Handle ut fra prediksjoner

Når en kunde med høy verdi passerer en terskel for frafallsrisiko, utløser man et tiltak før kunden faller fra: personlig oppfølging, en lojalitetsfordel eller et tips om bruk.

Nøkkelen er tidspunktet. Å handle ved det første varselsignalet er langt billigere og mer effektivt enn et win-back-forsøk etter at kunden allerede har forsvunnet.

Rabatter svekker marginen, så tilpass dem etter verdi og risiko. En kupong på 25 % til en toppkunde som ville kjøpt uansett, er bortkastet margin.

Reserver kraftige insentiver for kunder med høy verdi og høy risiko, og bruk ikke-monetære fordeler (tidlig tilgang, status) for kunder som ikke trenger et prisavslag.

Prediksjoner driver automatiserte kundereiser. Nye kunder går inn i onboarding, risikokunder i win-back, og toppkunder i programmer for ambassadører og henvisninger.

Hver kundereise styres av prediktive skårer, slik at kundene får meldingen som passer deres predikerte tilstand, i stedet for en standardisert masseutsendelse.

Tilbøyelighetsskårer viser hvilket produkt som er det neste beste for hver kunde. Anbefal produktet kunden mest sannsynlig kjøper, ikke det som har høyest margin for virksomheten.

Ved å tilpasse anbefalingene til predikert kjøpsintensjon øker man konvertering og gjennomsnittlig ordreverdi, samtidig som opplevelsen forblir relevant fremfor påtrengende.

Å handle på prediksjoner betyr også å vite når man ikke skal bruke penger. Utelukk retensjonstilbud til kunder som med stor sannsynlighet blir værende uansett, og sett et tak på kostnadene for segmenter med lav LTV.

Dette frigjør budsjett til målgrupper der tiltak faktisk endrer utfallet, og forbedrer den samlede avkastningen på markedsføringsinvesteringene.

Den vanskeligste disiplinen er å bevise at tiltaket forårsaket resultatet. Ha alltid en kontrollgruppe som ikke mottar noe tiltak.

Ved å sammenligne retensjon eller inntekt mellom tiltaks- og kontrollgrupper isolerer man den reelle inkrementelle effekten og skiller den fra kunder som ville blitt værende uansett.

Prediksjoner blir mindre treffsikre når kundeatferden endres. Før faktiske resultater tilbake til modellen, slik at den lærer hvilke tiltak som fungerte og kalibrerer skårene på nytt.

Denne sløyfen, fra prediksjon til handling, måling og ny trening, er det som skiller en statisk rapport fra et levende system for prediktiv markedsføring.

Vær oppmerksom på for mange tiltak: Å bombardere risikokunder med tilbud kan fremskynde frafall. Vær også oppmerksom på rettferdighet, og sørg for at modellene ikke utelukker grupper på urettferdig vis.

La aldri en modell kjøre ukontrollert. Overvåk drift, og stans automatiserte tiltak hvis prediksjonsnøyaktigheten faller under en akseptabel terskel.

Et modent program predikerer LTV og frafall for hver kunde, segmenterer etter verdi og risiko og sender deretter hver kunde til riktig tiltak med riktig tilbud.

Det måler inkrementell effekt mot holdout-grupper og trener modellene kontinuerlig på nytt. Denne lukkede sløyfen gjør LTV til et konkurransefortrinn, ikke bare et måltall.

Å handle på prediksjoner betyr verdibasert budgivning, terskelstyrt forebygging av frafall, tilbud tilpasset verdi, personaliserte kundereiser og kryssalg basert på tilbøyelighet.

Utelukk tilfeller der tiltak er bortkastet, dokumenter effekten med holdout-grupper, og lukk sløyfen ved å trene modellen på nytt basert på resultatene. Dette fullfører reisen fra å definere LTV til å drive et prediktivt markedsføringssystem.