Wczesne ostrzeganie przed churnem:
Rezygnację widać, zanim zostanie napisana
Mało który subskrybent rezygnuje spontanicznie - najpierw czyta rzadziej, potem wcale, a potem przychodzi rezygnacja. Wskaźnik zaangażowania z Recency, Frequency i Volume rozpoznaje ten wzorzec na tygodnie wcześniej i czyni ratunek planowalnym.
01 Problem - Churn przychodzi z zapowiedzią, ale nikt nie słucha
Dlaczego mail z rezygnacją to zły moment na ratunek
Gdy rezygnacja wpływa, decyzja dawno zapadła - oferty rabatowe działają wtedy słabo i uczą bazę targowania się. Skuteczny moment przypada tygodnie wcześniej: tam, gdzie zachowanie czytelnicze się załamuje.
Dokładnie to załamanie widać w Państwa danych: odstępy między wizytami się wydłużają, sesje skracają, newsletter pozostaje nieotwarty. Financial Times ustanowił na tę potrzebę wskaźnik RFV - Recency, Frequency, Volume - i steruje nim całą swoją retencją. Żaden człowiek nie obserwuje 25.000 subskrybentów pojedynczo. Model tak.
A ratunek kosztuje ułamek tego, co kosztowałoby ponowne pozyskanie tego samego subskrybenta.
02 Model - Wskaźnik ryzyka dla każdego subskrybenta, co tydzień na nowo
Gradient boosting na przebiegach zaangażowania, kalibrowany na realnych rezygnacjach z przeszłości
Abonnenten mit Risiko > Schwelle: 1.480 von 25.000 AUC (zeitliche Validierung): 0.84
Model dostarcza dla każdego subskrybenta prawdopodobieństwo rezygnacji na najbliższe 90 dni - a poprzez wartości SHAP także powód: uśpione użytkowanie, wyczerpany rabat, martwy dział. Z tego powstaje cotygodniowa lista ryzyka z dopasowaną akcją: rekomendacja treści dla jednych, komunikacja korzyści dla drugich. FT samym sterowaniem zaangażowaniem wzdłuż swojego wskaźnika RFV obniża wskaźniki rezygnacji o 10 procent.
03 Wpływ na biznes - Uratowane subskrypcje zamiast statystyki rezygnacji
Dźwignia: 15 procent mniej rezygnacji w bazie dzięki wczesnej, celowanej interwencji
Żadnej liczby z sufitu: każde założenie pochodzi z przykładowego wydawnictwa i jest przechowywane centralnie. Z Państwa realnymi liczbami zmienia się tylko wejście, nie metoda.
| Pozycja | Wartość |
|---|---|
| Rezygnacje cyfrowe / rok (4,5 % × 12) | 13.500 |
| z tego baza od 4. miesiąca (60 %) | 8.100 |
| Baza: Adresowalne rezygnacje w bazie / rok | 8.100 |
| Dźwignia: Redukcja dzięki wczesnemu ostrzeganiu (15 %) × 8 miesięcy × ARPU | 1.215 × 8 × 10,50 € |
| Wynik: dodatkowy przychód / rok | €102.060 |
Założenia przykładowego wydawnictwa - w realnym projekcie Państwa dane zastępują te wartości.
Te 15 procent leży celowo między opublikowanymi benchmarkami: FT dokumentuje −10 procent przez sterowanie zaangażowaniem, Mather Economics w teście A/B celowanych interwencji −17 procent. Liczony jest tylko późny churn od 4. miesiąca - wczesny churn należy do modułu 05, aby nic nie było liczone podwójnie.
04 Następne kroki w Państwa wydawnictwie
Od wskaźnika do cotygodniowej rutyny retencyjnej
Łączymy system subskrypcji, web analytics i dane newsletterów - tylko do odczytu, bez ingerencji w Państwa systemy.
Model jest walidowany na realnych rezygnacjach z ostatnich 24 miesięcy. Zobaczą Państwo, jak trafnie ostrzegłby wstecznie.
Cotygodniowa lista ryzyka do CRM: „Tych 150 subskrybentów właśnie się wykrusza - rekomendowana komunikacja dla każdego segmentu jest gotowa."
Co to oznacza dla Państwa wydawnictwa, wyjaśnia nasze doradztwo AI dla wydawnictw.