Predictive: prevedere il comportamento futuro dei clienti con la Churn prediction

Le analisi predittive ti danno un'indicazione di come si comporteranno i tuoi clienti in futuro, usando l'intelligenza artificiale per leggere lo storico dei loro acquisti.

L’analisi RFM ti dice com’è andata: quanto di recente, quanto spesso e quanto ha speso ogni contatto. Il Predictive fa il passo successivo e ti dice che cosa sta per succedere: quali clienti stanno per smettere di acquistare, quanto è probabile che lo facciano ed entro quando.

Con la Churn prediction (che è la prima previsione disponibile...ma non l'ultima, stay tuned!!), magnews stima, per ogni tuo cliente, quanto è probabile che smetta di acquistare ed entro quando è previsto l’abbandono, e lo colloca in un churn segment che va da Fedeli a Persi. Si attiva sul singolo modello RFM, dal tab Predictive delle Impostazioni.

Come funziona il Predictive

• Impara dai tuoi dati, non da regole che imposti tu. Il modello analizza lo storico degli ordini e ricava le soglie dalle abitudini di acquisto dei tuoi clienti. Un negozio di caffè in abbonamento e una gioielleria hanno ritmi di riacquisto completamente diversi, e la stessa configurazione produce risultati sensati in entrambi i casi.
• Si aggiorna da solo. La previsione viene ricalcolata una volta al giorno, quindi segue i clienti mentre acquistano o si allontanano, senza che tu debba rivedere nulla.
• I risultati diventano dati del contatto. Vengono scritti su campi contatto, quindi li puoi usare come qualsiasi altro dato del contatto: nei filtri, nelle audience, nei workflow e nelle personalizzazioni dei messaggi.
• Serve uno storico ordini. Le previsioni si basano sui singoli ordini, quindi la Churn prediction è disponibile solo sui modelli che leggono una tabella dati, con abbastanza storico alle spalle.

Il caso d’uso tipico è una campagna di retention che parte automaticamente quando un cliente entra nel segmento A rischio o Churn imminente.

Un esempio. Marta ha comprato tre volte negli ultimi otto mesi, l’ultima a settembre. Il modello riconosce che i clienti con quel comportamento riacquistano in media entro sessanta giorni, stima una probabilità di abbandono dell’82% e colloca la data prevista di churn tra dieci giorni: Marta entra nel segmento Churn imminente. Il giorno stesso un workflow le invia un’offerta dedicata, senza che tu debba controllare a mano chi si sta allontanando. Se acquista, al calcolo successivo torna tra i Fedeli e il fatturato che ha generato compare tra il fatturato recuperato della sua audience.

Prerequisiti

Per attivare la Churn prediction su un modello RFM servono due condizioni:

1. L’origine dati del modello deve essere una tabella dati. La Churn prediction ha bisogno dello storico dei singoli ordini, quindi non è disponibile sui modelli che usano i Campi contatto, dove hai solo i dati aggregati di data ultimo acquisto, numero di acquisti e spesa totale. Se usi una delle integrazioni eCommerce native (Shopify, Magento, Prestashop) che alimenta una tabella dati, va bene.
2. L’origine dati del modello deve essere già configurata, perché la Churn prediction riusa gli stessi campi della tabella ordini.

Serve inoltre uno storico ordini sufficiente: se i dati non bastano, il calcolo si interrompe con un messaggio esplicito, come spiegato in Se il calcolo non va a buon fine.

Attivare la Churn prediction su un modello

1. Vai in Profile Studio, RFM Analysis e apri il modello.
2. Apri Impostazioni e seleziona il tab Predictive. Se non vedi il tab Predictive, contatta il nostro Customer Care.
3. Attiva Crea l’attività per il Churn prediction.
4. Completa i campi descritti qui sotto e salva.

Indica i campi della tabella dati di origine

La maggior parte dei campi della tabella ordini è già nota, perché la prendiamo dal tab Origine dati del modello: tabella dati, campo con l’ID del contatto, ID dell’ordine, importo totale, data dell’ordine, oltre all’eventuale filtro sugli ordini e al filtro sui contatti del modello. Sono gli stessi che usa l’analisi RFM.

Alla Churn prediction servono due informazioni in più, che indichi qui:

• Campo che contiene ID prodotto: identifica il prodotto acquistato in ogni riga d’ordine.
• Campo che contiene la quantità ordinata: la quantità acquistata per ogni prodotto.

