Omzet veiligstellen met gerichte retentie-initiatieven in telecom
Context en doelstellingen
Een toonaangevende Belgische telecomoperator kampte al enkele jaren met een structureel probleem om klanten te behouden. Met een percentage van ruim boven de 10% kostte de geschatte churn-impact honderden miljoenen euro's per jaar.
In de telecomsector wordt retentie complexer door een combinatie van factoren. Sommige zijn extern, zoals de toegenomen promotiebundels van exploitanten voor mobiel, internet en tv. Andere zijn intern: de kwaliteit van de kerndiensten, de prijs en de efficiëntie van de klantenservice bij het oplossen van problemen. De silogegevens en hun inconsistente betrouwbaarheid maakten de taak om inzicht te krijgen in churn nog uitdagender.
Ze wendden zich tot Agilytic om inzicht te krijgen in churn drivers, zich te richten op risicoklanten en klantbehoud te verbeteren.
Benadering
We begonnen met een workshop met klantenteams om de relevante KPI's te definiëren aan de hand van een van de drie probleembronnen:
Administratief (bijv. fouten in contracten, ontijdige wijzigingen in prijsformules, prijsverhogingen)
Facturering (bijv. factureringsfout, overconsumptie, extra's die niet in de vaste prijs zijn inbegrepen)
Technisch (bijv. netwerkprestaties, dienstonderbreking)
Vervolgens consolideerden we de klantgegevens (CRM) met facturerings- en netwerkgegevens in een homogeen datawarehouse dat geschikt is voor analyse.
Vervolgens bouwden we een retentiemodel om de oorzaken van opzegging te identificeren en vervolgens de opzeggeneigdheid van bestaande klanten te scoren. We slaagden erin om voorspellingen te doen tot drie maanden voordat churn daadwerkelijk optrad, wat cruciaal bleek voor een adequate planning van de retentiecampagnes.
Elke klant kreeg een score met twee argumenten die de kans op churn rechtvaardigden. Maar daar stopten we niet. We plaatsten die scores rechtstreeks in de CRM-tool van de operator. Op die manier beschikten de eerstelijns supportmedewerkers over alle relevante informatie voor inkomende en uitgaande gesprekken.
Om de analysekant af te ronden, ontwikkelden we de nachtelijke automatische update van het model die een CSV rechtstreeks naar het CRM stuurde.
We sloten het project af met een uitgebreide overdracht, inclusief trainingssessies en uitgebreide documentatie.
Resultaten
Voor de operator werden de resultaten vermenigvuldigd:
Een veel duidelijker inzicht in de hoofdoorzaken van klantverloop
Actiegerichte klantsegmenten die elk gepersonaliseerde next-best retentie-initiatieven krijgen toegewezen
Een daling van 10% in jaarlijkse klantenchurn (gelijk aan ±1% van de portefeuille)
Het project was een succes. Vandaag de dag is churn modeling een integraal onderdeel van elke moderne telecomoperator en wordt het beschouwd als de moeite waard om voortdurend te optimaliseren.
