Arbeiten mit Unternehmen im Bereich Telekommunikation

Transkript

1 Arbeiten mit Unternehmen im Bereich Telekommunikation Minimieren der Abwanderungsrate in der Inhalt: 1 Analyse der Abwanderungsrate mithilfe von Data Mining 1 Analyse der Kundenabwanderungsrate mit IBM SPSS Modeler 2 Analysearten 3 Funktionsauswahl 5 Wert- und Rentabilitätsanalyse 8 Informationen zu IBM Business Analytics Als Abwanderungsrate bezeichnet man die Kundenfluktuation. Vom Phänomen der Abwanderung ist nicht nur der Telekommunikationsmarkt betroffen es tritt überall dort auf, wo aufgrund harten Wettbewerbs für Kunden der Anreiz besteht, zu einem anderen Anbieter zu wechseln. Insbesondere Kreditkartenunternehmen, Versicherungsgesellschaften und Internetdienstanbieter (Internet Service Provider, ISP) sind zunehmend von der Kundenabwanderung betroffen. Bei Internetdienstanbietern liegt diese Rate Andeutungen zufolge bei sage und schreibe 50 %, in der scheint sie sich um die 30-Prozent-Marke zu bewegen. Da in diesen Branchen derzeit keine Zuwächse zu verzeichnen sind, ist das Problem der Abwanderung hier sogar noch gravierender. Analyse der Abwanderungsrate mithilfe von Data Mining Um den hohen Kosten im Zusammenhang mit der Abwanderung den Kampf anzusagen, kann mithilfe immer ausgereifterer Techniken analysiert werden, warum Kunden abwandern und bei welchen Kunden künftig mit Abwanderung zu rechnen ist. Informationen dieser Art können sich Marketingabteilungen zu Nutze machen, um Anwerbekampagnen noch zielgerichteter zu gestalten. Zudem können sie den Telefonkundenstamm aktiv daraufhin überwachen, bei welchen Kunden aufgrund des jeweiligen Nutzungsmusters möglicherweise der Wechsel zu einem anderen Anbieter droht. Dank Data-Mining-Techniken können mithilfe leistungsstarker Modellierungsanalysen die Gruppen ausgemacht werden, die in die Kategorie Grund und Höchste Wahrscheinlichkeit fallen. In diesem Paper wird die typische Nutzung von Techniken dieser Art für den Kundenstamm eines Telekommunikationsanbieters erläutert. Analyse der Kundenabwanderungsrate mit IBM SPSS Modeler IBM SPSS Modeler ist eine so genannte Workbench zur Gewinnung neuer Erkenntnisse. IBM gilt in der Branche als führend, was die Kombination aus Integration von Data-Mining-Technologien und Benutzerfreundlichkeit angeht. Dank des intuitiven Ablaufs der Datenverarbeitung bei der Analyse können Modelle und Berichte erstellt werden, mit denen Probleme angegangen werden können, die sich anderenfalls komplex und zeitaufwändig gestalten würden. Werfen wir einen Blick auf folgendes Datenblatt:

2 Auswertung: Dieses Dokument enthält einen kurzen Überblick über die Nutzung des IBM SPSS Modeler-Systems zur Gewinnung neuer Erkenntnisse bei der Analyse der Kundenabwanderungsrate. Hinsichtlich weiterer Informationen finden Sie unter Hier besteht auch die Möglichkeit zur Kontaktaufnahme. Die Daten stehen für eine Stichprobe von Kunden mit Deskriptoren wie für Fern- und Ortsgespräche aufgewendete Minuten, Finanzdaten wie Rechnungsarten und Zahlungsmethoden sowie einigen Angaben zur Demografie, etwa Alter, Geschlecht und Einkommen. Aus dem letzten Feld mit der Bezeichnung Churned (Abgewandert) geht hervor, ob der Kunde die Nutzung aus eigenem Antrieb eingestellt hat (Vol) (Freiw) oder nach wie vor zahlender Kunde ist (Current) (Aktuell). Die Kunden der Kategorie InVol (Unfreiw) sind diejenigen, die vom Telekommunikationsanbieter aus anderen Gründen als der für uns interessanten Abwanderung ausgeschlossen wurden, etwa aufgrund von Zahlungsverzug usw. Es geht in unserem Fall jedoch darum, ein Profil der Kunden zu erstellen, bei denen die Wahrscheinlichkeit der freiwilligen Abwanderung am größten ist. Diese Daten geben Aufschluss über unterschiedliche Informationen zum Kunden. Im letzten Feld, Churned (Abgewandert) ist der aktuelle Status des jeweiligen Kunden angegeben. Anhand dieser Informationen wird ermittelt, bei welchen Kunden es mit der größten Wahrscheinlichkeit zur freiwilligen Abwanderung, also dem Wechsel zu einem anderen Anbieter, kommt. Analysearten Entscheidungsbäume und neuronale Netze sind Grundelemente fortschrittlicher Workbenches zur Gewinnung neuer Erkenntnisse. Diese Techniken können beim Abwanderungsproblem effizient eingesetzt werden. Mithilfe neuronaler Netze können komplexe Muster bei den unterschiedlichen Arten von Kunden aufgedeckt werden und dem Kundenstamm kann basierend auf einem Wert (also einer Wahrscheinlichkeit) hinsichtlich der Abwanderung jeweils ein Rang zugewiesen werden. So mächtig neuronale Netzwerke als Werkzeuge auch sein mögen, gestaltet sich ihre Interpretation jedoch als schwierig, und es ist alles andere als einfach, den Bewertungsvorgang des Kunden nachzuvollziehen. 2

