Geiger 的隨機森林標記出的高風險客戶數量是憑直覺判斷的兩倍

德國促銷用品經銷商 Geiger GmbH 一直在流失代發貨客戶，卻未能預先察覺。該公司與杜塞道夫應用科學大學（Hochschule Düsseldorf）的教授和學生合作，將交易、人口統計和互動資料轉化為隨機森林模型，每月為每個帳戶分配流失風險評分。

這些評分輸入 Power BI 儀表板，業務代表用它來決定先聯絡誰。部署的模型辨識出的未來流失者數量是隨機鎖定的兩倍以上，因此留客工作會集中在真正會離開的帳戶上。

該專案起初是學術合作，後來成為日常銷售營運的一部分，顯示出一個結構化的分析專案可以在沒有大型資料團隊的中小型 B2B 公司中帶來回報。

每月為每個帳戶評分，讓業務代表在客戶流失前介入

流失訊號隱藏在交易頻率、訂單規模和聯絡模式中，業務代表無法手動追蹤。

每月自動評分讓留客工作從對已取消帳戶的被動反應轉為主動出擊。

Power BI 將模型置於業務代表原本的工作環境中，消除了新系統的採用障礙。

大學合作提供了這家中型企業無法在內部聘請的建模技能。

在中型 B2B 市場中，嵌入銷售團隊現有儀表板的模型勝過獨立的分析專案。

該模型已穩固扎根於 Geiger 的日常銷售實務中，並持續精進。此案例發表於《INFORMS Journal on Applied Analytics》，而杜塞道夫應用科學大學的專案也成為結構化分析專案如何在中型 B2B 環境中創造可衡量價值的範本。