso di ogni cliente, ovvero CLV ed ECLV (extimated CLV).

Le churn analysis in Niky si inseriscono quindi in una più ampia piattaforma di analisi il cui obiettivo è offrire alle aziende strumenti avanzati, ma semplici da utilizzare, per “guardare al futuro” (ossia fare analisi predittive) quale step fondamentale per impostare anche le strategie da applicare nel presente per non trovarsi nella situazione spiacevole di perdere clienti in futuro.

L’acquisizione di un nuovo cliente può costare anche cinque volte di più che mantenere un cliente esistente. Ecco perché conoscere i propri interlocutori e prevederne i comportamenti d’acquisto (non solo quindi analizzare le tendenze di abbandono) sono i primi passi da compiere per minimizzare il rischio abbandoni.

Le churn analysis in Niky rappresentano una vera e propria evoluzione delle classiche analisi degli abbandoni.

Il motore per il calcolo del rischio, infatti, è influenzato dal contesto aziendale. Partendo dall’assunto che “i clienti non sono tutti uguali” e dalla consapevolezza che i comportamenti di acquisto delle persone, e le relazioni che si instaurano tra aziende e clienti, non possono basarsi solo su abitudini “oggettivizzabili” (frequenza di acquisto, valore medio degli acquisti, ecc.) ma “chiamano in causa” anche aspetti psicologici estremamente personalizzati (che impattano inevitabilmente sul vero “valore” che deriva dalla relazione azienda-cliente), BNova ha sviluppato una piattaforma con il chiaro obiettivo di superare le limitazioni delle tradizionali analisi CLV, RFM, Retention Analysis e Churn Analysis, che ricorrono a formule e modelli uniformati applicabili indistintamente a qualsiasi tipologia di azienda e di business.

Le relazioni che si instaurano tra un’azienda ed i propri cliente sono differenti da contesto a contesto, da azienda ad azienda. Nella visione di BNova, standardizzarne l’analisi è un errore.

 

Come funzionano le churn analysis in Niky

 

Le churn analysis in Niky sono dunque state sviluppate con la medesima visione e con l’obiettivo di rendere coerente al contesto aziendale e comprensibile agli utenti di business il concetto di abbandono e, soprattutto, trasformarlo in un valore utilizzabile per le decisioni strategiche.

Il metodo classico di analisi degli abbandoni si basa su un approccio “contrattuale”: l’utente risulta perso quando il suo contratto decade, oppure quando disdice l’accordo. Non è quindi un valore da calcolare ma un fatto la cui previsione (o meglio, anticipazione) richiede solo un’osservazione dei dati esistenti.

Le churn analysis in Niky, al contrario, consentono di sfruttare le analisi dei dati per fare le previsioni degli abbandoni in tutti i contesti aziendali, anche in quei casi in cui non esiste il concetto di “disdetta” (ad esempio nel Retail o nella GDO) o ci sono situazioni in cui non c’è un contratto a legare azienda e cliente. Situazioni cioè nella quali il concetto di abbandono corrisponde più che altro ad evento di “non acquisto”, che di per sé non è un fatto oggettivamente riscontrabile (ma che cambiando l’approccio alla churn analysis può generare un enorme valore per le aziende).

La KPI su cui si basano le churn analysis in Niky non è un valore che si legge nei dati, ma uno score, un punteggio calcolato. Si chiama “e-score” ed è stato ideato per andare incontro proprio alle situazioni in cui, senza contratto, non esistono indicazioni sul “quando” un dato cliente smette di rapportarsi con l’azienda.

BNova ha dunque sviluppato un modello statistico probabilistico che riesce ad individuare il “non fatto” (come accennato, l’assenza di acquisti non rappresenta un fatto) corrispondente alla disdetta.

L’e-score prende spunto dal valore del CLV del cliente integrato con le analisi RFM e con una serie di modellazioni algoritmiche calcolate a partire dal comportamento di clienti che hanno caratteristiche simili, sia dal punto di vista anagrafico sia comportamentale, per attualizzare il valore del cliente rispetto al suo comportamento di acquisto nel breve e nel lungo periodo.

