Project Description

KLANTEN BEHOUDEN DOOR HET GEBRUIK VAN EEN PREDICTIVE CHURN-MODEL

CHURN PREDICTION VOOR EEN WERELDWIJDE LEVERANCIER VAN DUURZAME RUWE MATERIALEN

IN HET KORT

Bedrijven lopen veel mis wanneer klanten beginnen te “churnen”, bijvoorbeeld wanneer ze zich uitschrijven, producten bij concurrenten kopen of een contract opzeggen. Daarom is het cruciaal dat bedrijven dit vroegtijdig ontdekken, aangezien het werven van nieuwe klanten vaak meer kost dan het behouden van bestaande klanten.

Dankzij onze expertise in machine learning projecten kunnen onze experts een bestaand predictive churn-model optimaliseren of volledig vanaf nul ontwikkelen. Onlangs heeft één van onze Data Scientists een grote klant geholpen om hun bestaande model om te zetten in een slim en volledig geautomatiseerd model dat draait op Amazon Web Services (AWS). Met een nauwkeurige voorspellingstool kan onze klant onmiddellijk actie ondernemen en zodoende churn voorkomen. Voor een beter en duidelijk overzicht worden alle voorspellingsinzichten gevisualiseerd in een Power BI-dashboard. Zo krijgt onze klant een overzicht van de belangrijkste factoren die kunnen bijdragen aan churn, wat het churn-risico per klant is en waar de prioriteit ligt. Tijdens dit project hebben we onze klant geholpen met:

  • Machine learning
  • Power BI
  • Cloud deployment

HET CONCEPT

Om het model goed te optimaliseren, moesten we een “churn event” definiëren. Een churn-project maakt meestal gebruik van sociaal-demografische gegevens, historische transacties, interactie tussen klant en bedrijf en e-commerce gedrag. Voor dit project analyseerden we een enorme hoeveelheid historische data, verzameld over een periode van vier jaar. Vervolgens hebben wij de gegevens opgesplitst in tijdskaders van zes maanden om churn-events te identificeren. Daarna onderzochten we de periode waarin het ordervolume afnam en churn optrad, samen met andere interne en externe factoren die tot churn zouden kunnen bijdragen. Denk aan klachten over leveringen of de huidige inflatie die de markt beïnvloedt. We moesten ook data opschonen en de code opsplitsen in vele functionele eenheden die samenwerken. Op die manier weten we meteen waar een probleem zit en hoe we het moeten oplossen, in plaats van te zoeken naar een speld in een hooiberg.

DE UITDAGING

Met de huidige marktturbulentie wilde onze klant een duidelijk beeld hebben van de potentiële bedrijfsrisico’s. Het meest ideale scenario is natuurlijk om churn te voorkomen door de belangrijkste factoren te identificeren, waarmee de belanghebbenden onmiddellijk actie kunnen ondernemen. Dit betekent dat zij inzicht moeten krijgen in de belangrijkste factoren die tot churn kunnen bijdragen, wat de kans op customer churn is en welke kernfactor voorrang krijgt. Om ervoor te zorgen dat onze klant een beter en duidelijk overzicht krijgt van de voorspellingen, moesten alle inzichten worden gevisualiseerd in een gebruiksvriendelijk Power BI-dashboard.

MEDIAAN IN ACTIE

Tijdens dit project werkte onze Data Scientist nauw samen met onze klant, voornamelijk met hun Data Engineer en een stakeholder. Zij maakten gebruik van de volgende methoden en technologieën:

  • AWS Sagemaker -> Jupyter Notebook

  • AWS cloud formation en Step functions

  • AWS S3 buckets en Athena

  • AWS Glue Jobs

  • Python

  • Power BI

RESULTATEN

We hebben onze klant niet alleen ondersteund bij het volledig automatiseren en opnieuw opbouwen van het bestaande voorspellende churn-model, maar we hebben het model ook geïmplementeerd in de AWS-cloudomgeving. Bovendien kunnen belanghebbenden nu inzicht krijgen in de belangrijkste factoren die bijdragen aan churn, wanneer churn zal optreden en het churnpercentage van klanten, gevisualiseerd in een gebruiksvriendelijk Power BI-dashboard. De volgende stap is om het model verder te optimaliseren en robuuster te maken, zodat het nog nauwkeurigere voorspellingen oplevert.

Door middel van een nauwkeurig voorspellingsmodel kunnen bedrijven het gedrag van klanten analyseren en de kans op churning meten. Onze experts zorgen er altijd voor dat de oplossing toekomstbestendig en schaalbaar is.

WIL JE MEER WETEN?

ANDERE PROJECTEN