A válságban hamarabb felmond a magyar

Hosszú évek felmérései és tapasztalatai igazolják, hogy egy ügyfél megtartásának költsége töredéke az új ügyfél megszerzési költségének. A vállalatok tisztában vannak azzal is, hogy minél kevesebb idő telik el az elégedetlen ügyfelek elvándorlási szándékának felismerése és a probléma megoldása között, annál hatékonyabban lehet megakadályozni az ügyfél elvándorlását.

Az SPSS Magyarország és a DataResearch esettanulmányai kimutatták, hogy míg az elvándorlást tervezők 37%-át meg lehet tartani testreszabott ajánlattal, ez az arány a felmondás pillanatában lecsökken 15%-ra, és az esetek 83%-ában kevesebb, mint két hónap telik el egy panasz vagy elégedetlenségi tényező szolgáltatóval való közlése és a lemondás között.

Fel kell készülni arra, hogy ezek a folyamatok a válság esetén kiszámíthatatlanabbá, hektikusabbá, jóval több tényező által befolyásolttá válnak és lerövidülnek.

A CRM-alapú ügyfélkezelés előnyei békeidőben is jelentősek. A prediktív elemzési megoldások jelentősége ugyanakkor még jobban felértékelődik válság idején, a túlélési stratégiákban. A CRM megoldásokat alkalmazó, prediktív gondolkodást előtérbe helyező vállalatok arra törekedtek, hogy különféle strukturált adatbázisokat használó, adatbányászati technikákkal kiegészített, és piackutatási tevékenységgel megtámogatott modellek segítségével próbálják előre jelezni ügyfeleik elvándorlási (churn) szándékát, motivációit és testreszabott, egyedi ajánlatokkal és ügyfélkezelési technikákkal próbálják meg azokat megtartani.

Nem szabad azt sem elfelejteni, hogy az ügyfélszám-maximalizálás nem lehet egyedüli cél. Amennyiben nem párosul az ügyfélélettartam és az ehhez kapcsolódó ügyfélérték maximalizálásával, könnyen torz és ennek eredményeképpen alacsony hatékonyságú (vagy akár veszteséges) ügyfélportfólió kialakulásához vezethet.

Ez tehát azt jelenti, hogy az adatbányászati és modellezési technikáknak nem csupán a churn-valószínűségek kiszámítására kell koncentrálniuk, hanem az ügyfélérték meghatározásában, valamint a termékszegmensek, ügyfélszegmensek, kockázatértékelési szempontok kialakításában is segítséget kell nyújtaniuk.

Visszakapcsolódva a gazdasági válságban rendelkezésre álló és várhatóan jóval rövidebb időtartamokhoz és az ügyfélérték meghatározásában szerepet játszó események, motivációk megváltozásához: „A közeljövőben két kulcsfontosságú tényezőt kell figyelembe venniük a CRM-központú cégeknek, vállalkozásoknak – hangsúlyozta Körmendi György, az SPSS Magyarország ügyvezető igazgatója.
„Egyrészt olyan – adatbányászatra épülő – öntanuló prediktív, úgy nevezett Real-time (Real-time decision) modelleket, modellezési eljárásokat kell integrálniuk ügyfélkezelő rendszereikbe, amelyek folyamatosan monitorozzák saját teljesítményüket, azaz bizonyos feltételek teljesülése esetén újratanulnak az új adatokon, vagyis képesek megfelelő sebességgel beépíteni a felgyorsult változások, események hatásait.  Így újra tudják számolni - és egymáshoz képest optimalizálni -  a churn-valószínűségeket és ügyfélértékeket. Másrészt az idő szorításából adódóan el kell szakadni a kizárólag strukturált adatokra építő modellezési és CRM rendszerektől, és meg kell ragadni a strukturálatlan adattömegben rejlő minden olyan lehetőséget, amellyel a lehető leggyorsabban információhoz juthatunk ügyfeleink véleményéről, szándékairól, elégedettségük és elégedetlenségük okairól és mértékéről.”

Ebből a szempontból egyik legkézenfekvőbb megoldásként lép elő a szövegbányászat akár hangbányászattal kombinálva, ami szöveges adatok, call center jegyzetek és felvételek, vállalati feljegyzések, fórum- és blogbejegyzések, , adatbázisokba történő rendezését, és ezen keresztül adatbányászai és modellezési eljárásokba való bevonását teszi lehetővé.

Az azonnali és késleltetett hatásait tekintve várhatóan egy-két évig is elhúzódó válsághelyzetben tehát azoknak a piaci szereplőknek lesznek jobb túlélési esélyeik – és fokozottan igaz lehet ez a szolgáltatásban tevékenykedőkre –, akik a lehető legtöbb forrás információit használják fel. Emellett olyan adatbázisokkal dolgoznak, amelyeken azonnal tanulni képes modellezési eljárások segítik a legmagasabb ügyfélérték melletti, azaz legoptimálisabb ügyfélportfólió kialakítását, és amelynek legfontosabb eleme a hatékony ügyfélmegtartás vagy éppen -elengedés.