Istraživanje slučaja

Churn prediction

Poslovni izazov: Čitav sektor usluga suočava se sa izazovom doživotne vrednosti korisnika (CLV). Korisnici su stalno izloženi ponudama i akcijama konkurenata koji ih žele ubediti da promene provajdera (telco, kablovska televizija, internet provajderi su najbolji primeri). Opet, postoji mnogo proizvoda koji mogu zadovoljavati istu potrebu, pa postoji odbijanje upotrebe određenog proizvoda, npr. kreditne kartice (banke i osiguranja su dobri primeri). Izazov za provajdere je da precizno identifikuju one klijente koji su skloni da skrate svoj „boravak“ u bilo kom neželjenom smislu.
Rešenja: Moguće je primeniti napredne algoritme na istorijske podatke korisnika, u vlasništvu usluge ili dobavljača proizvoda, kako bi se izgradio model koji se može koristiti za izražavanje tendencije odlaska nekih od trenutnih korisnika u narednom periodu.
Prednosti: Kada napravimo predviđanja onih koji su skloni „propadanju“, kompanija može primeniti mere za sprečavanje odlaska svojih korisnika. Ove mere bi se striktno koristile za one kupce koji pokazuju takve tendencije, tako da se resursi i vreme ne bi gubili, već bi se precizno trošili samo na one koji žele da odu.

Sledeća najbolja ponuda

Poslovni izazov: Ulažete novac, trud i vreme da kreirate ponudu za svog klijenta, ali kupac vam na kraju kaže da ga to ipak ne zanima. Ponovo zovete mušteriju nakon nekog vremena, sa novom promocijom, a on vas ponovo odbija rečenicom „Gde ste bili pre mesec dana kada sam se odlučio za konkurentnu marku?“. Kako znamo ŠTA, KADA I KAKO ponuditi našim kupcima, bilo da je to osnovna ili dodatna ponuda?
Rešenja: Pristup zasnovan na podacima koji nam omogućavaju da stvorimo jedinstven pristup svakom od kupaca, umesto opštih kompanija, tako da se kupac oseća vrednim. Kupci koji se osećaju vrednim, postaju samim tim i lojalni, pa čak mogu postati i ambasadori brenda.
Prednosti: Povećana efikasnost marketinškog budžeta, korisnici koji se osećaju vrednim, smanjenje broja propuštenih prilika.

Profilisanje korisnika

Poslovni izazov: Današnji kupac je sve zahtevniji! Kupci očekuju da će brendovi uvek biti prisutni! Očekuje se da će poruke koje primaju biti u skladu sa njihovim željama, potrebama, načinom života ili prioritetima. Kupci više nisu homogeni segment formiran na osnovu demografskih podataka ili potrošačkih navika, već složeniji sistem odnosa koji treba razumeti da bi se prilagodilo tom sistemu. Kako bolje upoznati našeg kupca?
Rešenje: Šta akovam kažemo da sada uz pomoć prediktivne analitike, možemo kreirati personalizovane kampanje za svakog klijenta koje odgovaraju njihovim željama i potrebama. Kompanije koje već imaju sve informacije u svojim podacima, samo ih treba povezati na pravi način kako bi se mogli koristiti.
Prednosti: Ušteda vremena i novca, smanjenje stope propuštenih prilika, dopiranje do publike najboljim pojedinačnim pristupom, povećanje zadovoljstva korisnika.

Segmentacija

Poslovni izazov: Bez obzira na to koliko korisnika ili klijenata imamo, svaki od njih zaslužuje pažnju na jedinstven način i u zasluženoj meri. Međutim, moramo optimizirati pristup i tretirati sve klijente kroz ograničen i uravnotežen broj profila (segmenata) koji će predstavljati njihovu ukupnu raznolikost i čiji će ukupan broj pružiti prostor za efikasnu komunikaciju sa ograničenim troškovima.
Rešenje: Primenom naprednih algoritama na demografske podatke i podatke o ponašanju (korisnika) jasno vidimo profile koji se ističu i istovremeno u potpunosti pokrivaju čitav portfolio klijenata.
Prednosti: Na ovaj način, stičemo uvid ne samo u to kojim klijentima je potreban drugačiji pristup, već i u pogledu toga koji klijent zaslužuje veću pažnju uopšte, jer imaju veći strateški značaj. Ovaj pristup uključuje ne samo razvoj modela segmentacije zasnovanog na integrisanim podacima koji daje potpunu sliku, već i čitav mehanizam jednostavnog bodovanja korisnika (novih i starih), svakog meseca, u smislu kom segmentu će pripadati. Svaki prelazak klijenta iz jednog segmenta u drugi posebno se izdvaja. Važno je naglasiti da svaki klijent ima rezultat po segmentima, bez obzira na to koliko tada imamo malo podataka o njemu.

