לחברות המעוניינות בשירותי פרילנס או סדנאות של אנליסט, ניתן לפנות אליי [email protected]
**** לפודקאסט של הבלוג לחצו כאן ****
הקדמה – נטישה של לקוחות
נטישה של לקוחות הוא נושא כאוב לחברות כיוון שגיוס לקוח חדש דורש מאמצי שיווק יקרים וכל אובדן של לקוח פעיל הוא נזק ממשי לחברה. זיהוי נכון של לקוחות נוטשים (churn), תוך הבחנה בין לקוחות לא פעילים ולקוחות נוטשים, יכול לעזור בשימור לקוחות ע"י מחלקת Customer success, בעזרת ניתוח המאפיינים שגרמו ללקוחות לנטוש ובניית מודלים לחיזוי לקוחות נוטשים.
לקוחות פעילים שנטשו לעומת לקוחות לא פעילים
ישנן שתי הגדרות של לקוחות שחדלו מלהשתמש במוצר:
לקוח פעיל שנטש את המוצר הוא לקוח שהשתמש במוצר מספר פעמים לאחר הרישום אך בשלב מסוים הפסיק להשתמש במוצר.
לקוח לא פעיל הוא לקוח שנרשם למוצר (או הוריד את האפליקציה) השתמש בו פעם אחת או פעמים, הבין שהמוצר אינו מתאים לו והפסיק להשתמש.
התפיסה הפסיכולוגית של שני סוגי הנוטשים שונה מאד כיוון שמשתמש פעיל שנטש עשה זאת בגלל דבר שהפריע לו במוצר ולכן גם מאמצי השימור יהיו שונים מאשר משתמש שהשתמש פעם אחת והחליט שהמוצר אינו מתאים לו.
הגדרה אופרטיבית של לקוחות פעילים
מהו מספר הפעמים שלקוח צריך להשתמש במוצר כדי להיחשב לקוח פעיל?
לשאלה זו אין תשובה חד משמעית. כל חברה, לפי הסביבה בה המוצר שלה פועל, יכולה להעריך מהי כמות השימושים במוצר שתגדיר לקוח פעיל. ניתוחים אנליטים שיבצע הדאטה אנליסט יכולים לעזור במשימה הזאת.
האנליסטית יכולה ליצור היסטוגרמות של כמות השימוש של לקוחות במוצר כדי לעזור לקבוע את הרף. אם למשל יתגלה שבחודש הראשון לשימוש במוצר 60% מהלקוחות השתמשו במוצר יותר מ- 3 פעמים, כנראה שהרף המתאים (ה- Threshold) לקביעת לקוח פעיל הוא שימוש של 3 פעמים מאז ההרשמה, ו- 40% הלקוחות שלא הגיעו לרף הזה יחשבו לקוחות לא פעילים.
ניתוח לקוחות לא פעילים.
אומנם מטרת הפוסט היא איתור של לקוחות פעילים שנטשו, אך דאטה אנליסט יכול לעזור למנהלי המוצר להפחית את כמות הלקוחות הלא פעילים בעזרת ניתוחים מתחום הפרודקט והמארקטינג.
בתחום הפרודקט – האנליסטית יכולה לבחון האם יש בעיות בממשק משתמש (UI) אשר גרמו ללקוחות להפסיק להשתמש במוצר לאחר שימוש מועט.
בתחום המרקרטינג – האנליסטית יכולה לבחון האם יש קמפיינים שמזרימים תנועה של לקוחות אשר הופכים ללא פעילים. הזרמה של לקוחות שאינם הופכים לפעילים יכולה לפגוע בהחזר ההשקעה של הקמפיינים (ROI). כדי להתמודד עם התופעה הזאת, האנליסטית יכולה להמליץ על פעולות שלA/B testing ושיפור של הקמפיינים כך שבהמשך יוכלו ליצור לקוחות פעילים.
הערת אגב – לצערי, ישנן חברות המפרידות בין התפקידים האנליסטים לפרודקט אנליסט ומרקטינג אנליסט. הפרדה זו עלולה לגרום לכך שלאנליסטים תהיה ראיה צרה על לקוחות החברה ולא ראיה הוליסטית המכילה את כל האספקטים של הלקוח. כפי שראינו בפסקאות מעל, לקוחות המגיעים מעולם המארקטינג הם אותם לקוחות שאח"כ יכולים להפסיק להשתמש במוצר בגלל בעיות בחווית המשתמש ולדעתי דאטה אנליסט צריך לנתח את כל ההיבטים של חווית הלקוח כבר משלב הקמפיין ועד שלב השימוש במוצר.
