PERCHÈ LA SOLUZIONE

Soddisfare e proteggere la propria base clienti è essenziale per la redditività di un’azienda ma non è un’attività sempre semplice da gestire. Infatti, le campagne di acquisizione dei competitor sono spesso aggressive e, all’interno di una base clienti molto grande, è complesso monitorare la soddisfazione e riconoscere il rischio di abbandono. Questa capacità è però molto importante perché acquisire un nuovo cliente costa molto di più che mantenere un cliente esistente. Al contempo però è necessario pianificare le campagne di customer prevention in modo mirato, per ottimizzare l’impiego di tempo e risorse. 

 

La soluzione sviluppata da Moxoff consente di identificare i clienti a più alto rischio di abbandono per i quali si rende necessario agire e su cui focalizzare le azioni di prevention. Non solo, questa soluzione permette inoltre di simulare l’efficacia dell’azione in termini di risposta positiva del cliente ad una specifica campagna. In questo modo il customer care potrà individuare anche la campagna di prevention migliore per specifici cluster di clienti ottenendo il massimo dalle proprie iniziative.

LOGICA DI FUNZIONAMENTO

La soluzione è basata su un algoritmo di machine learning che, a partire dai dati che raccontano la storia di ciascun cliente (ad esempio, acquisti passati, tempi e metodi di pagamento, interazioni sui diversi touchpoints, esito delle campagne passate, etc.), consente di predire con quale probabilità un cliente abbandonerà l’azienda entro un certo arco di tempo, e di simulare l’efficacia di una determinata campagna.

ESEMPI DI APPLICAZIONE

IndustrialsSimulazione della risposta della propria base clienti a un nuovo prodotto per individuare chi risponderà positivamente.

 

UtilitiesPredizione dei clienti con più alto rischio di churn e simulazione di diverse campagne di prevention o di win-back per individuare quelle più adatte a ciascun cliente.

 

OtherIn ambito no profit, predizione dei donatori con più alto rischio di abbandono e simulazione di diverse campagne di upgrade per individuare quelle più promettenti per ciascun cliente (esempio: il prodotto SmartAID).

RICHIEDI MAGGIORI INFORMAZIONI

LE NOSTRE SOLUZIONI

Network timeseries forecasting

Predictive Maintenance