Yapay zeka ile müşteri kaybı (churn) tahmini ve önleme

Bir müşteriyi kaybettiğinizi çoğu zaman onu kaybettikten sonra öğrenirsiniz. Oysa gidişin provası haftalar önce başlamıştır: sipariş aralığı uzar, giriş seyrekleşir, e-postalar açılmadan kalır. Sinyal ortadadır, bakan yoktur. Churn, yani müşteri kaybı, bir müşterinin ürününüzü kullanmayı bırakmasıdır: aboneliğini yenilememesi, tekrar sipariş vermemesi, hesabını hareketsiz bırakması. Tek müşteride küçük görünür. Aynı sızıntı on iki aya yayıldığında, yıl başında kazanmak için uğraştığınız müşterilerin bir kısmını yıl sonunda sessizce kaybetmiş olursunuz. Bilinen refleks, müşteri tam gitmek üzereyken devreye girer: bir indirim, bir kampanya, "sizi kaybetmek istemeyiz" e-postası. O aşamada karar çoktan verilmiştir. Son dakika teklifi gideni çoğu zaman durdurmaz; zaten kalacak olana da indirim yapıp marjı düşürür. Churn analizi aslında neyi çözer? Kaybı sonradan fark eden işletmeyle önceden gören işletmenin elinde çoğu zaman aynı veri vardır. Aralarındaki fark, o veriye ne zaman baktıklarıdır. Bu yüzden "kim gidecek" sorusu göründüğü kadar işe yaramaz. Bir müşterinin gideceğini kesin söyleyebildiğiniz noktaya geldiğinizde, onu tutmak için genellikle geç kalmışsınızdır. Daha kullanışlı bilgi erken gelir: bu müşterinin ayrılma riski hangi hafta yükselmeye başladı. Yapay zekanın verdiği asıl şey bir isim listesi değil, araya girmek için zaman kazandıran o erken penceredir. Yapay zeka müşteri kaybını nasıl tahmin eder? Model tek bir soruyu çalışır: daha önce ayrılanlar, ayrılmadan önce nasıl davranmıştı. Giden müşterilerin son aylarındaki davranışıyla hâlâ kalanların davranışını ka…