【海外ITニュース速報】行動分析学は、企業がより多くの顧客を維持するためにどのように役立つのでしょうか。

1. How Behavioral Analytics Can Help Companies Keep More Customers
2. 要約(英語):
3. 要約(日本語):
4. 本文:

How Behavioral Analytics Can Help Companies Keep More Customers

行動分析学は、企業がより多くの顧客を維持するためにどのように役立つのでしょうか。

要約(英語):

higher a company’s churn rate, the slower it will grow, experts say. Analyzing behavior patterns helps business leaders better understand customers’ historical interactions with products and services and connects them with their present behaviors. Leaders who use machine learning and machine learning techniques are more likely to cultivate happy customers.

要約(日本語):

企業の解約率が高いほど、成長が遅くなると専門家は言います。行動パターンの分析は、ビジネスリーダーが顧客の製品やサービスとの歴史的な相互作用をよりよく理解し、それらを現在の行動とよりよく理解するのに役立ちます。機械学習と機械学習のテクニックを使用するリーダーは、幸せな顧客を育てる可能性が高くなります。

本文:

Even for the most effective marketing teams, it is impossible to achieve sustainable growth with poor customer retention rates. While companies are always eager to increase their pool of viable prospects and convert them into new opportunities for sustained growth, they need to nurture and deepen relationships with existing customers to survive in competitive markets. The primary goal of any business leader is the one-two punch of customer expansion and retention. One key factor to watch for is customer churn, which occurs when customers cease doing business with the company. The higher a company’s churn rate, the slower it will grow. It’s just common sense. A business cannot maintain or increase its market share if it loses customers at a higher rate than it gains them. That’s why it’s important for company leaders to understand and monitor their churn rates. Learn new analytics and machine learning skills and strategies you can put into immediate use at your organization.

最も効果的なマーケティングチームであっても、顧客維持率が低いため、持続可能な成長を達成することは不可能です。企業は常に実行可能な見込み客のプールを増やし、持続的な成長のための新しい機会に変換することを熱望していますが、競争市場で生き残るために既存の顧客との関係を育て、深める必要があります。ビジネスリーダーの主な目標は、顧客の拡大と保持の1つのパンチです。注意すべき重要な要素の1つは、顧客のチャーンです。これは、顧客が会社とのビジネスをやめるときに発生します。会社の解約率が高いほど、成長が遅くなります。それはただの常識です。企業は、顧客を獲得するよりも高いレートで顧客を失った場合、市場シェアを維持または増加させることはできません。そのため、企業のリーダーが解約率を理解し監視することが重要です。組織で即座に使用できる新しい分析と機械学習スキルと戦略を学びます。

Traditional data analytics tools merely inform companies of the customer loss. At best, the tools suggest insights based on typical customer pain points, such as improving onboarding processes or more frequent client outreach. Unfortunately, they cannot predict the tell-tale signs of a customer ready to abandon a business for another before they churn. That is where proactive retention through analyzing predictive behavior comes in. Analyzing behavior patterns helps business leaders better understand customers’ historical interactions with products and services and connects them with their present behaviors. That information helps company leaders make more accurate predictions about their clients’ intentions. Algorithm support enables leaders to use customer behavior data to extrapolate predictions. When those predictions, such as similarities in behaviors, are analyzed through advanced machine learning techniques, they become more accurate. Leaders who use machine learning and algorithm support data to deterministically interpret the information are more likely to cultivate happy customers. Six groups of predictive behavioral data can help business leaders preempt adverse customer outcomes and steer toward positive results more accurately.