דרכים אנליטיות לזיהוי נטישת לקוחות
לאחר שהגדרנו את הלקוחות הפעילים שנטשו, יש למצוא מתוכם את הלקוחות הנוטשים. ישנן שתי דרכים לבצע זאת. זיהוי נטישה לפי חלון זמן קבוע (הדרך הנאיבית) וזיהוי נטישה לפי מאפייני שימוש פרסונלים.
זיהוי נטישה לפי חלון זמן קבוע – הדרך הנאיבית
בשיטה זו מאתרים את הלקוחות הפעילים ובודקים מי מהם לא השתמש במוצר בתקופת זמן מסוימת. למשל, הלקוחות הפעילים שלא השתמשו במוצר בחודש האחרון יסומנו כלקוחות נוטשים. שיעור הנטישה במקרה זה יהיה – כמות הלקוחות שזוהו כנוטשים בחלון הזמן שהגדרנו מתוך סך הלקוחות הפעילים בחלון הזמן.
היתרונות והחסרונות של זיהוי נטישה לפי חלון זמן קבוע
היתרון של זיהוי נטישה לפי חלונות זמן הוא פשטות השימוש וקלות ההבנה של השיטה. קל יחסית לחשב את המטריקות המשתתפות בתהליך הנטישה וקל להסביר אותם למנהלי המוצר והדרג הניהולי.
החיסרון בשיטה הזאת הוא ההתעלמות מתדירות השימוש של הלקוחות. לדוגמה, באתר סופרמרקט יש לקוח שרוכש בתדירות של אחת לחודש ולקוח שרוכש פעם בשבוע. אם למשל נקבע חלון זמן של חודש, אנחנו עלולים להגדיר את הלקוח שרוכש פעם בחודש כלקוח נוטש אם איחר בכמה ימים את הקניה החודשית שלו. בנוסף לכך, אנחנו עלולים לזהות באיחור של חודש את שהלקוח שרוכש פעם בשבוע הפסיק לרכוש.
אין לנו סיבה לבצע מאמצי שימור מיותרים על הלקוח שרוכש פעם בחודש כי הוא לא באמת נטש ואילו את הלקוח שקונה פעם בשבוע אנחנו עלולים לפספס כי במשך הזמן שהוא במצב נטישה, לא ביצענו מאמצי שימור והלקח כבר עבר לסופרמרקט המתחרה.
זיהוי נטישה לפי תדירות שימוש פרסונלית
בשיטה הקודמת עבדנו עם חלון זמן קבוע לכל הלקוחות וראינו שאנו עלולים לפספס זיהוי של לקוחות נוטשים. בשיטה הפרסונלית נבצע חישוב של נטישה לכל לקוח לפי מאפייני תדירות השימוש שלו.
לכל לקוח יש מאפיינים והרגלים שונים של שימוש במוצר ולכן לא ניתן להתייחס לכל הלקוחות אותו דבר כאשר אנחנו רוצים לבחון האם הם נמצאים במצב של נטישה. כמו כן, זיהוי פרסונלי של נטישת לקוח בזמן מאפשר לנו לבצע מאמצי שימור פשוטים על הלקוח (למשל שליחת תזכורת לחזור ולהשתמש במוצר) ובכך "להציל" אותו מנטישה ולהחזיר אותו למצב של לקוח פעיל.
כדי לחשב נטישה באופן פרסונלי, נחשב עבור כל לקוח את תדירות השימוש הממוצעת או החציונית ואת סטיית התקן של התדירות*. הלקוח יוגדר כנוטש אם הוא הפסיק להשתמש במוצר בהתאם לתדירות הממוצעת שלו. אם למשל, לקוח היה רגיל להשתמש במוצר פעם בשבוע וכבר עבר שבוע מאז שהלקוח השתמש בפעם האחרונה, יש סיכוי טוב שהלקוח נטש.