3 Mit Entscheidungsbäumen entstehen hingegen sehr klar strukturierte und leicht interpretierbare Modelle, aus denen die aufgedeckten Muster für den Analysten ersichtlich sind. So kann beispielsweise mithilfe eines Entscheidungsbaum-Algorithmus die nachfolgend erläuterte Regel aufgedeckt werden. Wenn die Dauer von Auslandsgesprächen 10 Minuten beträgt und der Rechnungstyp Standard (Standard) lautet, ist die Abwanderungswahrscheinlichkeit hoch. Diese Regel kann zu aussagekräftigen Erkenntnissen führen: Es lohnt sich u. U., diesen Kunden anzurufen und die Umstellung auf einen anderen Rechnungstyp vorzuschlagen, der dem Umfang an Auslandsgesprächen besser entspricht. Neuronale Netze, Entscheidungsbäume und auch Cluster-Algorithmen können sich bei der Analyse der Kundenabwanderung als ausgesprochen nützlich erweisen. Funktionsauswahl Bei jeder Datenanalyse gibt es einen bestimmten Ablauf. Dieser setzt sich wie folgt zusammen: Definition geschäftlich relevanter Fragen In diesem Fall geht es um die Abwanderungsanalyse: Wer wandert ab? Und kann ein Plan zur Bekämpfung dieser Abwanderung ausgearbeitet werden? Zusammentragen von Daten In dieser Phase wird die Datenstichprobe erstellt. Das kundenseitige Telefonverhalten wird zusammengefasst und mit relevanten Demografie- und Rechnungsinformationen kombiniert. Funktionsauswahl Hier geht es sowohl darum, wenig aussagekräftige Attribute als auch Attribute ausfindig zu machen, die für die jeweilige Aufgabenstellung nicht relevant sind. Hierzu werden die Daten einer Sichtprüfung unterzogen und gemeinsam mit einem Domänenexperten die Attribute bestimmt, die sich mit größter Wahrscheinlichkeit auf die Abwanderungsentscheidung auswirken. Modellierung In dieser Phase werden die Modelle erstellt. Analysen- und Berichtserstellung IBM SPSS Modeler unterstützt sämtliche Aspekte der Abwanderungsanalyse, mit Ausnahme der Definition geschäftlich relevanter Fragen. Diese muss von Domänenexperten durchgeführt werden, da das eigentliche Geschäftsproblem für den Data- Mining-Vorgang ausschlaggebend ist. Nachdem die Daten aus unterschiedlichen Datenbankquellen zusammengetragen wurden, kann IBM SPSS Modeler für Visualisierung und explorative Analyse genutzt werden. Histogramme, Streudiagramme und Assoziationsdiagramme, mit deren Hilfe sich Muster aufdecken lassen, können erstellt werden. In der nachfolgenden Abbildung ist ein Assoziationsdiagramm (in einigen Fällen als Webdiagramm bezeichnet) dargestellt. 3