Il modello usa queste due informazioni per riconoscere il comportamento d’acquisto, cioè che cosa e quanto compra ogni cliente, non solo la spesa complessiva.

Definisci i campi contatto di destinazione

Il calcolo scrive cinque informazioni su cinque campi contatto:

• Data di churn (data): la data entro cui è previsto l’abbandono.
• Probabilità di churn (percentuale): la probabilità di abbandono.
• Churn segment (scelta singola): il segmento di rischio del contatto, da Fedeli a Persi.
• Churn segment precedente (scelta singola): il segmento che il contatto aveva prima dell’ultimo cambio.
• Data di ultima variazione del segmento (data): quando il segmento è cambiato l’ultima volta.

Per ciascuno puoi selezionare un campo contatto esistente, oppure crearne uno nuovo.

Ogni modello deve avere i propri campi di output: se provi a usare un campo già assegnato alla configurazione di un altro modello, il salvataggio segnala l’errore.

Vale la pena sapere a cosa serve ciascun campo, perché li userai in modo diverso. Il Churn segment è il campo con cui costruisci audience e workflow, ed è quello che guarderai ogni giorno. La Probabilità di churn ti serve quando vuoi essere più selettivo del segmento, per esempio per riservare l’incentivo più costoso solo a chi è sopra il 90%. La Data di churn ti dice entro quando intervenire, quindi è il campo su cui impostare i tempi di una sequenza di recupero.

Gli ultimi due campi, Churn segment precedente e Data di ultima variazione del segmento, sono quelli che rendono possibile reagire ai passaggi di segmento. Vengono aggiornati solo quando il segmento del contatto cambia davvero, quindi puoi costruire workflow che partono, per esempio, quando un cliente passa da Stabili ad A rischio, oppure quando torna ad acquistare dopo essere stato Perso.

Visualizza i risultati nella audience

Questo interruttore, attivo per impostazione predefinita, decide se le card con i risultati del churn compaiono nelle viste dei contatti e delle audience di quel database, come spiegato in Dove vedi i risultati. Disattivalo se preferisci usare i dati solo nei filtri e nei workflow, senza mostrarli nelle dashboard.

Parametri avanzati

Puoi usare la Churn prediction senza toccare nessun parametro: i valori predefiniti sono calcolati a partire dalle soglie del tuo modello RFM, e le opzioni Calcola in automatico fanno dedurre dai tuoi ordini i due valori più delicati, quanti giorni di storico osservare e dopo quanti giorni senza acquisti un cliente è considerato perso. È il motivo per cui la stessa configurazione funziona su business con ritmi di riacquisto molto diversi, e in genere conviene lasciarla così.

Metti mano ai parametri, attivando Avanzato, quando conosci il tuo ciclo di riacquisto meglio di quanto lo possa dedurre il modello, per esempio se vendi prodotti con una stagionalità forte, oppure quando vuoi spostare la soglia oltre la quale consideri un cliente a rischio.

• Periodo di analisi: numero di giorni del periodo che il modello usa per analizzare le caratteristiche di ciascun contatto. Con Calcola in automatico, il valore predefinito, è determinato in base agli ordini presenti nella tabella.
• Giorni tra ultimo acquisto e churn: dopo quanti giorni senza acquisti un cliente è considerato perso. Con Calcola in automatico, il valore predefinito, è dedotto dalle abitudini di acquisto dei tuoi clienti, ed è l’opzione consigliata.
• Probabilità minima per il rischio alto: un numero da 0 a 1, per impostazione predefinita 0,75. Oltre questa probabilità il contatto è considerato ad alto rischio di abbandono.
• Probabilità minima per il rischio medio: un numero da 0 a 1, per impostazione predefinita 0,4. Oltre questa probabilità, ma sotto quella di rischio alto, il contatto è considerato a rischio moderato.
• Finestra di churn imminente (giorni): se la data prevista di churn cade entro questo numero di giorni dal calcolo, l’abbandono è considerato imminente. Per esempio, con 15 giorni tutti i contatti con data prevista di churn nei 15 giorni successivi sono a rischio di churn imminente. Per impostazione predefinita corrisponde alla soglia di Recency più alta del modello.

I sei churn segment

Il segmento nasce dall’incrocio di due informazioni: quanto è probabile l’abbandono e quanto è vicina la data prevista. Ti serve per decidere su chi intervenire prima e con quanta insistenza.