על מנת לקבוע שהלקוח נטש את המוצר נקבע שחלון הזמן הוא התדירות הממוצעת של השימוש ועוד מספר סטיות תקן שנחליט עליהם. הסיבה לשימוש בסטיית התקן היא שבני אדם הם יצור שקשה לחזות את ההתנהגות שלו והם אינם עקביים. סטיית התקן של תדירות הלקוח מגדילה את חלון הזמן שבו הלקוח עדיין אינו נחשב נוטש ומאפשרת להתמודד עם מצב בו הלקוח שינה במעט את הרגלי הקניה.
את מספר סטיות התקן כל חברה צריכה לקבוע לפי בסיסי הלקוחות שלה כיוון שכל מוצר הוא שונה ופועל בסביבה עסקית שונה. לכן רצוי לבצע את הניתוח נטישה מספר פעמים ובכל פעם לשנות את מספר סטיות התקן מעל הממוצע, לבצע בדיקות שפיות (Sanity check) ללקוחות שסומנו כנוטשים ולוודא שמספר הסטיות שקבענו באמת מצליח לזהות לקוחות נוטשים בצורה טובה.
*הערה טכנית – כיצד לחשב את תדירות השימוש וסטית התקן עבור כל לקוח
בשביל ביצוע החישוב של תדירות השימוש, יש ליצור טבלה עם תאריך השימוש של כל לקוח ולחשב בעזרת פונקציית Lag כמה ימים חלפו בין כל השימושים של לקוח. על החישוב הזה יש לקבץ את הטבלה לפי רמת לקוח ולחשב עבורו את ממוצע (או החציון) של הימים בין הקניות וסטיית התקן.
היתרונות והחסרונות של נטישה פי תדירות פרסונלית
היתרון של השיטה הוא בזיהוי מדויק יותר של לקוח נוטש, ובהבחנה מהירה יותר כאשר הלקוח נכנס למצב נטישה.
החיסרון של השיטה הוא המורכבות שלה. יותר מורכב לבנות מודל נתונים המחשב את תדירות הקניה בשביל חישוב הנטישה מאשר בשיטה הנאיבית. כמו כן, צריך גם להכיר בכך שעל אף המאמצים של חישובי נטישה פרסונלי לכל לקוח, עדיין יכול להיות סיכוי שנשגה בייחוס הנטישה ללקוח כי אנשים הם יצור בלתי צפוי שתמיד נתון לשינויים.
שימור משתמשים ומניעת נטישה
ניתוח מאפייני נוטשים
לאחר שהגדרנו מי הוא לקוח נוטש אפשר לנתח מה הם המאפיינים והסגמנטים בהם שיעור הנטישה גבוה יותר, ולהמליץ למנהלים כיצד אפשר לנסות להפחית את הנטישה.
אם למשל הניתוח יראה ששיעור הנטישה של הלקוחות המשתמשים באפליקציית אנדרואיד גבוה יותר משל הלקוחות המשתמשים באייפון כדאי יהיה לבדוק מהם הגורמים המשפיעים על כך. ייתכן וההמלצה של האנליסטית תהיה שיש לשפר את חווית המשתמש באפליקציה של אנדרואיד.
אפשר גם להשתמש במודלים של AutoML כדי לזהות את המאפיינים הייחודיים שמאפיינים את הנוטשים.
ניבוי נטישה
ההגדרה שלנו ללקוחות נוטשים יכולה לשמש את אנשי הדאטה סיינס בפיתוח מודלי ניבוי. מודלי ניבוי אלו יכולים לזהות מי הם הלקוחות להם יש נטייה לנטוש ולבקש מהיחידה של ה- Customer Success לבצע מאמצי שימור על לקוחות אלה.
לסיכום
בכדי להתמודד עם אובדן לקוחות, חברות יכולות לבקש מהאנליסטים לבצע ניתוח נטישה ובעזרת זיהוי נכון ומהיר של לקוחות נוטשים ניתן לבצע מאמצי שימור אפקטיביים ומציאת סגמנטים בהם החברה יכולה להשתפר על מנת למנוע נטישות נוספות.
צריכים עזרה של דאטה אנליסט על מנת לנתח את הלקוחות הנוטשים שלכם?
מוזמנים ליצור איתי קשר [email protected]
**** לפודקאסט של הבלוג לחצו כאן ****
לקריאה נוספת
היתרונות בהעסקת דאטה אנליסט חיצוני (פרילנסר).
מה עושה דאטה אנליסט וכיצד לנצל את הכישורים שלו בצורה הטובה ביותר.
English version of the article –Preventing customer churn with analytical methods
