Churn Prediction: รู้ก่อนว่าลูกค้าคนไหนกำลังจะจากไป ตอนที่ยังรั้งทัน

ลูกค้าแทบไม่เคยจากไปกะทันหัน พวกเขาส่งสัญญาณล่วงหน้าเสมอ ใช้งานน้อยลง ซื้อห่างขึ้น เลิกเปิดอีเมล การวิเคราะห์ Churn คือการอ่านสัญญาณเหล่านี้อย่างเป็นระบบ เพื่อยื่นมือเข้าไปตอนที่ยังเปลี่ยนใจกันได้
ธุรกิจส่วนใหญ่รู้ว่าลูกค้าหายไปก็ต่อเมื่อเขาหายไปแล้ว ซึ่งเป็นจังหวะที่สายเกินไปเสมอ เพราะการดึงลูกค้าเก่ากลับมายากและแพงกว่าการรั้งไว้หลายเท่า ความจริงที่เป็นประโยชน์คือ การจากไปแทบไม่เคยเกิดกะทันหัน ลูกค้าที่กำลังจะเลิกใช้บริการมักทิ้งร่องรอยไว้ก่อนเป็นสัปดาห์หรือเป็นเดือน ความถี่การใช้งานลดลง ยอดต่อครั้งเล็กลง ระยะห่างระหว่างการซื้อยืดออก เลิกเปิดอีเมล หรือติดต่อฝ่ายบริการด้วยโทนที่เปลี่ยนไป Churn Prediction คือการเปลี่ยนร่องรอยเหล่านี้จากสิ่งที่เห็นย้อนหลัง เป็นสัญญาณเตือนล่วงหน้า
เริ่มจากนิยามและสัญญาณง่าย ๆ ก่อนถึงโมเดล
ก่อนพูดถึงโมเดลพยากรณ์ ต้องตอบคำถามพื้นฐานที่หลายธุรกิจข้ามไป คือ Churn ของเราหมายถึงอะไร ธุรกิจสมาชิกรายเดือนนิยามง่ายคือการยกเลิก แต่ร้านค้าทั่วไปต้องเลือกเอง เช่น ลูกค้าที่ไม่ซื้อเกินเก้าสิบวันถือว่าหายไป เมื่อนิยามชัด จุดเริ่มที่ได้ผลไวคือกติกาง่าย ๆ จากสัญญาณที่ชัดที่สุด เช่น ลูกค้าประจำที่เคยซื้อทุกเดือนแต่เงียบไปหกสิบวัน ให้ขึ้นรายชื่อติดตามทันที แค่นี้ก็มักดีกว่าไม่ทำอะไรอย่างมหาศาล เมื่อระบบง่ายพิสูจน์คุณค่าแล้ว ค่อยยกระดับเป็นโมเดลที่ถ่วงน้ำหนักหลายสัญญาณพร้อมกัน สิ่งสำคัญที่สุดกลับไม่ใช่ความแม่นของคะแนน แต่คือการมีขั้นตอนรองรับ รายชื่อเสี่ยงที่ไม่มีใครโทรหา มีค่าเท่ากับไม่มีรายชื่อ
- นิยาม Churn ของธุรกิจตัวเองให้ชัดก่อน แล้วค่อยวัดและพยากรณ์
- เริ่มจากกติกาง่ายบนสัญญาณชัด ๆ ก่อนลงทุนทำโมเดล
- จับคู่รายชื่อเสี่ยงกับการกระทำเสมอ ใครติดต่อ ด้วยข้อเสนออะไร
Churn Prediction เป็นหนึ่งในงานวิเคราะห์ข้อมูลที่คืนทุนไวที่สุด เพราะมันชี้เป้าการใช้เงินไปที่จุดที่เปลี่ยนผลลัพธ์ได้จริง ลูกค้าเก่าที่รั้งไว้ได้หนึ่งคน มักมีมูลค่ามากกว่าลูกค้าใหม่หนึ่งคนจากโฆษณา สำหรับธุรกิจที่มีข้อมูลการซื้อหรือการใช้งานอยู่แล้ว คำถามเริ่มต้นไม่ใช่ต้องซื้อเครื่องมืออะไร แต่คือวันนี้เรารู้ไหมว่าลูกค้าประจำคนไหนเงียบไปนานผิดปกติ ถ้ายังตอบไม่ได้ นั่นคือรายงานฉบับแรกที่ควรสร้าง
บริการที่เกี่ยวข้อง
บริการ Data Dashboard & Analytics
ออกแบบแดชบอร์ดและวิเคราะห์ข้อมูล ให้เห็นภาพธุรกิจและตัดสินใจได้ด้วยตัวเลข
WhaleScope
ดูโครงสร้างตลาดของทุกหมวดธุรกิจไทย บน WhaleScope
รายชื่อบริษัท ผู้เล่นรายใหญ่ และอัตราคงอยู่ของแต่ละหมวด — จากข้อมูลจดทะเบียน 2 ล้านนิติบุคคล
อ่านต่อ

ยิมไม่ได้แพ้กันที่เครื่องออกกำลัง แต่แพ้กันที่ใครรู้ก่อนว่าสมาชิกกำลังจะหาย
สมาชิกที่ไม่ต่ออายุแทบไม่เคยหายไปกะทันหัน เขาค่อยๆ มาน้อยลงก่อนหลายสัปดาห์ บทความนี้อธิบายการใช้ข้อมูลเช็คอินและวันหมดอายุ เพื่อชวนต่อในจังหวะที่ยังดึงกลับได้

Cohort Analysis: ดูลูกค้าเป็นรุ่น แทนค่าเฉลี่ยที่หลอกตา
ค่าเฉลี่ยรวมซ่อนความจริงไว้มาก ลูกค้าที่เข้ามาเดือนนี้อาจอยู่กับคุณนานกว่าหรือสั้นกว่าเดิมมาก Cohort Analysis แยกลูกค้าเป็นรุ่นตามช่วงเวลา ทำให้เห็นแนวโน้มที่ค่าเฉลี่ยกลบไว้

โรงเรียนกวดวิชาไม่ได้แพ้กันตอนรับสมัคร แต่แพ้กันตอนจบคอร์ส: วิธีวัดและยกอัตราต่อคอร์สที่ถูกลืม
สถาบันสอนส่วนใหญ่ทุ่มงบหาน.ร.ใหม่ แต่ไม่เคยวัดว่านักเรียนเดิมหายไปกี่เปอร์เซ็นต์ตอนจบคอร์ส ทั้งที่การต่อคอร์สแทบไม่มีต้นทุน บทความนี้ให้ตัวเลขที่ต้องวัด ตัวอย่างที่สิบห้าจุดของอัตราต่อคอร์สเท่ากับเงินแสนต่อรอบ สี่เหตุผลจริงที่ผู้ปกครองไม่ต่อ และระบบชวนต่อที่เริ่มก่อนคอร์สจบ ไม่ใช่หลังหายไปแล้ว

การเบิกงวดงานและเงินประกันผลงาน: กระแสเงินสดของงานก่อสร้างที่ต่างจากธุรกิจทั่วไป
งานก่อสร้างไม่ได้จ่ายเงินครั้งเดียวจบ แต่เบิกเป็นงวดตามงานที่ทำเสร็จ และเจ้าของงานหักเงินประกันผลงานไว้ส่วนหนึ่งจนจบโครงการ ผู้รับเหมาที่ไม่เข้าใจจังหวะเงินนี้มักขาดสภาพคล่องทั้งที่งานไปได้ดี การบริหารการเบิกงวดและเงินประกันจึงเป็นหัวใจของการอยู่รอด