Otkrivanje prevare

Poslovni izazov: Nisu svi potencijalni kupci podjedanko poželjni u našem sistemu, ima onih koji namerno ili nenamerno nanose štetu svojim provajderima. Kako prepoznati ko je onaj koga ne želimo?

Rešenje: Na osnovu demografskih podataka i podataka o ponašanju, možemo stvoriti model koji precizno predviđa klijente koji su u opasnosti da namerno ili nenamerno postanu deo onoga što se naziva prevara.

Prednosti: Smanjenje troškova nastalih usled gubitaka uzrokovanih prevarama, ali bez ugrožavanja nivoa sticanja.

Otkrivanje anomalija

Poslovni izazov: Kada dođe do neželjenog događaja, pokušavamo da uštedimo što je više moguće. Ovaj proces nije nimalo jednostavan, jer je potrebno otkriti anomaliju i efikasno je otkloniti u moru informacija koje imamo.

Rešenje: Sistem za otkrivanje anomalija podrazumeva unapred pripremljeno rešenje za otkrivanje i sprečavanje, tako da se ne dogodi neželjeni događaj. Za otkrivanje anomalija koristimo metode predviđanja, analizu scenarija, multivarijantnu analizu, prepoznavanje uzoraka u serijama podataka.

Prednosti: Smanjenje broja neželjenih događaja, ušteda ranim otkrivanjem štetnih događaja, ušteda optimizacijom sistema.

Optimizacija procesa prikupljanja

Poslovni izazov: Nažalost, mnogi klijenti ne izmiruju svoje ugovorene obaveze i zbog toga su kompanije često primorane da uđu u dugačke i skupe procedure naplate duga, koje imaju mnogo koraka. Uobičajna praksa je da se proces naplate radi po istom scenariju za sve klijente, što svakako nije najoptimalniji način jer generiše nepotrebne troškove za one koji nemaju za cilj da izbegnu plaćanje, ali iz nekog razloga kasne, a takođe produžava vreme za one koji zaista žele da izbegnu plaćanje.

Rešenje: Rešenje se zasniva na stvaranju grupa neplatiša prema dosadašnjim podacima, sa jasno definisanim mehanizmima za svaku grupu neplatiša.

Prednosti: Kraće vreme i niži troškovi naplata, izbegavajući stvaranje dodatnog nezadovoljstva.

Predviđanje fluktuacije zaposlenih

Poslovni izazov: Promena zaposlenih je problem sa kojim se često susrećemo u savremenom poslovanju. Ova pojava obično uzrokuje velike troškove u kompaniji jer je potrebno pokriti troškove odlaska zaposlenog, prekovremene sate nekoga ko je preuzeo njegov posao, troškove zapošljavanja novog zaposlenika, njegovu obuku i mnoge druge stvari. U proseku, kompanija mora da uloži između četiri nedelje i tri meseca da obuči i uvede novog zaposlenog u posao. Često se dešava da isti novozaposleni napusti preduzeće u prvoj godini, što predstavlja dodatni trošak. Situacija je još delikatnija kada su u pitanju konsultanske kompanije i manje kompanije, gde dolazi do pogoršanja zadovoljstva klijenata zbog čestih promena konsultanata ili menadžera ključnih računa, sa kojima je klijent navikao da radi.

Rešenje: Na osnovu internih podataka i specijalizovanih upitnika, stvaramo model koji predviđa verovatnoću da svaki zaposleni promeniti preduzeće.

Prednosti: Ovo rešenje pomaže kompaniji da predvidi fluktuaciju zaposlenih i preduzme proaktivne mere za sprečavanje odliva zaposlenih, čime se štede sredstva kompanije.