従来のデータ分析ツールは、顧客の損失を企業に通知するだけです。せいぜい、ツールは、オンボーディングプロセスの改善やクライアントのアウトリーチの改善など、典型的な顧客の問題点に基づいた洞察を示唆しています。残念ながら、彼らは解約する前に、他の人のためにビジネスを放棄する準備ができている顧客の微妙な兆候を予測することはできません。それが、予測行動の分析による積極的な保持が始まる場所です。行動パターンの分析は、ビジネスリーダーが顧客の製品やサービスとの歴史的な相互作用をよりよく理解し、現在の行動と結びつけるのに役立ちます。その情報は、会社のリーダーがクライアントの意図についてより正確な予測を行うのに役立ちます。アルゴリズムサポートにより、リーダーは顧客行動データを使用して予測を推定できます。行動の類似性などのこれらの予測が高度な機械学習技術を通じて分析されると、より正確になります。機械学習とアルゴリズムを使用しているリーダーは、情報を決定的に解釈するためにデータをサポートします。予測行動データの6つのグループは、ビジネスリーダーが顧客の結果に不利な結果を加え、肯定的な結果に向かってより正確に導くのに役立ちます。

While two seemingly unrelated pieces of information might appear unconnected with traditional analytics tools, behavioral analytics enables leaders to make those connections promptly. The technology creates simple applications that leaders and non-specialists can use to their advantage by illuminating possible interaction benefits and risks for improved customer retention and expansion.

一見無関係な情報の2つの情報は、従来の分析ツールとは関係がないように見えるかもしれませんが、行動分析により、リーダーはそれらの接続を迅速に行うことができます。このテクノロジーは、リーダーと非専門家が、顧客の維持と拡大を改善するための可能な相互作用の利点とリスクを明らかにすることで、彼らの利益のために使用できる簡単なアプリケーションを作成します。

Pattern recognition capabilities empower business leaders to analyze client and cohort data and calculate the probabilities of customer journey trajectories. Leaders can use that information to make recommendations and course corrections to create positive interactions and outcomes as the customers’ journeys unfold.

パターン認識機能は、ビジネスリーダーがクライアントデータとコホートデータを分析し、カスタマージャーニーの軌跡の確率を計算できるようにします。リーダーは、その情報を使用して推奨事項とコース修正を行い、顧客の旅が展開するにつれて肯定的な相互作用と結果を生み出すことができます。

In addition, businesses win and retain more clients by learning similarities and linkages between customer and cohort behaviors, such as their cars, housing, and banking institutions. This information reveals consumers as they are and predicts where they will be in the future so business leaders can build effective marketing, sales, and engagement strategies for them.

さらに、企業は、自動車、住宅、銀行機関などの顧客とコホートの行動の類似性とリンクを学ぶことにより、より多くのクライアントを獲得し、維持します。この情報は、消費者がそのまま明らかにし、ビジネスリーダーが効果的なマーケティング、販売、エンゲージメント戦略を構築できるように、将来どこにいるかを予測します。

Machine learning (ML) can help business leaders quickly and accurately determine customers’ future purchasing decisions using their historical data. This information assists leaders in predicting a consumer’s buying journey and formulate a plan to upsell, offer discounts, or grant a free consultation before customers consult with competitors. Collaborative filtering and matrix factorization help leaders accurately recommend products and services to consumers. They combine predictive data from behavioral analysis groups for several customers, such as clustering and centrality, to unmask similarities between their purchasing behaviors. This information is used to make recommendations for each consumer based on their purchases and reviews. In turn, these technologies increase the business’ retention and revenue because customers prefer products and services tailored to their preferences. Amazon is a prime example of the successful use of this technology. According to Forbes, the company attributes 35% of its sales to accurate product recommendations. Companies that make accurate product and service recommendations cultivate happier customers. The timely and precise product suggestions save customers the time and effort required to find the products and services they already need and want. When customers experience positive outcomes with a business’ recommendations, they have a better overall purchasing experience and are more likely to return. By analyzing behavioral clusters, companies are promptly alerted when customers initiate a user journey that has historically led to churn. In turn, business leaders can discover customers’ potentially adverse actions and use that information to cultivate a positive intervention. Leaders can examine consumers’ actions and categorize predictive outputs and inputs using sub-graphs, which update in real time. That helps them discover the best flow, such as more frequent emails or incentivization, to prevent customers from continuing down the path to churning and learn more about the issues customers are experiencing.

