Churn Analysis

  • Stampa

Le aziende che operano nei servizi di telefonia, nei servizi internet, bancari o di assicurazione, hanno a che fare con mercati particolari, in cui bisogna fare i conti con il fenomeno chiamato churn rate: il tasso di abbandono di un fornitore da parte del cliente. In questi mercati è necessario molto tempo prima che un cliente diventi profittevole per l’azienda fornitrice di servizi e il chrun rate, i frequenti cambi di fornitore, risultano essere un grosso problema.

La ricerca di nuovi clienti come rimedio alla perdita di quelli che hanno deciso di cambiare fornitore è una soluzione costosa, molto più efficace e profittevole è invece la prevenzione del churn. Ovvero, se le aziende potessero capire in anticipo quali dei loro clienti siano a rischio di abbandono, potrebbero indirizzare in maniera più efficace le proprie azioni di trattenimento e fidelizzazione e ridurre di conseguenza il churn rate e lo spreco di risorse.

In quest’ambito ci viene in aiuto la Churn Analysis, un approccio big data che costruisce modelli statistici e utilizza strumenti di data mining in grado di portare alla luce la relazione tra i dati osservati sui clienti e l’eventuale disattivazione dei servizi. I dati di ogni singolo cliente non sono indipendenti tra loro e, se analizzati con una visione d’insieme, è possibile caratterizzare il comportamento del singolo in maniera molto più approfondita e ottenere una previsione attendibile riguardo la sua probabilità di abbandono del servizio.