• Fedeli, probabilità di churn sotto la soglia di rischio medio. Non serve nulla di straordinario: sono i clienti su cui puoi puntare per programmi di fidelizzazione, referral e vendite correlate.
• Stabili, probabilità tra la soglia media e quella alta, con data di churn oltre la finestra di churn imminente. Tieni il contatto vivo con la comunicazione ordinaria, un incentivo qui è spesa sprecata.
• Da monitorare, probabilità tra la soglia media e quella alta, ma data di churn entro la finestra di churn imminente. Anticipa il riacquisto con un promemoria o un contenuto utile, senza sconti: la finestra si sta chiudendo ma il rischio non è ancora alto.
• A rischio, probabilità oltre la soglia di rischio alto, con data di churn oltre la finestra di churn imminente. Qui la retention rende di più, perché hai ancora tempo: è il segmento su cui vale la pena costruire un workflow dedicato.
• Churn imminente, probabilità oltre la soglia di rischio alto e data di churn entro la finestra di churn imminente. Intervieni subito e con l’offerta più convincente, ogni giorno di attesa riduce le probabilità di recupero.
• Persi, la data prevista di churn è già passata. Prevedi campagne di riattivazione separate, con aspettative e budget diversi, e incrocia questo segmento con l’engagement: chi apre e clicca ancora è recuperabile, chi non reagisce da mesi no.

I segmenti sono in ordine di rischio crescente: un contatto che si sposta verso il fondo dell’elenco sta peggiorando, uno che si sposta verso l’inizio sta migliorando.

Quando viene eseguito il calcolo

Il calcolo viene eseguito una volta al giorno, all’orario del primo avvio utile della schedulazione del modello RFM. Se cambi la schedulazione del modello, l’orario del churn si allinea al salvataggio successivo, quindi ti basta configurare la schedulazione in un punto solo.

Nella home del modello trovi la card Churn con la data dell’ultimo calcolo eseguito, quella del prossimo calcolo programmato e il link Avvia il calcolo ora per lanciare subito l’attività, per esempio dopo aver cambiato i parametri.

Nella lista dei modelli la colonna Churn mostra a colpo d’occhio su quali modelli il calcolo è attivo.

Come per l’analisi RFM, i valori sui contatti si aggiornano solo quando il calcolo viene eseguito. Dopo aver cambiato i parametri avanzati, avvia il calcolo per vedere i nuovi segmenti.

Il consiglio è di far girare il churn dopo la sincronizzazione degli ordini, così l’analisi lavora sempre sui dati più aggiornati.

Dove vedi i risultati

Sulla scheda del contatto

Nella home del contatto compare la card Propensione al churn, con una scheda per ogni modello che ha calcolato dati su quel contatto. Mostra tre indicatori:

• il churn segment attuale, con l’indicazione del segmento precedente e della data del cambio, e una freccia che segnala se la situazione è migliorata o peggiorata rispetto al periodo precedente;
• la probabilità di churn in percentuale, colorata in verde, giallo o rosso al crescere del rischio;
• la data prevista di churn, evidenziata quando è vicina.

Nelle audience e nella dashboard del database

Nelle viste che elencano i contatti, quindi la dashboard del database e le audience, compaiono due card.

Segmenti di propensione al churn è un grafico a torta con la distribuzione dei contatti nei sei segmenti, e al centro il totale dei clienti considerati.

Propensione al churn risponde alla domanda che conta quando devi giustificare un investimento in retention: quanto ti sta costando il churn e quanto ne stai recuperando. Raccoglie sei indicatori economici, con un selettore di periodo (ultimi 30 giorni, ultimi 6 mesi, ultimo anno):

• Clienti recuperati: contatti che erano nel segmento Persi e oggi non lo sono più.
• Fatturato recuperato: quanto hanno acquistato quei clienti nel periodo selezionato.
• Fatturato perso: quanto avevano acquistato, nello stesso periodo dell’anno precedente, i clienti la cui data di churn è caduta nel periodo selezionato.
• Clienti a rischio: contatti nei segmenti A rischio e Churn imminente.
• Fatturato a rischio: quanto hanno acquistato nel periodo i clienti a rischio.
• Fatturato recuperabile: una stima della quota di fatturato che puoi ancora recuperare dai clienti appena andati in churn, pesata sul loro engagement, dove chi clicca le tue comunicazioni conta al 100%, chi le apre al 50% e chi non è più iscritto non viene conteggiato. Confrontalo con il fatturato perso: se i due numeri sono vicini, i clienti che hai perso ti leggono ancora e una campagna di riattivazione ha buone probabilità di funzionare. Se il recuperabile è molto più basso, conviene spostare l’investimento sui clienti a rischio, prima che se ne vadano.

