ガイガー社のランダムフォレストは、勘に頼る場合の2倍の顧客を離反リスクありとして検出

ドイツの販促用品卸売業者であるGeiger GmbHは、ドロップシッピングの顧客を予期せず失いつつあった。同社はデュッセルドルフ応用科学大学の教授や学生とともに、取引データ、人口統計データ、インタラクションデータをランダムフォレストモデルに変換し、毎月すべての取引先に離反リスクスコアを割り当てている。

スコアはPower BIダッシュボードに送られ、営業担当者はこれを使って誰に最初に電話するかを決める。導入されたモデルは、ランダムなターゲティングと比べて2倍以上の将来の離反者を特定するため、維持活動の労力は実際に離反する取引先に振り向けられる。

このプロジェクトは学術連携として始まり、日常の営業業務の一部となった。構造化された分析プロジェクトが、大規模なデータチームを持たない中小B2B企業でも成果を上げ得ることを示している。

すべての取引先を毎月スコア化し、担当者が顧客を失う前に介入できるようにする

離反のシグナルは、担当者が手作業では追跡できない取引頻度、注文規模、接触パターンの中に隠れている。

毎月の自動スコアリングにより、解約された取引先への事後対応ではなく、先手を打った維持活動が可能になる。

Power BIは、担当者がすでに仕事をしている場所にモデルを置くため、新しいシステムの導入障壁を取り除く。

大学との連携により、中規模企業が社内で採用できなかったモデリングのスキルが提供された。

中堅B2B企業では、営業チームが既に使っているダッシュボードに組み込まれたモデルは、独立した分析プロジェクトよりも優れている。

このモデルはGeigerの日常の営業実務にしっかりと定着し、改良が続けられている。この事例はINFORMS Journal on Applied Analyticsに掲載され、デュッセルドルフ応用科学大学のプロジェクトは、構造化された分析プロジェクトが中堅B2B環境で測定可能な価値を生み出す方法のテンプレートとなった。