Kan AI hantera en signal om risk för kundbortfall?
Upptäck signalen automatiskt, låt AI sammanställa lägesbilden och låt en person som känner kunden ansvara för svaret.
5 stegTypisk mix: Behåll hos människorIllustrativ analysUppdaterad
Att förutse kundbortfall är den enkla halvan av problemet. En prognos för kundbortfall visar att en kund verkar vara på väg att lämna, men den säger inte vad du ska säga till kunden och kan definitivt inte säga det åt dig. Att hantera en signal om kundbortfall innebär egentligen fyra uppgifter: upptäcka, förstå, besluta och prata. Den första sköts med regler, den andra lämpar sig väl för AI och de två sista hör hemma hos en person som känner kunden och kan göra ett åtagande. Team som automatiserar upptäckten och låter människor sköta samtalen brukar reagera tidigare utan att låta som ett system. Börja med att definiera vilka signaler som faktiskt föregick tidigare kundbortfall i ditt företag.
Vad varje steg behöver
01● Standardautomatisering
Upptäck signalen
Minskad användning, kraftiga ökningar av antalet ärenden, fakturatvister, obesvarade mejl och avtalsdatum som närmar sig är strukturerade händelser. Tröskelvärden och enkla regler fångar upp dem tillförlitligt, och en modell för att förutsäga kundbortfall kan läggas till senare om reglerna visar sig vara för grova.
⛨Signaler definieras utifrån ditt företags tidigare kundbortfall, testas mot dessa och granskas för falsklarm innan någon ombeds agera på dem.
02● Lämpligt för AI
Skapa en helhetsbild av kunden
AI sammanfattar de senaste ärendena, mejlen, användningsuppgifterna och anteckningarna till en översikt på en sida över vad som har förändrats. Modellen gör störst nytta genom att snabbt läsa igenom uppgifter från olika poster, så att den ansvariga kommer väl förberedd.
⛨Varje påstående länkar till en källa, och modellen markerar osäkerhet i stället för att gissa kundens humör eller avsikt.
03● Behåll hos människor
Bestäm om och hur du ska ta kontakt
Om någon ska ringa, vem som ska ringa och vad som ska erbjudas kräver bedömningar av kundrelationen. Ett felsteg här kan påskynda det kundbortfall som signalen var tänkt att förhindra.
⛨Den kundansvariga fattar beslutet inom avtalad tid, och alla erbjudanden följer din godkännandepolicy.
04● Behåll hos människor
För samtalet
Att lyssna på vad som gick fel och komma överens om en väg framåt är mänskligt arbete. Kunden behöver känna sig hörd av en person, inte bearbetad av ett arbetsflöde.
⛨Den ansvariga har en överblick över kunden och ett tydligt mandat före samtalet, och dokumenterar resultatet efteråt.
05● Mänsklig granskning
Följ upp skriftligt och logga resultatet
AI skriver utkast till uppföljningsmejlet och kundanteckningen utifrån den ansvarigas sammanfattning av samtalet. Den ansvariga redigerar och skickar, och resultatet återförs till signaldefinitionerna.
⛨Inget skickas utan att den ansvariga har läst det, och det loggade utfallet visar om signalen var verklig så att reglerna kan justeras.
Ett vettigt första experiment
Aktivera två eller tre signaler för ett segment och skicka dem till de kundansvariga som en daglig sammanställning med AI:s kundöversikt bifogad. Notera för varje flaggat kundkonto om den ansvariga höll med om att risken var verklig, om personen tog kontakt och vad som hände. Justera tröskelvärdena efter en månad och överväg först då en modell.
Fällan att undvika
Att automatisera reaktionen. En signal om risk för kundbortfall som utlöser ett rabattmejl eller en enkät utan att en person först fattar beslut visar kunden exakt hur lite uppmärksamhet hen får.
Frågor teamen ställer
Kan AI automatiskt reagera på en signal om kundbortfall?
Den kan förbereda svaret, inte skicka det. AI kan sammanställa en kundöversikt och skriva ett mejlutkast åt den kundansvariga, men ett automatiserat meddelande till en missnöjd kund innebär att riskera relationen. Beslutet att ta kontakt, samtalet och eventuella eftergifter ligger kvar hos en person som känner kunden och har mandat att göra åtaganden.
Vilka signaler om kundbortfall bör vi följa först?
Titta på de tio senaste kunderna du förlorat och skriv ner vilka tecken som syntes månaderna innan de lämnade. Vanliga signaler är en ihållande minskning i användning, att en intern förespråkare slutar, en kraftig ökning av ärenden eller ett olöst eskalerat ärende, bestridda fakturor och tystnad inför en förnyelse. Börja med de två eller tre signaler som dök upp oftast och lägg till resten när de ansvariga litar på aviseringarna.
Behöver vi maskininlärning för att förutsäga kundbortfall?
Inte från början. Att förutsäga kundbortfall med maskininlärning lönar sig när du har tillräckligt med historiska kunddata att lära av och de enkla reglerna inte längre ger bättre resultat. Fram till dess tillför en modell kostnader och minskad insyn utan att förändra vad den ansvariga gör härnäst. Ta fram reglerna, logga utfallen och låt den historiken avgöra om en modell är motiverad.
Vägledning med exempel på arbetsflöden från Arcgent. Varje företag behöver en egen bedömning. Inga påståenden om integrationer eller besparingar har verifierats för dina system.