サブスクリプションモデルのサービスを提供している通販事業社にて、機械学習によって未来を予測し、リテンション率を向上させたケースをご紹介いたします。
要因が分からず解約増加への対策ができない
この通販事業社はサブスクリプションモデルのサービスを提供しています。しかし、サブスクリプションモデルにとって致命的とも言える、サービスを継続利用する定期会員の解約が増加する状況に直面していました。会員情報は取得しているものの、会員の解約行動のプロセスまではデータで検証できておらず、要因が不明のままで、解約の増加に対し何も手が打てなかったのです。
機械学習により解約顧客と継続顧客の行動を比較・分析
「Treasure Data」は機械学習機能も兼ね揃えています。
会員情報や購買履歴、Web行動などをCDPに蓄積し、過去1ヵ月間のデータをもとに機械学習を行う環境を構築しました。
これにより、1ヵ月先の未来に解約する可能性の高い顧客を自動的に予測し、リストを作成。また、解約顧客と継続顧客の行動の違いを抽出できるようになりました。
直接的・間接的な解約抑止策によりリテンション率を向上
生成したリストをもとに、解約可能性が高い顧客に対し、オンラインに加えオフラインでのフォローアップ施策を実施。また、UIやサービス内容など、解約行動に影響を与える因子に対しても改善策を講じ、根本的な解約率低減を図りました。その結果、解約率は半減し、リテンション率の向上を実現しました。
CLOSE