זיהוי סיכוני לקוחות

DataWise מפתחת מערכות שמזהות סיכון בלקוחות כשעוד אפשר לפעול: ניתוח נטישת לקוחות שמסביר את הנטישה במקום להודיע עליה בדיעבד, דוח זיהוי לקוחות חורגים בתשלומים עם התראות שבועיות, וניטור יומי של ‘מי לא הזמין היום’. הכול על נתוני אמת שלכם, בשילוב עם ה-ERP ומערכות ההזמנות הקיימות.

איך מזהים נטישת לקוחות לפני שהיא קורית?#

מתייחסים לנטישה כבעיית דפוסים, לא כדוח. בפרויקט הדגל שלנו, שלוש שנות ליווי של יצרן תעשייתי בשוק האמריקאי, נטישת לקוחות התגלתה קודם לכן רק בדיעבד. פיתחנו ניתוח נטישה שמזהה דפוסי התרחקות ומצליב אותם עם ידע מהשטח, כך שהנהלת המכירות יכלה להסביר את השינוי ולפעול, לצד ניתוח התנהגות לקוחות בתקופות אי-ודאות בביקושים וניתוח אשכולות לקוחות, שסופקו כתוצרים בפועל. את אותה גישה יישמנו גם אצל יצרן גלובלי בתחום טכנולוגיות המים: ניתוח נטישת לקוחות וניתוח מכירות גיאוגרפי מעל תחזית הביקושים הרב-אזורית. ב-B2B הנטישה כמעט אף פעם אינה ‘ביטול’; היא נטישה שקטה: הזמנות מצטמצמות, מרווחים מתארכים, סל מוצרים מצטמצם. מודלים תופסים את הנטישה הזו מוקדם יותר מסקירה רבעונית.

איך נראה זיהוי לקוחות חורגים בגבייה ובהזמנות?#

קונקרטי ולא זוהר, ולכן זה עובד. עבור סיטונאי תוצרת חקלאית המשרת מעל 1,000 לקוחות, אפיינו ותכננו זיהוי אוטומטי של חריגות בתשלומים עם התראות שבועיות, לצד ניטור יומי של ‘מי לא הזמין היום’, בשילוב עם ה-ERP ומערכות ההזמנות של החברה. עקרון התכנון: ההתראות מגיעות ב’דחיפה’ (Push) אל תוך תהליך העבודה שבו אנשי הגבייה והמכירות כבר עובדים, והן חייבות להיות מעטות מספיק כדי שיאמינו להן. רשימה שבועית של עשרה לקוחות עם התנהגות רכש חריגה באמת עדיפה על מאתיים התראות שווא ביום, כי התראות שווא, לא החמצות, הן מה שהורג אימוץ של מערכת תפעולית.

אילו בעיות שייכות לתחום הזה?#

• ניתוח נטישת לקוחות: זיהוי מוקדם של לקוחות דועכים, הסבר מבוסס דפוסים, והצלבה עם מה שהשטח כבר מרגיש.
• סיכון גבייה: לקוחות שסוטים מדפוס התשלום של עצמם, מוצפים שבועית לפני שהחוב מזדקן.
• חריגות הזמנות: ניטור יומי של מי הפסיק להזמין, ברמת לקוח או ברמת פריט.
• חיזוי התנהגות בקנה מידה גדול: פיתחנו מסווגי משתמשים מעורבים ושחקנים בעלי ערך גבוה על מאות אלפי אירועי הימורים, עם מתודולוגיית הערכה קפדנית ודיווח מלא של precision/recall. אותה קפדנות מגיעה לכל מודל התנהגותי שלנו.
• ניתוח אשכולות לקוחות: קיבוץ לקוחות לפי התנהגות רכש בפועל, כדי שהקשב והסיכון יחולקו לפי ראיות.