Entrambe le card rispettano i filtri applicati alla vista: se filtri l’elenco dei contatti, i numeri si aggiornano su quel sottoinsieme. È il modo più rapido per confrontare la propensione all’abbandono tra segmenti diversi del tuo database, per esempio tra chi ha acquistato in saldo e chi a prezzo pieno. Se hai più modelli con il churn attivo sullo stesso database, ogni modello ha la sua scheda.

Usare i dati del churn nelle tue attività

I cinque campi di output sono campi contatto normali, quindi puoi:

• filtrare e creare audience sul churn segment o sulla probabilità di churn, per esempio l’audience dei clienti in Churn imminente con spesa alta;
• far partire workflow al cambio di segmento, sfruttando il campo Churn segment precedente e la Data di ultima variazione del segmento;
• personalizzare i contenuti delle comunicazioni in base al segmento;
• incrociare churn e cluster RFM, per distinguere per esempio un VIP a rischio da un lead a rischio e riservare al primo l’incentivo più generoso.

Un workflow di retention in quattro passaggi

Il modo più efficace di usare la Churn prediction è lasciare che sia lei a far partire le comunicazioni, invece di controllare a mano chi si sta allontanando.

1. Crea un’audience con Churn segment uguale a A rischio e cluster RFM tra quelli che valgono di più, per esempio High spender e Top spender. Sono i clienti in cui conviene investire per primi, perché hai ancora tempo per recuperarli e hanno un valore alto.
2. Costruisci un workflow che parte quando la Data di ultima variazione del segmento cambia, così il contatto entra nel percorso il giorno stesso in cui peggiora.
3. Personalizza il messaggio in base al segmento: un promemoria per chi è Da monitorare, un’offerta dedicata per chi è A rischio, l’incentivo migliore per chi è in Churn imminente.
4. Dopo qualche settimana apri l’audience e guarda la card Propensione al churn: Clienti recuperati e Fatturato recuperato ti dicono se il percorso sta funzionando, Fatturato a rischio quanto c’è ancora in gioco.

Lo stesso schema, con il segmento Persi e aspettative più basse, diventa una campagna di riattivazione.

Se il calcolo non va a buon fine

Il modello di previsione ha bisogno di una quantità minima di dati. Se non li trova, l’attività si chiude in errore con un messaggio che spiega il motivo:

• La tabella dati degli ordini configurata nell’attività è vuota: nessun ordine trovato, spesso per un filtro sugli ordini troppo restrittivo o per una sincronizzazione non ancora eseguita.
• Lo storico degli ordini non è sufficiente: il periodo coperto dagli ordini è troppo breve per addestrare il modello.
• Il numero di clienti è troppo basso: ci sono troppi pochi clienti distinti nella tabella.
• Il numero di ordini registrati negli ultimi 30 giorni non è sufficiente: mancano ordini recenti, quindi il modello non ha un riferimento sul presente.
• Non ci sono abbastanza clienti con almeno 3 ordini: servono clienti che hanno riacquistato, altrimenti non c’è un comportamento ripetuto da imparare.

In generale la Churn prediction dà i risultati migliori su un database con uno storico di ordini di almeno un anno e una quota significativa di clienti che hanno acquistato più volte. Se il tuo eCommerce è appena partito, conviene aspettare di aver accumulato storico.

Se il messaggio parla invece di parametri o di validazione, controlla i campi indicati nel tab Predictive, in particolare il campo con l’ID prodotto e quello con la quantità, e riprova.

Domande frequenti

Posso attivare la Churn prediction su un modello con origine Campi contatto?

No. Serve lo storico dei singoli ordini, quindi il modello deve usare una tabella dati. Se hai gli ordini in una tabella ma il modello è stato creato con i campi contatto, crea un nuovo modello con origine Tabella dati.

Posso avere più modelli con il churn attivo?

Sì. Ogni modello ha i propri campi di output e la propria attività pianificata, e nelle card compare una scheda per modello.

Il churn sostituisce i cluster RFM?

No, li completa. L’RFM descrive il valore attuale del cliente, il churn stima il rischio di perderlo. Insieme ti dicono su chi conviene investire per primo.

Perché un contatto non ha dati di churn?

Perché il calcolo non è ancora stato eseguito, perché il contatto non rientra nel filtro del modello, oppure perché non ha ordini nella tabella dati.