Esettanulmány · anonimizált ügyfél
Napi ügyfélviselkedési intelligencia több vállalati adatforrásból
Rendszerbemutató: napi ügyfélintelligencia több adatforrásból, churn- és opportunity jelzésekkel.
Ügyfélkockázatok és következő teendők összekapcsolása a vállalati folyamatban.
Beszéljünk az AI-projektjéről ↗- Ügyfél / iparág
- Előfizetéses szoftverszolgáltató
- Vállalatméret
- Középvállalat
- Projektidőtartam
- Nem publikált adat
Kiindulási helyzet és üzleti probléma
Egy előfizetéses (SaaS) üzleti modellel működő középvállalatnál a lemorzsolódó (churn) ügyfeleket szinte mindig csak azután vették észre, hogy felmondták a szerződésüket. Az ügyféladatok tucatnyi különböző rendszerben szétszórva, "adatszigetként" hevertek: a számlák a billing rendszerben, a panaszok a ticketingben, az elkötelezettség pedig a termék-analitikában. A vezetőségnek hiába voltak profi Excel táblázatai és havi dashboardjai, a bajt mindig csak utólag, hó végén konstatálták. Amikor pedig egy ügyfélnél lett volna lehetőség egy upsell-re (mert épp kinőtték a csomagjukat), a sales csapat legtöbbször lemaradt róla a rengeteg adminisztráció miatt.
Megoldás és üzleti hatás
Mi változott a működésben?
Kialakítottunk egy integrált Machine Learning prediktív modellt (kiegészítve egy generatív AI magyarázó réteggel), amely napi szinten aggregálja az összes adatforrást. A rendszer most már nemcsak egy "78%-os lemorzsolódási kockázat" pontszámot dob vissza, hanem emberi nyelven le is írja: "Az ügyfél az elmúlt két hétben háromszor nyitott panaszjegyet sebességi hibák miatt, miközben az aktív felhasználóik száma rohamosan csökken." A rendszer ezeket az észleléseket automatikusan azonnal Action-ként betolja a megfelelő Account Manager CRM felületére egy "Next Best Action" (például egy felhívási javaslat) kíséretében. A churn rate a bevezetés utáni félévben meredeken zuhanni kezdett.
Architektúra
A rendszer felépítése
Az elemek külön felelősséggel, mérhető interfészekkel és naplózott állapotokkal kapcsolódnak.
01Batch és eseményalapú adatbetöltés
02Egységes ügyfélazonosítás
03Feature és scoring réteg
04Magyarázható churn/opportunity jel
05Napi vezetői riport és CRM action
Fejlesztett komponensek
Nem egy modell. Egy teljes működési lánc.
Szegmentáció
Viselkedési score
Jelmagyarázat
Next best action
Integrációk
CRM
Tranzakciós rendszer
Termék-analitika
Ticketing
Emberi kontroll
Adatminőségi kapuk
Score confidence
Emberi account owner döntés
Modelldrift
Bevezetés
Ügyfélazonosítás és baseline
Egy szegmens pilot
Vezetői riport
CRM action és további modellek
Tanulságok
01Az ügyfélazonosítás gyakran fontosabb, mint a modell
02A score mellé érthető ok és cselekvés kell
03A vezetői riportnak a CRM-folyamatba kell visszacsatolnia
30 perces projekt-egyeztetés
Hasonló rendszerben gondolkodik?
Közvetlenül műszaki és üzleti vezetőinkkel egyeztethet. Az első beszélgetéshez elég a megoldandó problémát ismernie.