4 Je dunkler die Linie ist, die zwei beliebige Attributwerte miteinander verbindet, desto stärker ist die Assoziation. Es ist ersichtlich, dass bei Frauen die Wahrscheinlichkeit der Abwanderung hoch ist (Vol), bei Rechnungstypen für Ferngespräche hingegen scheint kaum ein Zusammenhang mit der Abwanderung zu bestehen (Current); dasselbe gilt für Rechnungstypen, bei denen Ortsgespräche kostenlos sind. Diese Art der Sichtprüfung der Daten ist häufig von unschätzbarem Wert, da der Unternehmensanwender auf diese Weise Muster aufdecken kann, von denen der Analyst bereits wusste, dass sie sich in den Daten verbergen: Ich habe schon immer vermutet, dass es bei diesem Tarif zur höchsten Abwanderungsrate kommt. Es handelt sich hierbei um ein Assoziationsdiagramm (auch als Webdiagramm bekannt). Hiermit können Sie die Sichtprüfung durchführen und sich so Einblick in die Muster verschaffen, die sich in den Daten abzeichnen. Im Anschluss an die explorative Datenanalyse folgt die Modellierung. Der Funktionsauswahl kommt besondere Bedeutung zu. Das Problem besteht darin, dass einige Modellierungsalgorithmen keine großen Mengen an Attributen verarbeiten können. Auf zahlreichen Datenblättern aus der Praxis gibt es möglicherweise hunderte von Attributen und dies kann dazu führen, dass der Modellierungsalgorithmus nicht den Erwartungen entspricht. Eine Möglichkeit besteht darin, die Anzahl der Attribute auf einen Kernsatz ausgesprochen aussagekräftiger Attribute zu verringern, und zwar mithilfe von Entscheidungsbäumen. Entscheidungsbäume (etwa C5.0 von IBM SPSS Modeler) können große Attributmengen problemlos verarbeiten. 4

5 Im nachfolgenden Screenshot ist ein IBM SPSS Modeler-Datenfluss zu sehen, mit dessen Hilfe die in diesem Paper enthaltenen Grafiken und Berichte erstellt wurden. Es handelt sich hierbei um einen IBM SPSS Modeler-Datenfluss, mit dessen Hilfe das Modell erstellt wurde. Nach erfolgter Auswahl des Kernsatzes an Attributen (ein Vorgang, der in IBM SPSS Modeler drei Schritte umfasst) kann das so genannte Training anhand der verbleibenden Attribute mithilfe eines neuronalen Netzes (bzw. eines anderen Bewertungsalgorithmus) erfolgen. Nach dem Training (auch dieser Vorgang ist in IBM SPSS Modeler kein Problem, da die Definitions- und Trainingsmechanismen allesamt automatisch ausgewählt werden) können die Kunden in eine Rangliste aufgenommen werden. Diejenigen mit hoher Abwanderungswahrscheinlichkeit stehen in diesem Fall oben, diejenigen mit der geringsten Abwanderungswahrscheinlichkeit (die treuen Kunden) unten. Wert- und Rentabilitätsanalyse Selbst nach der Erstellung der Bewertungsmodelle ist die Analyse noch lange nicht abgeschlossen. Aus einer gewissen Perspektive hat sie gerade erst begonnen. Der Grund dafür ist, dass ein Modell zur Abwanderungsbewertung auf viele Arten genutzt werden kann sie alle hängen von der jeweiligen unternehmerischen Aufgabe und dem angegangenen Problem ab. Wenn es darum geht, ungeachtet der Kosten sämtliche Kunden anzusprechen, ist gar kein Modell erforderlich. Wenn es darum geht, die Rendite eines Marketingbudgets (fester Betrag) zu erhöhen, ist die Modellierung von entscheidender Bedeutung. Jetzt fließen auch andere Aspekte ein, etwa, was der jeweilige Kunde dem Unternehmen wert ist. Wie soll man hinsichtlich Kunden vorgehen, bei denen die Abwanderungswahrscheinlichkeit 5

6 hoch ist, die ihr Mobiltelefon aber gar nicht nutzen? Wenn der Telekommunikationsanbieter mit diesem Kunden kein Geld verdient, sollte er nicht einfach auf ihn verzichten? Bei Kreditkartenunternehmen ist dieses Problem möglicherweise noch offensichtlicher. Hier sehen Sie ein Streudiagramm, in dem die Abwanderungswahrscheinlichkeit und der Kundenwert einander gegenübergestellt sind. In IBM SPSS Modeler können Berichte erstellt werden, die Aufschluss darüber gehen, wo bei zielgerichteten Kundenkampagnen die Grenze (in diesem Fall auch: eine Linie) zu ziehen ist, unter Berücksichtigung der Abwanderungswahrscheinlichkeit und dem Wert des jeweiligen Kunden (Rentabilität). Aus folgendem Diagramm geht die maximale Nettorendite bei einer zielgerichteten Kampagne hervor. In diesem Fall gibt es eine Linie, die für die maximale Nettorendite bei einer zielgerichteten Kampagne steht. 6

