Dauguma verslo savininkų klientų pasitraukimą (angl. churn) vertina kaip skyrybas, kurių jie nenumatė. Vieną dieną klientas yra čia, kitą – jis jau išeina, o Jums lieka tik „atšaukimo“ pranešimas ir klausimas, kas nutiko. Galbūt išsiųsite desperatišką „mes Tavęs pasiilgome“ nuolaidos kodą, tačiau tuo metu emocinis ir finansinis ryšys dažniausiai jau būna nutrūkęs. Dirbdamas su šimtais augančių verslų pastebėjau, kad klientų pasitraukimas nėra staigus įvykis – tai ilgas blėsimas. Aš tai vadinu Dingimo signalu (angl. The Ghosting Signal).
Tradiciniai DI įrankiai rinkodarai istoriškai buvo sutelkti į „pardavimų piltuvėlio“ viršūnę – naujų potencialių klientų paiešką ir intensyvią komunikaciją, kol jie nusiperka. Tačiau tikrieji verslo turtai kuriami viduryje. Tuo metu, kai klientas faktiškai nustoja mokėti arba atsisako prenumeratos, jis dažniausiai jau kelias savaites Jus „ignoravo“. Jų elgsena pasikeitė gerokai anksčiau nei jų statusas. DI yra unikaliai pritaikytas pastebėti šiuos mikroskopinius modelių poslinkius, kurių žmogus-vadybininkas ar net standartinė CRM sistema visiškai nepastebėtų.
Dingimo signalo anatomija
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Kai analizuoju mažmeninės prekybos ar paslaugų verslo duomenis, signalai retai būna garsūs. Klientas prieš išeidamas dažniausiai nesiunčia pikto el. laiško; jis tiesiog tampa mažiau „matomas“ Jūsų ekosistemoje.
Aš ieškau trijų specifinių rodiklių, sudarančių Dingimo signalą:
- Greičio atotrūkis (angl. Velocity Gap): Tai patikimiausias pranašas. Kiekvienas klientas turi natūralų ritmą. Kai kurie perka kas 14 dienų, kai kurie prisijungia kiekvieną antradienį. Kai tas ritmas pasikeičia nuo 14 iki 19 dienų – tai signalas. Žmogus nepastebėtų penkių dienų vėlavimo, tačiau DI tai identifikuoja kaip nukrypimą nuo bazinės linijos.
- Nuotaikų erozija: Tai randama „nestruktūrizuotuose“ duomenyse – pagalbos užklausose, susirašinėjimo žurnaluose ar net socialinių tinklų komentarų tone. DI įrankiai rinkodarai dabar gali atlikti „aspektinę nuotaikų analizę“, pastebėdami, ar klientas, kuris anksčiau buvo „entuziastingas“, tapo tiesiog „sandorių vykdytoju“ arba „nusivylusiu“.
- Funkcijų apleidimas: Paslaugų ar SaaS versluose klientai dažnai pirmiausia nustoja naudotis „įtraukiančiomis“ funkcijomis. Jie grįžta prie pagrindų prieš visiškai pasitraukdami pro duris.
Jei šiam stebėjimui vis dar naudojate rankines skaičiuokles, Jūs jau atsiliekate. Galite pamatyti, kaip mes lyginame šią automatizuotą priežiūrą su tradicine rankine apskaita mūsų „Penny“ ir „Xero“ palyginimą.
Dingimo sistema: nuo reaktyvumo iki nuspėjamumo
Norėdami iš pasitraukimo aukos tapti išlaikymo meistru, Jums reikia struktūrizuoto požiūrio. Siūlau naudoti 90/10 klientų išlaikymo taisyklę: 90 % Jūsų pasitraukimo prevencijos turėtų atlikti automatizuotas DI modelių atpažinimas, paliekant paskutinius 10 % – didelės vertės ir asmeninio dėmesio reikalaujančias intervencijas – Jūsų komandai (jei vis dar tokią turite).
1 etapas: Duomenų sintezė
Daugumos verslų duomenys yra įkalinti atskirose „saugyklose“. Jūsų rinkodaros el. laiškai nesusiję su pagalbos užklausomis, o pagalbos užklausos – su mokėjimų procesoriumi. Norint pastebėti Dingimo signalą, Jums reikia „vieningo kliento vaizdo“. Šiuolaikiniai DI įrankiai rinkodarai gali veikti kaip sluoksnis virš šių įrankių, įsisavindami duomenis ir ieškodami tarpkanalinių modelių.
