安吉拉是一家保險公司呼叫中心的助理，自新冠疫情以來，她一直在家工作。在最初的幾個月里，她的網(wǎng)絡很差。她試圖聯(lián)系目前運營商的技術支持，但由于安吉拉所在地區(qū)的所有人都轉為家庭辦公，需求增加，電話一直占線。

繼三番五次打不通電話、郵件得不到回復后，她放棄了，轉而選擇了另一家運營商，這家運營商有現(xiàn)成的方案能滿足她的需求。根據(jù)凱捷管理顧問公司的研究，有成千上萬的家庭經(jīng)歷了和安吉拉一樣的情況。有幾十家公司因為一百萬個小問題或幾個大問題失去了他們的客戶。

要是有一個客戶服務代表知道客戶的困難并能及時采取行動，情況可能就會有所不同。當然，員工不可能持續(xù)追蹤每一個終端用戶并且掌握他們目前與公司的關系。但是只要使用正確的技術就可以做到。

本文中，我想分享我的公司馬克思比爾最近為一個合作伙伴開發(fā)一個流失預測模型的案例。其成功率證明準確率高達97%，有兩個主要使用點將使客戶受益。

結合多種算法的單一模型

數(shù)據(jù)收集和后續(xù)評估有多種方法。我們?yōu)樘囟ǖ目蛻粼诩煞椒ㄖ薪Y合了許多不同的算法。這種模式包括：

• 決策樹分類器
• KNeighbors分類器
• 邏輯回歸
• 隨機森林分類器
• 投票分類器

控件在歷史數(shù)據(jù)上運行的結果表明流失預測的準確率高達97%。我們計劃用額外的人工數(shù)據(jù)來豐富模型，并用它來鑒定處于風險中的客戶。這樣可以進一步將它們包括在保留過程中。

客戶保留用例：如果對特定情況沒有明確了解，創(chuàng)建模型將毫無用處。

按客戶計算：與客戶關系管理中的客戶摘要連接時，流失預測引擎會為客戶服務代表預測特定客戶與公司終止合作的可能性。在這種情況下，任何客戶服務代表都可以積極主動地迎合客戶需求，降低客戶流失的風險。

批量報告：報告將在指定日期生成，突出顯示風險組中的客戶列表。這些數(shù)據(jù)可用于客戶保留營銷活動，從而進一步降低客戶流失的風險，使客戶與服務供應商互動并提高忠誠度。

該模型不僅能顯示需要更多關注的客戶——該過程屬于雙方互動，使得管理層應用新的關稅，更新現(xiàn)有產(chǎn)品定價，提供折扣、特別促銷，并根據(jù)模型中添加的新變量看到其行為的預計后果。該工具將便于為特定的客戶群創(chuàng)建專門優(yōu)惠，并在保持低誤報率的同時尋求營銷投資回報率和客戶流失之間的最佳平衡。

更不用說所有過程都是自動的。一旦系統(tǒng)預測某個客戶或客戶群處于流失風險之下——就可以采取首選的流失預防行動，而無需人為干預。

顧客關懷的未來

正如德勤的分析顯示，今年我們看到了一個前所未有的機會，讓多重業(yè)務供應商擴大其客戶群、影響范圍和服務包。但是，很多公司發(fā)現(xiàn)他們的后臺缺乏可擴展性。大多數(shù)供應商都面臨的一大痛點是客戶服務代表的壓力增大。

由于新冠疫情，擴招員工幾乎不可能。同時，新冠疫情的另一個副作用導致對其服務的需求增長。例如，一些租戶在農(nóng)村地區(qū)難以獲得良好的網(wǎng)絡連接，這也是供應商必須解決的問題。

為了跟上快速增長的機遇，公司既要改善其客戶群的客戶服務體驗，又要能夠預測和避免客戶流失。

增強用戶體驗可以通過將多渠道通信（FacebookMessenger，Viber，WhatsApp，Telegram）封裝在服務流中，通過SelfCare門戶中的自助服務來自動化客戶處理流程，部署帶有會話AI的個人助理，擁有自然語言處理能力和集成RPA機器人，為用戶執(zhí)行前端和后端任務。

機器學習可以成功得到利用以完成擺在公司面前的大部分任務。對于每一個特定的案例，可以在不同的過程中選擇、訓練、測試和實現(xiàn)特定的算法組合。在其幫助下，企業(yè)可以提高客戶保留能力，并以更經(jīng)濟的方式更快地擴大客戶群。
責編AJX