Churn Prediction. Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen. CRM & Research / Ing. Werner WIDHALM.

Transkript

1 Churn Prediction Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen CRM & Research / Ing. Werner WIDHALM Juni 2012

2 Datamining in der Bank Austria Datamining Anwendungsgebiete im CRM der Bank Austria Bedarfsoptimierte Kundenansprache - Kaufwahrscheinlichkeiten - Best Offer (Amazon-Logik) Kundenprofilierungen - Kunden mit bestimmten Produktbesitz Clusteranalysen - Filialclusterungen - Segmentierungen (Verhalten/Wert) - Kundenzufriedenheitsanalysen Kundenanalysen Business Questions - Kundenpotentiale Churn Prediction - Affluent - Mass Market - Small Business - Private Banking 2

3 Der Customer Analytical Record ist die Basis für s Datamining Customer Analytical Record - CAR CRM Data Mart CAR etwa Variablen pro Kunde Analytische Kalkulationen Vergleich mit historischen Daten Kundendaten Verhaltensindex Produktdaten Umsatzberechnungen Kalkulationsdaten.. Veränderungen zu Vormonat.. Historischer CAR (letzten 24 Monate) 3

4 Churn Prediction Erkennen gefährdeter Kunden Selektion Abgewanderte Kunden werden ausgewählt und selektiert Attribute 1..x Attribute 1..x Attribute 1..x Datenbasis schaffen Die Eigenschaften dieser selektierten Kunden werden 3 Monate vor der Abwanderung abgebildet Modell anwenden Je ähnlicher ein bestehender Kunde einem Abgewanderten in seinen Attributen ist, desto höher ist die Abwanderungswahrscheinlichkeit (Score) Attribute 1 Attribute 2 Attribute x Modell bauen Bei der Entwicklung des Modells werden diese Kunden mit allen anderen Kunden verglichen Die Attribute werden unterschiedlich gewichtet Am Ende zeigt das Modell den Kunden mit der höchsten Abwanderungswahrscheinlichkeit 4

5 Churn Prediction wie wird Abwanderung definiert? 3 Monate Technische Abwanderung des Kunden (Saldierung letztes Geschäft) Abwanderung = Kündigung von Hauptgeschäften Historische Momentaufnahme des Kunden Objektiv betrachtet verlieren wir die Kunden schon vor der tatsächlichen Abwanderung Unsere Modelle haben nun das Ziel, den Zeitpunkt der Kündigung von Hauptgeschäften zu prognostizieren Analysen zeigen, dass dadurch noch Zeit für Kundenbindungsmaßnahmen bleibt Betrachtung nach Geschäftsmodellen (Affluent, Mass Market, Small Business Private Banking) 5

6 Churn Prediction Modellperformance (1) Die Modellperformance wird an historischen Daten evaluiert Datenbasis ist unser historischer Customer Analytical Record - CAR Das Modell wird zu einem bestimmten Stichtag in der Vergangenheit eingesetzt Ziel ist, Kunden zu identifizieren, welche 3 Monate später abwandern könnten Danach wird gemessen, wie viele Kunden von den vorgeschlagenen auch tatsächlich die Bank verlassen haben Das Ergebnis wird in einer Grafik dargestellt Die Kunden werden in Perzentile eingeteilt Die Abwanderungswahrscheinlichkeit ist im Perzentil 100 relativ am höchsten 6

7 Churn Prediction Modellperformance (2) Kundenanzahl (in %) 67% 37% Perzentile (Churnwahrscheinlichkeit)

8 Churn Prediction Modellperformance (3) Die wichtigsten Variablen und das Kundenprofil des Affluent-Churn-Modell Die wichtigsten Modellvariablen Kunde inaktiv (Produktkauf) Alter > 63 Jahre Hat in den letzten Monaten ein Geschäft gekündigt, bzw. Kapital abgezogen Kundenprofil Länger als 30 Jahre Kunde bei der Bank Häufiger Betreuerwechsel Geringe Bankverflechtung Letzter Kontakt vor mehr als einem Jahr 8

9 Churn Prediction der Kundenbindungsprozess Erledigt CRM Kampagnen (monatlich) Kunde unzufrieden, konkretes Anliegen Delegation an Filiale/ Ombudsstelle 10% durch Filialleiter/ Betreuer Erledigt durch Ombudsstelle 8% Kontakt durch CallCenter Erledigt 2% durch CallCenter Kunde zufrieden, kein Anliegen 90% 9

10 Churn Prediction das Ergebnis 2011 Betrachtungszeitraum Jänner Dezember nicht gefährdet abgewandert 3,6% Kundenbasis in Kampagnen % abgewandert 1,7 % gefährdet abgewandert 6,7% 10

11 Der EXIT-Prozess die Ex -Kundenbefragung Frage: Wo liegen die Gründe für Ihre Kontokündigung (Mehrfachantworten möglich) Konditionen 30% Ich bin mit den Konditionen unzufrieden Lebensumstände 26% Meine Lebensumstände haben sich geändert Betreuung 22% Ich bin mit der Betreuung unzufrieden Bank 15% Ich bin mit der Bank Austria insgesamt unzufrieden Produkte 7% Ich bin mit den Produkten unzufrieden 11