Les modèles de fidélisation des clients sont sans doute les modèles les plus précieux que les organisations peuvent développer pourLer mais

Modele retenue de garantie

Especificação

Les modèles de fidélisation des clients sont sans doute les modèles les plus précieux que les organisations peuvent développer pour améliorer la rentabilité globale des clients. La capacité de cibler les clients de grande valeur qui sont les plus susceptibles de se désaffecter ou de devenir inactifs permet aux organisations de hiérarchiser les ressources limitées dans une stratégie de rétention globale. Avec les clients maintenant marqués en termes de leur valeur et le risque de défection, les tests peuvent être maintenant employés à travers différents groupes ou segments de clients que nous essayons de trouver si oui ou non les taux de l`économie diffèrent à travers ces groupes. Dans la plupart des cas, nous savons que les taux d`économies varient, d`où la nécessité d`un modèle de levage net. Le concept ici est de développer des outils de ciblage ou d`analyse prédictive qui non seulement ciblent qui est le plus susceptible de défaut, mais aussi si oui ou non nous pouvons les sauver. NET Lift et l`approche dans la création de ces outils ont été discutés comme des thèmes populaires à de nombreuses conférences d`analyse prédictive. Ce qui n`a pas été discuté à grande longueur est le concept réel de rétention. La rétention est un terme nébuleux et sa définition peut varier considérablement d`une organisation à l`organisation. La rétention des clients comme une définition serait un exercice facile si nous nous sommes appuyés sur le client pour indiquer réellement ne plus être un client. TAGS: calculer le taux de rétention, la rétention des applications mobiles, le taux de rétention les modèles prédictifs pour la rétention ne sont certainement pas un processus simple. La littérature continue de souligner la nécessité non seulement de la science des données techniques et des compétences mathématiques, mais aussi la nécessité d`un sens aigu des affaires ou du moins l`appétit du chercheur de données pour acquérir plus de connaissances sur l`entreprise. Les modèles de rétention représentent un exemple classique de ce besoin où le comportement de rétention différera entre les industries et dans certains cas entre les entreprises. De toute évidence, les meilleures solutions de rétention seront développées par les praticiens qui aspirent à ce rôle hybride d`être à la fois savvy Business aux côtés de leurs compétences approfondies en science des données techniques.

Recherche par Retention science montre que l`abonnement bat la vente au détail et “Flash Sales” pour la fidélisation de la clientèle Jao est PDG de retention science, un fournisseur de technologie de marketing avec un accent particulier non sur l`acquisition de clients, mais sur le désistage des clients-qui implique aussi, comme le dit Jao, l`acquisition du bon type de clients en premier lieu. Recherche publiée par Retention science aujourd`hui propose qu`un modèle d`abonnement est supérieure à la vente au détail-et de loin supérieure à traiter-style “ventes flash”-quand il s`agit de fidélisation de la clientèle. La rétention classique, également connue sous le nom de jour N ou rétention par jour, est le pourcentage de nouveaux utilisateurs qui reviennent un jour spécifique. Si vous lancez une campagne d`acquisition d`utilisateurs d`une journée et que vous souhaitez mesurer l`adhérence de ces nouveaux utilisateurs acquis par le biais de la campagne, Classic retention est la méthodologie que vous devez utiliser. Si vous voulez examiner la rétention quotidienne au lieu de la rétention d`un jour spécifique, envisagez de faire une moyenne de plusieurs jours ensemble pour minimiser le bruit quotidien. Par exemple, la moyenne des 15 derniers dimanches vous donnera le comportement moyen d`un nouvel utilisateur qui utilise d`abord l`application un dimanche. Alternativement, la moyenne tous les jours dans un mois vous donnerait le taux de rétention moyen des nouveaux utilisateurs qui ont d`abord utilisé l`application ce mois-ci. Jao a fondé Retention science pour utiliser les données des clients pour créer des stratégies de fidélisation des clients. Il a plusieurs clients avec des modèles d`abonnement fort (dollar Shave Club, et honnête, par exemple). La nouvelle recherche montre que 72 pour cent des abonnés de souscription n`ont pas fait un achat répété dans les 12 mois suivant leur premier achat, par opposition à 91,5 pour cent des clients réguliers de détail et 93,8 pour cent des clients de ventes flash. Ils l`ont présenté lors de leur Roadshow autour des Jeux olympiques, en utilisant des échantillons et des sons des jeux eux-mêmes.

Les utilisateurs pourraient alors prendre l`enregistrement MP3 avec eux et le partager via les médias sociaux. Les résultats? 16 500 visites à la version Web et 1 780 000 impressions Facebook.