機械学習（ML）は、ビジネスリーダーが歴史的データを使用して顧客の将来の購買決定を迅速かつ正確に決定するのに役立ちます。この情報は、顧客が競合他社と相談する前に、消費者の購入の旅を予測し、アップセル、割引を提供する、または無料相談を許可する計画を策定するのに役立ちます。共同のフィルタリングとマトリックスの因数分解は、リーダーが消費者に製品とサービスを正確に推奨するのに役立ちます。彼らは、クラスタリングや中心性など、いくつかの顧客の行動分析グループからの予測データを、購入行動間の類似点を明らかにします。この情報は、購入とレビューに基づいて各消費者に推奨事項を作成するために使用されます。次に、これらのテクノロジーは、顧客が好みに合わせて調整された製品とサービスを好むため、ビジネスの保持と収益を増やします。 Amazonは、このテクノロジーの使用が成功した代表的な例です。 Forbesによると、同社は販売の35％が正確な製品の推奨事項に起因すると考えています。正確な製品とサービスの推奨事項を作成する企業は、より幸せな顧客を育成します。タイムリーで正確な製品の提案により、顧客は、既に必要としている製品とサービスを見つけるために必要な時間と労力を節約します。顧客がビジネスの推奨事項で肯定的な結果を経験すると、全体的な購買体験が向上し、戻ってくる可能性が高くなります。行動クラスターを分析することにより、顧客が歴史的に解約につながったユーザーの旅を開始すると、企業は迅速に警告されます。次に、ビジネスリーダーは顧客の潜在的に不利な行動を発見し、その情報を使用して肯定的な介入を培うことができます。リーダーは、消費者の行動を調べ、サブグラフを使用して予測出力と入力を分類して、リアルタイムで更新できます。これにより、より頻繁な電子メールやインセンティブ化など、最高のフローを発見して、顧客が追跡するための道を進み続け、顧客が経験している問題について詳しく知ることができません。

Retaining customers is simpler when intervention outcomes are more predictable. If a customer is dissatisfied, an automated ML solution can evaluate a company’s options and suggest optimal actions graded by probable success and cost to the company. For example, doing nothing costs $0, but it decreases churn risk by 0%. Scheduling a phone call costs $1.50 and reduces the customer’s churn risk by 18%.

介入の結果がより予測可能になると、顧客を維持することはより簡単です。顧客が不満を抱いている場合、自動化されたMLソリューションは、企業のオプションを評価し、企業への成功とコストによって採点される最適なアクションを提案できます。たとえば、何もしないと0ドルの費用がかかりますが、解約リスクは0％減少します。電話のスケジュールは1.50ドルで、顧客の解約リスクを18％削減します。

The data collected from behavioral analytics is a real-time process. Quickly and efficiently, it helps business leaders learn, understand, and predict their customers’ actions. Then, leaders can identify complex connections so sales and marketing teams can cultivate better outcomes with those using their products and services. Despite the increasingly competitive market, business leaders can use behavioral analytics to develop proactive retention strategies that effectively expand and retain customers. This decrease in churn rates and associated costs leads to faster company growth, better product-market fit, more efficient marketing techniques, and an overall improvement in customers’ user experience. You must be logged in to post a comment.

行動分析から収集されたデータは、リアルタイムプロセスです。迅速かつ効率的に、ビジネスリーダーが顧客の行動を学び、理解し、予測するのに役立ちます。その後、リーダーは複雑な接続を特定できるように、販売およびマーケティングチームが製品やサービスを使用している人とより良い結果を育てることができます。競争の激しい市場にもかかわらず、ビジネスリーダーは行動分析を使用して、顧客を効果的に拡大および維持する積極的な保持戦略を開発することができます。この解約率と関連するコストの減少は、企業の成長の速度、製品市場の適合度の向上、より効率的なマーケティング技術、顧客のユーザーエクスペリエンスの全体的な改善につながります。コメントを投稿するには、ログインする必要があります。