SUCCESS STORIES / NUBE

El modelado predictivo ayuda a detectar a los clientes insatisfechos y a retenerlos también

Cómo un proveedor de comunicaciones con sede en LATAM empleó la tecnología de aprendizaje automático (ML) para reducir la pérdida de clientes y aumentar el ROI de marketing

Background

La pérdida de clientes es una de las principales preocupaciones de todos los proveedores de servicios. Y, como afecta directamente a los ingresos, buscan formas de alinearse con el pulso del cliente.

Determinar la propensión a la pérdida de clientes es primordial para los proveedores de servicios con un modelo de suscripción, ya que les ayuda a dirigirse al conjunto adecuado de clientes. En los últimos tiempos, han aumentado su inversión en marketing estratégico para fidelizar a sus clientes. Sin embargo, es fundamental justificar las inversiones dirigiéndose a los clientes para obtener el máximo compromiso.

¿Cómo puede un proveedor de servicios evitar que sus clientes abandonen?

menu-img

38% MÁS PRECISIÓN EN LA PREDICCIÓN DE LOS ENCUESTADOS DE LA CAMPAÑA

5X AUMENTO DEL ROI DE LA CAMPAÑA

32% MEJORA EN LA TASA DE RETENCIÓN DE CLIENTES

Client Situation

Nuestro cliente, una empresa líder en comunicaciones en LATAM, se enfrentó al reto de la rotación voluntaria, lo que tuvo un impacto directo en sus ingresos. Tomaron muchas iniciativas para abordar la pérdida de clientes y mejorar la retención de clientes. A pesar de esas iniciativas, tuvieron que lidiar con varios desafíos, como una base de clientes con fugas y un boca a boca negativo, lo que resultó en altos costos de retención y un menor retorno de la inversión en las campañas de marketing.

Más allá de predecir los posibles abandonos, la solución de Prodapt identificó a los clientes que responden positivamente a las campañas de marketing, ahorrando así millones de dólares de marketing.

Diagnosis

Los modelos analíticos existentes del cliente no podían darles una imagen más clara de los posibles abandonos. Además, no había forma de predecir quién respondería positivamente a las campañas de marketing. Como resultado, terminaron dirigiéndose a una base de clientes inexacta.

Solving It

Prodapt’s data scientists collaborated with domain experts to develop an AI/ML engine that identified potential churners and predicted churn propensity.

Further, by leveraging Google Cloud’s AI platform capabilities, we built an ML-uplift model, which helped identify customers who are expected to respond positively to marketing campaigns.

El cliente podría lograr entre un 35% y un 40% más de precisión en la predicción de los posibles encuestados de las campañas de marketing. Aumentaron el ROI de su campaña de marketing en 5 veces y mejoraron la tasa de retención de clientes en un 32%.

RELATED SUCCESS STORIES

See all success stories

NUBE

La solución impulsada por Google Anthos acelera el lanzamiento de nuevos servicios de semanas a días

Cómo las aplicaciones nativas de la nube y la automatización transformaron a un gigante irlandés de las comunicaciones para que estuviera preparado para el futuro

NUBE

Del pantano de datos a un lago de datos: no es un juego de niños

Cómo un lago de datos nativo de la nube escalable y flexible habilitado por tecnologías sin servidor ayudó a un proveedor de servicios líder en América Latina a tomar decisiones basadas en datos
Let’s connect

How can we help?

We'd love to hear from you.

Talk to a consultant