📉 AI Klantverloop Lab
Een casestudysimulatie van een verloopvoorspellingsmodel: pas de drempel van de risicoscore voor een retentieaanbod aan en bekijk de afweging tussen campagnekosten en behouden omzet.
Casestudy: wie krijgt de korting?
Deze casestudy simuleert een abonnementsbedrijf dat een verloopvoorspellingsmodel gebruikt om te beslissen welke klanten een retentieaanbod krijgen, meestal een korting, vóór hun volgende factureringscyclus. Elke actieve abonnee heeft een door het model voorspelde verloop-risicoscore en een werkelijke onderliggende kans om daadwerkelijk te vertrekken, die de modelscore slechts benadert.
Elke klant die mogelijk vertrekt een korting aanbieden is duur en onnodig, aangezien veel klanten met een laag risico toch nooit zouden vertrekken. Aan niemand korting aanbieden bespaart die kosten, maar laat echt risicovolle, waardevolle klanten onbehandeld vertrekken. De drempel van de risicoscore voor het activeren van een aanbod is de hendel die bepaalt welke klanten het daadwerkelijk ontvangen.
Dit lab simuleert tweeduizend abonnees met een realistisch verschil tussen voorspelde score en werkelijke verloopkans, en laat je de drempel rechtstreeks verplaatsen, terwijl je bekijkt hoeveel klanten een korting krijgen aangeboden, hoeveel daarvan het aanbod daadwerkelijk behoudt, en de netto waarde van de campagne.
Veelgestelde vragen
Waarom niet elke klant een retentiekorting aanbieden?
Korting geven aan elke klant, inclusief de grote meerderheid die toch nooit zou vertrekken, verspilt omzet aan klanten die het bedrijf sowieso had behouden.
Waarom niet helemaal geen retentieaanbiedingen doen?
Het overslaan van gerichte retentieaanbiedingen betekent het verliezen van echt risicovolle, waardevolle klanten die met zelfs een bescheiden stimulans hadden kunnen blijven, tegen een kost die meestal veel lager is dan het vervangen van een verloren klant.
Is een verloop-risicoscore hetzelfde als de werkelijke verloopkans?
Nee — de voorspelde risicoscore van een model is een schatting die correleert met de werkelijke verloopkans, maar nooit perfect accuraat is, waardoor sommige klanten met een lage score toch vertrekken en sommige met een hoge score blijven.
Hoe wordt de waarde van een retentiecampagne berekend?
Meestal als de waarde van behouden klanten die anders zouden zijn vertrokken, minus de kosten van aanbiedingen aan klanten, inclusief velen die sowieso zouden zijn gebleven, ongeacht de korting.
Hoe stellen bedrijven de drempel in de praktijk in?
Bedrijven modelleren meestal de verwachte campagnewaarde over verschillende drempels met behulp van historische verloop- en aanbodresponsgegevens, en kiezen dan de drempel die de netto waarde maximaliseert in plaats van simpelweg het aantal behouden klanten.
2000 gesimuleerde klanten hebben een werkelijke verloopkans getrokken via een sigmoïde transformatie van een normale verdeling, en een door het model voorspelde score die correleert met, maar ruisiger is dan, de werkelijke waarde. De drempel bepaalt wie een gesimuleerd retentieaanbod ontvangt, wat de effectieve verloopkans met een vast relatief bedrag verlaagt, en de netto campagnewaarde verrekent aanbodkosten met behouden abonnementsomzet.
Canvas 2D · vanilla JavaScript · 60 FPS target · runs fully client-side, no install