Handl på forudsigelser

Når en kunde med høj værdi overskrider en tærskel for risiko for kundeafgang, skal du udløse en indsats, før kunden forsvinder: en personlig opfølgning, en loyalitetsfordel eller et tip til brugen.

Nøglen er timing. Det er langt billigere og mere effektivt at handle ved det første advarselstegn end at forsøge at genaktivere kunden, efter at kunden allerede er forsvundet.

Rabatordninger udhuler dækningsbidraget, så tilpas dem efter værdi og risiko. En rabatkupon på 25 % til en af dine mest værdifulde kunder, som alligevel ville have købt, er spildt dækningsbidrag.

Gem de kraftige incitamenter til kunder med høj værdi og høj risiko, og brug ikke-økonomiske fordele (tidlig adgang, status) til dem, der ikke har brug for en prisnedsættelse.

Forudsigelser driver automatiserede kundeforløb. Nye kunder kommer i introduktionsforløb, kunder i fare kommer i genaktiveringsforløb, og de mest værdifulde kunder kommer i fortalervirksomheds- og henvisningsprogrammer.

Hvert forløb styres af prædiktive scorer, så kunderne modtager det budskab, der passer til deres forudsagte tilstand, i stedet for en masseudsendelse uden tilpasning.

Tilbøjelighedsscorer viser det næstbedste produkt for hver kunde. Anbefal den vare, kunden med størst sandsynlighed vil købe, ikke den vare, der giver dig den højeste avance.

Hvis du tilpasser anbefalingerne til den forudsagte købsintention, øger du konverteringen og den gennemsnitlige ordreværdi, samtidig med at oplevelsen forbliver relevant frem for påtrængende.

At handle på forudsigelser betyder også at vide, hvornår du ikke skal bruge penge. Udeluk fastholdelsestilbud til kunder, der forventes at blive alligevel, og sæt et loft over forbruget på segmenter med lav LTV.

Det frigiver budget til de målgrupper, hvor en indsats faktisk ændrer resultatet, og forbedrer det samlede afkast af markedsføringsinvesteringen.

Den vanskeligste disciplin er at bevise, at handlingen skabte resultatet. Udelad altid en kontrolgruppe, der ikke modtager nogen indsats.

Hvis du sammenligner fastholdelse eller omsætning mellem de påvirkede grupper og kontrolgrupperne, isolerer du den reelle inkrementelle effekt og adskiller den fra kunder, der var blevet alligevel.

Forudsigelser bliver dårligere, når kundernes adfærd ændrer sig. Før de faktiske resultater tilbage til modellen, så den lærer, hvilke indsatser der virkede, og kalibrerer sine scorer igen.

Denne sløjfe fra forudsigelse til handling, måling og genindlæring adskiller en statisk rapport fra et levende prædiktivt markedsføringssystem.

Vær opmærksom på for mange indsatser: Hvis du bombarderer kunder i fare med tilbud, kan det fremskynde kundeafgangen. Vær også opmærksom på retfærdighed, og sørg for, at modellerne ikke uretfærdigt udelukker grupper.

Og lad aldrig en model køre uden kontrol. Overvåg modeldrift, og sæt automatiserede handlinger på pause, hvis forudsigelsesnøjagtigheden falder under en acceptabel tærskel.

Et modent program forudsiger LTV og kundeafgang for hver kunde, segmenterer efter værdi og risiko og sender derefter hver kunde videre til den rigtige handling med det rigtige tilbud.

Det måler den inkrementelle effekt op mod udeladte kontrolgrupper og genindlærer løbende. Denne lukkede sløjfe gør LTV til en konkurrencefordel i stedet for blot et mål.

At handle på forudsigelser betyder værdibaseret budgivning, tærskeludløst forebyggelse af kundeafgang, værdibaserede tilbud, personaliserede livscyklusforløb samt krydssalg baseret på tilbøjelighed.

Udeluk situationer, hvor en handling er spildt, bevis effekten med udeladte kontrolgrupper, og luk sløjfen ved at genindlære på baggrund af resultaterne. Det afslutter rejsen fra definitionen af LTV til driften af et prædiktivt markedsføringssystem.