Prevencion de bajas y abandonos de CRM

Posted by Yliana

Me gustaria compartir este artículo que me pasaron y pienso es uno de los motivos principales por que el CRM no tiene alcanza la madurez necesaria para masificarse.

CRM : PREVENCION DE BAJAS O ABANDONOS

( Churn : “La importancia de reducir mi tasa de Abandono” )


Siempre se ha dicho que es más fácil y barato fidelizar a un cliente que captarlo. Pero a pesar de todas las campañas, promociones, encuestas para medir la satisfacción y fidelidad... seguimos perdiendo clientes y lo que es peor: en muchas ocasiones desconocemos sus motivos de abandono.
Muchas preguntas y pocas respuestas.
¿Hemos intentado alguna vez examinar y evitar de una forma analítica estas bajas? ¿Sabemos por qué nos abandonan nuestros clientes? ¿Podríamos asignar a todos los clientes una probabilidad de fuga? Y lo que es aún mejor ¿Seríamos capaces de predecir nuestras bajas con una antelación suficiente para realizar acciones de marketing satisfactorias y retenerlos?
La respuesta está en el Data Mining.
Mediante un Completo Programa de Detección de Abandonos a través de Data Mining podremos llegar a resolver gran parte de nuestros interrogantes.

1. Lo primero de todo es un buen Análisis Estadístico Inicial.

Generalmente es el paso que menos se cuida pero sin duda el más importante, esta fase nos ayudará a conocer exhaustivamente las variables, descartar variables, derivar otras nuevas... todo hasta llegar a un conjunto final que vamos a utilizar para nuestros modelos de Data Mining. Si hemos sido cuidadosos y hábiles, habremos aprendido cuáles van a ser las mejores variables y ya tendremos muchas pistas sobre nuestras bajas.

2. Scoring1:

Predicción de una propensión de abandono para todos mis clientes.
Una vez tenemos un conjunto de variables definitivo utilizaremos técnicas de predicción tales como Redes Neuronales y Árboles de Decisión. De esta forma seremos capaces de asignar una probabilidad de fuga a todos y cada uno de nuestros clientes. Así mismo al habernos guardado un porcentaje de la población para testeo, podremos saber a priori la efectividad del modelo y su mejora sobre el azar.

3. Perfiles: Explicación de mis bajas.

El gran problema de los Scorings (sobretodo en el caso de Redes Neuronales) es su "opacidad", es decir tenemos una probabilidad de abandono pero a menudo desconocemos las causas. Es por ello que siempre un Scoring (Modelo Predictivo) va acompañado de unos perfiles (Modelo Explicativo).

A través de los perfiles (Árboles de Decisión con mayor número de Registros por Rama que los empleados para el Scoring) sabremos las causas de abandono de nuestros clientes y tendremos diferentes perfiles de éstos en función de la variable objetivo (Baja).
Es decir, si por ejemplo elaboráramos un perfil con variables sociodemográficas, podríamos saber la probabilidad de abandonarnos y el perfil de un cliente incluso antes de entrar a formar parte de nuestra compañía, simplemente con sus datos personales.

4. Sendas: Explicación del comportamiento de mis bajas.

Hasta ahora hemos podido asignar la propensión de Abandono y su explicación en un momento puntual, ¿pero sabemos qué ha ocurrido hasta que el cliente ha decidido abandonarnos? ¿por qué lo ha hecho? ¿en qué nos hemos equivocado? Si analizamos diferentes eventos o sucesos de nuestros clientes2 y examinamos aquellos que se dan de baja, y a través de algoritmos de asociación, observaremos que muchos de ellos tienen comportamientos en común (sendas de desvinculación). Una vez descubiertas estas sendas de desvinculación, podremos analizarlas y descubrir qué debemos mejorar y en muchos casos podremos recuperar al cliente antes de que nos abandone porque hemos detectado que sigue un comportamiento parecido a otros que ya fueron baja.
Incorporación en un sistema de CRM.
El punto final a este Programa de Detección del Abandono lo pondría una completa integración en un sistema CRM, de esta forma lanzaremos alarmas cuando el cliente esté cerca de abandonarnos y pondremos en marcha las acciones de marketing diseñadas para tal ocasión, podremos saber si está o no satisfecho con nosotros en cualquier momento (cuando nos llama al Call-Center, cuando nos realiza una compra...), y lo que es aún mejor, podríamos retroalimentar estos modelos y crear muchos más consistentes y precisos.