7 Die mittlere Linie gibt Aufschluss über den Nettokampagnengewinn, basierend auf Parametern wie den Kosten für die Kontaktaufnahme mit den einzelnen Kunden und dem Nachlass, der angeboten wurde, um den Kunden zum Bleiben zu bewegen. Weitere Faktoren, die für das spezifische unternehmerische Problem des Telekommunikationsanbieters relevant sind, können mühelos in die IBM SPSS Modeler-Analyse aufgenommen werden. Beim abschließenden Bericht kann es sich um eine Liste mit Kunden- IDs und einem prognostizierten maximalen Kampagnengewinn handeln (siehe nachfolgendes Beispiel). Hieraus geht hervor, dass ein Gewinn von US-Dollar erzielt wird, indem 50,1 Prozent des Kundenstamms gezielt angesprochen werden. (Hinweis: Die Liste der relevanten (für den jeweiligen Zweck interessanten) IDs wird nicht vollständig angezeigt.) Abschließend kann mit IBM SPSS Modeler eine Liste mit den IDs der Kunden generiert werden, bei denen eine künftige Werbekampagne am aussichtsreichsten ist. 7

8 Informationen zu IBM Die Software IBM liefert umfassende, einheitliche und korrekte Informationen, denen Entscheidungsträger zum Verbessern der Unternehmensleistung vertrauen. Ein umfassendes Portfolio aus Geschäftsvorteilen, fortgeschrittener Analytik, finanziellen Vorteilen und Strategiemanagement sowie Analyseanwendungen bietet Ihnen sofort klare und umsetzbare Einblicke in die aktuelle Leistung und gibt Ihnen die Möglichkeit, zukünftige Ergebnisse vorherzusagen. Als Teil dieses Portfolios unterstützt IBM SPSS Predictive Analytics Software Organisationen, zukünftige Ereignisse vorherzusagen und proaktiv auf Basis dieser Erkenntnisse zu handeln, um bessere Geschäftsergebnisse zu erzielen. Kunden aus den Bereichen Wirtschaft, öffentlicher Verwaltung und Lehre verlassen sich weltweit auf IBM SPSS Technologie als Wettbewerbsvorteil zur Kundengewinnung, -bindung und Erhöhung der Kundenumsätze bei gleichzeitiger Betrugsreduzierung und Risikominimierung. Durch die Integration von IBM SPSS Software in ihre täglichen Prozesse werden Organisationen zur Predictive Enterprise sie sind dadurch in der Lage Entscheidungen zu treffen und zu automatisieren, um die Geschäftsziele zu erreichen und einen messbaren Wettbewerbsvorteil zu gewinnen. Für mehr Informationen besuchen Sie bitte Copyright IBM Corporation 2010 IBM Corporation Route 100 Somers, NY Eingeschränkte Rechte für Mitarbeiter der US-Regierung Benutzung, Duplizierung und Veröffentlichung beschränkt durch GSA ADP Schedule-Vertrag mit IBM Corp. Hergestellt in den USA Mai 2010 Alle Rechte vorbehalten IBM, das IBM Logo, ibm.com, WebSphere, InfoSphere und Cognos sind Marken oder eingetragene Marken der International Business Machines Corporation in den USA und/oder anderen Ländern. Wenn diese oder andere eingetragene Markenbegriffe von IBM mit einem Markenzeichen ( oder TM) gekennzeichnet sind, wenn Sie zum ersten Mal in diesen Informationen vorkommen, weist dies darauf hin, dass es sich zum Zeitpunkt der Veröffentlichung dieser Informationen um in den USA eingetragene Marken oder Marken nach Gewohnheitsrecht von IBM handelt. Solche Marken können auch in anderen Ländern eingetragene Marken oder Marken nach Gewohnheitsrecht sein. Eine aktuelle Liste der Marken von IBM finden Sie im Internet unter Copyright and trademark information ( com/legal/copytrade.shtml). SPSS ist eine Marke von SPSS, Inc., an IBM Company, die in vielen Gerichtsbezirken weltweit eingetragen ist. Weitere Unternehmens-, Produkt- und Servicenamen können Marken anderer Hersteller sein Bereiten Sie bitte auf software YTW03085-DEDE-01