2 etapas: Modelių atpažinimo sluoksnis
Čia vyksta „mokymasis“. Jūs nesakote DI, ko ieškoti; Jūs parodote jam 12 mėnesių duomenis apie pasilikusius ir išėjusius klientus. DI ras bendrumus. Jis gali nustatyti, kad Jūsų specifiniame versle klientas, kuris nustoja atidaryti Jūsų „Ketvirtadienio naujienlaiškį“, turi 40 % didesnę tikimybę pasitraukti per 30 dienų. Tai yra specifinė įžvalga, kurios negausite iš bendrinio rinkodaros tinklaraščio.
3 etapas: Automatinė intervencija („Postūmis“)
Kai signalas aptinkamas, DI turėtų inicijuoti „postūmį“. Tai nėra el. laiškas „prašome neišeiti“. Tai vertės kūrimas. Jei DI aptinka Greičio atotrūkį mažmeninės prekybos kliento elgsenoje, jis gali suaktyvinti personalizuotą rekomendaciją, pagrįstą paskutiniais trimis pirkimais, arba virtualaus asistento užklausą. Tikslas – atkurti ryšio tankį dar prieš klientui suprantant, kad jis tolsta. Norėdami gauti daugiau įžvalgų apie tai, kaip tai veikia mažmeninėje prekyboje, žr. mūsų mažmeninės prekybos rinkodaros taupymo vadovą.
Kodėl dauguma „DI įrankių rinkodarai“ čia patiria nesėkmę
Rinka yra užtvindyta įrankiais, teigiančiais, kad jie naudoja DI. Dažniausiai tai reiškia, kad jie tiesiog prijungė pokalbių robotą prie pagrindinės duomenų bazės. Tikram nuspėjamajam išlaikymui reikalingi mašininio mokymosi (ML) modeliai, parengti pagal Jūsų specifinę klientų elgseną.
Bendriniai įrankiai naudoja bendrinę logiką. Tačiau Jūsų klientai nėra bendriniai. Kliento dingimas iš aukščiausios klasės grožio salono atrodo visiškai kitaip nei kliento dingimas iš prenumeruojamos kavos paslaugos. Jei Jūsų agentūra ima iš Jūsų tūkstančius per mėnesį, kad tai „stebėtų“ rankiniu būdu, Jūs mokate tai, ką aš vadinu Agentūros mokesčiu. Išsamų šių nereikalingų išlaidų suskirstymą galite pamatyti mūsų rinkodaros agentūrų kaštų analizėje.
Komercinė realybė: signalo investicijų grąža (ROI)
Pakalbėkime apie skaičius, nes būtent jie man labiausiai rūpi. Naujo kliento pritraukimas kainuoja nuo 5 iki 25 kartų daugiau nei esamo išlaikymas.
Jei turite 1 000 klientų, mokančių £50 per mėnesį, o Jūsų pasitraukimo rodiklis yra 5 %, kiekvieną mėnesį prarandate £2,500 pasikartojančių pajamų (MRR). Per metus tai sudaro £30,000 praradimą. Jei DI įrankis, kainuojantis £100 per mėnesį, gali sumažinti šį pasitraukimą bent 1 %, įrankis atsiperka dešimteriopai jau per pirmąjį mėnesį.
Tai nėra tiesiog „kieta technologija“. Tai Jūsų verslo pamatų apsauga.
Įgyvendinimas: nuo ko pradėti
Jei jaučiatės priblokšti, nemėginkite per naktį sukurti ateities prognozavimo centro. Pradėkite nuo mažų žingsnių:
- Išanalizuokite „prarastų“ klientų duomenis: Pažiūrėkite į paskutinius 50 išėjusių klientų. Koks buvo paskutinis jų veiksmas? Kada jie paskutinį kartą prisijungė? Pradėsite patys matyti Dingimo signalą, ir tai padės suprasti, kokius duomenis pateikti DI modeliui.
- Pasirinkite vieną kanalą: Pradėkite taikyti modelių atpažinimą savo el. pašto įsitraukimui arba pirkimo dažnumui.
- Automatizuokite pirmąjį postūmį: Nustatykite paprastą „jei/tada“ logiką pagal DI išvadas. Jei „Greičio atotrūkis“ > 20 %, tada „Siųsti pridėtinės vertės el. laišką“.
Baigiamoji mintis: etinis pranašumas
Egzistuoja klaidinga nuomonė, kad DI naudojimas elgsenai stebėti yra „bauginantis“. Tikrovėje tai yra dėmesingiausias dalykas, kurį galite padaryti dėl kliento. Tai skaitmeninis atitikmuo parduotuvės savininkui, kuris pastebi, kad nuolatinis lankytojas seniai neužsukote, ir paklausia, ar viskas gerai, kai kitą kartą peržengiate slenkstį.
Dingimo signalo identifikavimas nėra sekimas – tai aptarnavimas. Tai buvimas šalia tiek, kad pastebėtumėte, kada santykiai blėsta, ir proaktyvumas, kad juos išsaugotumėte.