Data Department; otomotiv, sigorta ve diğer bireysel müşteriye hizmet veren şirketler, perakendeciler, abonelik hizmetleri, telekom ve finansal teknoloji şirketleri için müşteri kaybı (churn) tahmini, satın alma eğilimi ve müşteri analitiği modelleri kurar. Modeller hangi müşteriye, hangi teklifle, ne zaman ulaşılacağına karar verir; böylece elde tutma ve çapraz satış bütçesi davranışı gerçekten değiştirdiği yere gider. Bir otomotiv distribütörlük grubunda araç yenileme ve marka kaybı modelleri yaklaşık yüzde 8 gelir artışı sağladı.
Müşteri analitiği hangi sorunları çözer?
Pazarlama ve müşteri ekipleri bazı müşterilerin ayrılacağını çoğu zaman önceden bilir. Asıl güçlük, bu durumda hangi adımın atılacağına karar vermektir. Üzerinde çalıştığımız kararlar:
- Bu hafta, ayrılmadan önce hangi müşterilerle iletişime geçilmeli?
- Hangi teklif verilmeli: indirim, servis araması, paket yükseltme ya da hiçbiri mi?
- Hangi müşteriler her durumda kalacak; dolayısıyla onlara verilecek indirim gereksiz bir harcama olacak?
- Mevcut müşteriye sıradaki ürün olarak ne önerilmeli?
- Bir müşteri zaman içinde ne kadar değerli, dolayısıyla onu tutmak için ne kadar harcanmalı?
- Hangi müşteri veya hesaplara daha yüksek hizmet seviyesi verilmeli?
Churn skoru tek başına yeterli değildir. Ayrılma olasılığı en yüksek müşteri hiçbir teklife yanıt vermeyebilir. Doğru soru şudur: Hangi müşteriye ulaşıldığında davranış değişir? Buna kampanya etkisi (uplift) modellemesi yanıt verir ve gelir artışının önemli bir kısmı buradan gelir.
Hangi model hangi soruya yanıt verir?
| Model | Yanıtladığı soru | Tipik kullanım |
|---|---|---|
| Churn modeli | Kim, ne zaman ayrılacak? | Haftalık elde tutma listeleri |
| Satın alma eğilimi modeli | Belirli bir ürünü kim alır? | Çapraz ve üst satış kampanyaları |
| Kampanya etkisi (uplift) modeli | Hangi müşteriye ulaşıldığında davranış değişir? | Teklif ve indirim bütçesinin dağıtımı |
| Müşteri yaşam boyu değeri | Bu müşteri zaman içinde ne kadar değerli? | Segment başına elde tutma harcaması |
| Öneri sistemi | Sırada hangi ürünü göstermeliyiz? | Web sitesi, uygulama ve e-posta içeriği |
Proje nasıl ilerler?
Keşif (2 hafta). Önce sizin işiniz için kaybı tanımlarız. Abonelikte bu, iptaldir. Perakendede ise müşteri sessizce alışverişi bırakır; bunun dikkatli tanımlanması gerekir. Müşteri verisini ve en önemlisi geçmiş kampanya kayıtlarını inceleriz: hangi müşteriye hangi teklif yapıldı ve sonuç ne oldu? Devam/dur kararı ve pilot tasarımı alırsınız.
Pilot (6–10 hafta). Modelleri kurar, hiç iletişim kurulmayan bir kontrol grubuyla gerçek bir kampanya yürütürüz. Ölçüt ilk gün belirlenir; örneğin ulaşılan müşteri başına korunan gelir. Kampanyayı ekibiniz yürütür, biz ölçeriz.
Canlıya geçiş ve devir. Skorlar haftalık veya günlük olarak CRM (müşteri ilişkileri yönetimi) sisteminize veya kampanya aracınıza aktarılır. Skor sapmasını ve kampanya sonuçlarını izler, analistlerinizi modelleri okuyup ayarlayabilecek şekilde eğitiriz.
Churn ve eğilim modelleri için hangi veriler gerekir?
- Müşteri bazında işlem veya abonelik kayıtları; tercihen iki yıl veya daha uzun.
