ブログ

5つの顧客維持アナリティクスと利用方法

Predictive analytics and data science are hot right now. The truth be told, ‘big data’ has been a buzzword for over 100 years. Finding a way to harness the volume, velocity and variety of data that is flowing into your business is as critical to using Customer Retention Analytics to your advantage.

現在、予測アナリティクスとデータサイエンスが話題です。実を言えば、「ビッグデータ」は100年以上にわたって流行語として使われています。ビジネスに流入するデータの量、速度、種類を活用する方法を見つけることが、イノベーションと変化の構想にとって非常に重要であることは今も昔も変わりありません。しかしながら、ビッグデータアナリティクスは最も誤解・誤用され続けてきた用語の1つであり、今日のB2B環境でも同じです。

データ駆動型の収益ライフサイクルのステップのブログで、RLM準備データ(カスタマーサクセスと収益拡大を推進する実施可能データ)に変換するのに必要なステップについて紹介しました。プロセスの第2のステップは、顧客維持アナリティクスに電気ショックを与えて実施可能にするステップです。カスタマーサクセスのリーダーのために、このステップでは、データを分析して、主要なバリュードライバー、重要なマイルストーン、解約またはロイヤルティの先行指標を特定する必要があります。これは、大量の顧客データを、ビジネスに有用で実用的、実施可能な洞察に変え、チームが、価値と期待される顧客成果を提供できるように役立てる中で、最も重要で、その上最も難しいステップと言ってよいでしょう。

データサイエンティスト(参加する場合)またはITアナリティクスチームと効果的に連携するには、さまざまな種類のビッグデータアナリティクス手法と、それらを活用して成功に欠かせない実施可能な洞察を得る方法を理解する必要があります。

ビッグデータアナリティクスには、次の5種類があります。

処方的アナリティクス最も有用でありながら最も利用されていないビッグデータアナリティクス手法。特定の質問にピンポイントで答えます。既知のパラメーターがある場合、さまざまな選択肢の中からベストソリューションを特定するのに役立ちます。将来の機会を活用、あるいは将来のリスクを軽減する方法の選択肢を提案します。決定事項ごとに予想される結果を示すので、意思決定を改善することもできます。顧客維持の処方的アナリティクスには、「次のベストアクション」分析や「次のベストオファー」分析などがあります。

  • 将来に目を向ける
  • 将来の状況に対する最適な決定に焦点
  • 複雑なモデルに対して単純なルールを自動化またはプログラムベースで適用
  • 個々のデータセットメンバーの類似点と相違点に基づいた離散的な予測
  • 将来のイベントの最適化と意思決定のルール

診断的アナリティクス データサイエンティストは、何かが起きた理由を特定しようとするときにこの手法に頼ります。最も忠実な顧客の間で解約の先行指標と利用傾向を調査するときに有用な手法です。診断的アナリティクスには、解約理由分析やカスタマーヘルススコア分析などがあります。特徴:

  • 過去に目を向ける
  • 因果関係と順序に焦点
  • 推定説明能力に基づくディメンション/変数の相対ランキング
  • 独立変数/ディメンションを伴う目標/従属変数
  • 頻度論的分析とベイズ因果推論分析の両方を含む

記述的アナリティクス この手法は最も時間がかかり、多くの場合、最小値を生成しますが、顧客の特定セグメント内のパターンを明らかにするのに役立ちます。記述的アナリティクスは、過去に何が起きたのかについての洞察を提供し、傾向を提供してより詳細に分析します。記述的アナリティクスには、マーケットバスケット分析で使用される要約統計量、クラスタリング、相関ルールなどがあります。

特徴:

  • 過去に目を向ける
  • 記述と比較に焦点
  • パターン検出と記述
  • MECE(相互に排他的で、完全な全体集合)分類
  • 類似点と相違点に基づくカテゴリー開発(セグメンテーション)

予測的アナリティクス 最も一般的に使用される手法。予測的アナリティクスは、モデルを使用して特定のシナリオで発生する可能性のある事象を予測します。予測的アナリティクスには、「次のベストオファー」分析、解約リスク分析、更新リスク分析などがあります。

  • 将来に目を向ける
  • 将来の状態、関係、パターンの非離散的な予測に焦点
  • 予測結果集合確率分布と尤度の記述
  • モデルアプリケーション
  • 非離散的な予測(確率分布で伝えられる予測)

成果アナリティクス 消費アナリティクスとも呼ばれるこの手法は、特定の成果をもたらす顧客の行動を把握します。顧客をもっとよく知り、貴社の製品やサービスに対する顧客の態度を理解するのに役立つことを目的とする分析です。

  • 過去に目を向ける、リアルタイム、将来に目を向ける
  • 消費パターンと関連するビジネス成果に焦点
  • 使用状況しきい値の記述
  • モデルアプリケーション

結果 以上のように、コストを抑えながら、ビッグデータを活用し、カスタマーサクセスの実現に役立つコンテキストをデータに追加する多種多様な方法があります。顧客維持アナリティクスを理解できれば、IT部門と効果的にやり取りして、複雑なデータセットを実施可能な洞察に変えることができます。どんなビッグデータ アナリティクス プロジェクトでも、次の質問に対する答えを用意して取り組むことが重要です。

  1. 目標は何ですか。ビジネス上の問題は何ですか。ステークホルダーは誰ですか。問題の解決にはどのような価値がありますか。
  2. どのような質問に答えようとしていますか。
  3. 成果物は何ですか。
  4. その洞察を使って何をしますか。

著者

ダニエル・サンティアゴ