Vorhersage von Customer Churn
Tools:
SQL, R, H2O
In diesem Projekt haben wir, basierend auf historischen Kundendaten, ein Modell zur Prognose von Kundenabwanderung und zur Identifikation von Einflüssen auf diese entwickelt.
THEMA
Customer Analytics
BRANCHE
Insurance
PROJEKTDAUER
1 Monat
Herausforderung
Das Abwandern von Kund:innen hat für Unternehmen verschiedene Nachteile. Ein direkter Impact besteht im Ausfall von Zahlungen. Langfristig entfallen mit jeder Abwanderung auch Möglichkeiten zum Upselling oder zur Generierung neuer Kund:innen über Weiterempfehlungen. Unser Kunde, ein internationales Versicherungsunternehmen, stand vor der Herausforderung, besser verstehen zu wollen, welche Kund:innen aus welchen Gründen abwandern. Zudem sollte ein Modell zur Prognose von Abwanderung erstellt werden.
Ansatz
Zur Modellierung der Fragestellung nutzten wir die kundenseitig bereits vorhandenen Data Warehouse Strukturen, die umfangreiche Informationen zu verschiedensten Kundenmerkmalen enthielten. Da die Abwanderung von Kund:innen eine zeitpunktbezogene Entscheidung ist, entstand durch die Zusammenführung der verschiedenen Datenquellen eine konsolidierte Panel-Datenstruktur, welche die Veränderung von Kundenmerkmalen im Zeitverlauf (zum Beispiel Änderung des Familienstands usw.) entsprechend abbildete. Auf Basis dieser Daten entwickelten wir ein Machine Learning Modell zur Identifikation von abwanderungsgefährdeten Kund:innen im Zeitverlauf, das anschließend in die IT-Infrastruktur des Kunden implementiert wurde.
Ergebnis
Das Modell erzeugt auf Datenbankebene vollautomatisch jede Woche Churn-Kennzahlen für alle aktiven Kund:innen. Diese werden an verschiedenen Stellen im Unternehmen genutzt, um die Kundenansprache in Bezug auf Abwanderung zu optimieren und entsprechende Gegenmaßnahmen einzuleiten.
100%
10.000+
99,9%
ZUFRIEDENHEIT
TRAININGSDATEN
VORHERSAGEGENAUIGKEIT