Le churn analysis in Niky consentono di definire una “misura della similarità” del comportamento del cliente rispetto al suo comportamento atteso, il suo status di attività nei confronti dell’azienda: in sostanza, un valore basso indica che l’utente ha un comportamento molto diverso da quanto atteso, per cui è classificabile come ad alto rischio abbandono, mentre un valore alto dello score indica che si sta comportando come atteso (o meglio), per cui posso prevedere che il rapporto cliente azienda in questo caso non sia in pericolo.

In questo modo, le churn analysis in Niky diventano un ulteriore strumento per la vera analisi del comportamento delle persone (e non uno strumento di check dei rapporti contrattuali), quelle da cui partire per definire, in un’ottica più ampia, le strategie di marketing, vendita, relazione con il mercato e i clienti.

 

Clicca qui per scaricare la Guida: "Non tutti i clienti sono uguali: le nuove frontiere del Data Driven Marketing"



Approfondimenti da BNext:

Eyes4Innovation, la rete che ti semplifica la vita

La rete ti semplifica la vita. Ecco la massima sintesi del motivo per cui è nata Eyes4Innovation, ed anche lo scopo ultimo perseguito dalle aziende fondatrici. Scopri com’è andato l’evento di presentazione.

Dataiku: le novità della release 9

Dataiku, tante novità. Le energie si concentrano sul processo di trasformazione e analisi del dato e sulla collaborazione con altri tool, come Tableau

Vertica apre le porte alla Data Science

La Data Science, in termini di supporto decisionale alle aziende, ha un potenziale enorme, ma è una materia molto ampia e di carattere sperimentale: non necessariamente l’algoritmo migliore per un settore si rivela buono anche in realtà aziendali...

Dataiku: Intelligenza Artificiale per le case farmaceutiche

Oltre il 60% delle aziende farmaceutiche sono state identificate come “principianti” quando si parla della loro maturità riguardo l’AI.

Data Science Tools: la cassetta degli attrezzi dei team di Data Scientist

Strumenti tecnologici, piattaforme, linguaggi di programmazione, tools di vario genere rappresentano elementi importanti, gli “attrezzi del mestiere” per i Data Scientist. Ecco alcuni dei linguaggi e dei tools che solitamente non mancano all’interno di un team di Data Scientist.

Data Scientist, chi sono e cosa fanno per aiutare le aziende

Oggi i dati rappresentano uno degli asset più critici ed importanti per un’azienda (e non solo), tant’è che ormai si parla dei dati come del nuovo petrolio nell’economia dell’informazione e della conoscenza. Chi lavora sui dati e con i dati gode di un grande vantaggio. Ma chi sono davvero i Data Scientist e cosa fanno concretamente per aiutare le aziende?

Dataiku: i consigli per scegliere il giusto progetto di Data Science

Con decine di potenziali use case ma risorse limitate, è importante dare priorità ai progetti che hanno sia un alto valore di business che un’alta probabilità di successo. I consigli di Dataiku

Le 6 (+1) fasi del processo tipico di Data Science

La Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati. Non esiste un framework unico e universalmente condivido per definire i processi di Data Science, tuttavia, dal punto di vista tecnico lo standard KDD è quello a cui ci si ispira maggiormente, perché indica l’intero processo di ricerca di nuova conoscenza dai dati.

RFM: le analisi sui clienti quali sistemi di supporto alle decisioni

Parliamo delle analisi RFM, pilastro di una data driven company. Sono analisi per la segmentazione della clientela e restituiscono valori ed informazioni utili che diventano la base per fare valutazioni strategiche e prendere decisioni più oggettive, basate sui dati.

Non voglio mica la Luna! L’arte di aver cura dei propri clienti

Oggi si sta creando un circuito virtuoso in cui il consumatore vuole un nuovo legame di fiducia. Il brand è chiamato a “reagire”, quindi fare tutto ciò che serve per soddisfare le necessità del cliente e soddisfare la sua “sete” di fiducia