- Kullanım ve etkinlik verisi: girişler, ziyaretler, aramalar, ürün kullanımı.
- Hizmet etkileşimleri: şikâyetler, iadeler, destek talepleri.
- Kampanya geçmişi: gönderilen teklifler, kullanılan kanallar, yanıtlar.
- İsteğe bağlı: bölge, müşteri olma süresi veya segment gibi özellikler.
Kampanya geçmişi, çoğu şirketin sandığından daha önemlidir. Bu veri olmadan model kimin risk altında olduğunu gösterebilir ancak hangi aksiyonun sonuç verdiğini gösteremez.
Sahadan sonuçlar
Bir otomotiv distribütörlük grubunda birbirine bağlı iki model, hangi müşterilerin yakında aracını yenileyeceğini ve bunlardan hangilerinin başka bir markaya geçeceğini tahmin etti. Skorlar, önce hangi müşterinin aranacağını ve hangi fiyat teklifinin yapılacağını belirledi. Sonuç yaklaşık yüzde 8 gelir artışı oldu (araç yenileme projesi). Bir mobil oyun için kurduğumuz ilk gün elde tutma modeli 0,82 AUC (eğri altındaki alan) değerine ulaştı; bu değer, ilk günden sonra oyunu bırakacak yeni oyuncuları belirlemek için yeterli oldu.
Müşteri modelleri dinamik fiyatlandırma ile birlikte etkili sonuç verir; çünkü teklif derinliği ve fiyat duyarlılığı birbirine sıkı bağlıdır. İkisinin nasıl birleştiğini perakende ve e-ticaret sayfamızda görebilirsiniz.
Churn tahmini ne zaman doğru araç değildir?
- Skorlara dayalı bir aksiyon alınamıyorsa. İletişim kanalı, teklif bütçesi veya kampanyayı yürütecek ekip yoksa, churn listesi hiçbir şeyi değiştirmez.
- Kaybın nedeni açık ve biliniyorsa. Müşteriler aynı ürün sorunu nedeniyle ayrılıyorsa öncelik, bu sorunun giderilmesidir.
- Müşteri sayısı çok azsa. Birkaç yüz müşteride kimin risk altında olduğunu müşteri temsilcileri zaten bilir.
- İletişim için hukuki dayanak yoksa. Ticari ileti onayı bulunmadan model bir fayda sağlayamaz.
Sık sorulan sorular
Churn tahmini için ne kadar veri gerekir?
Genellikle, aralarında ayrılmış müşterilerin de bulunduğu, en az bir yıllık geçmişi olan birkaç bin müşteri. Kampanya geçmişi modellerin faydasını belirgin şekilde artırır.
Sonuçları ne zaman görürüz?
Keşif 2 hafta, pilot ise kontrol gruplu canlı bir kampanya dahil 6–10 hafta sürer. Canlıya geçiş kararından önce ölçülmüş sonuçları görürsünüz.
Modeller CRM sistemimizde çalışabilir mi?
Evet. Skorları CRM sisteminize, kampanya aracınıza veya veri ambarınıza veritabanı tabloları, dosya aktarımları ya da API (uygulama programlama arayüzü) üzerinden aktarırız.
Proje maliyetini neler belirler?
Birleştirilecek veri kaynağı sayısı, müşteri kimliklerinin sistemler arasında ne kadar tutarlı olduğu, kaç model gerektiği (yalnızca churn mu, yoksa eğilim ve kampanya etkisi de mi) ve skorların ne sıklıkla güncelleneceği.
KVKK ve GDPR açısından nasıl çalışıyorsunuz?
Takma adlandırılmış (pseudonim) veriyle, kendi altyapınızda ve yalnızca modelin ihtiyaç duyduğu alanlarla çalışırız; iletişimde İYS (İleti Yönetim Sistemi) kayıtlarınızı ve onaylarınızı esas alırız. Böylece çalışma KVKK (Kişisel Verilerin Korunması Kanunu) ve GDPR (Avrupa Birliği Genel Veri Koruma Tüzüğü) çerçevesinde kalır.