盖格尔的随机森林识别出的风险客户是直觉判断的两倍

德国的促销品分销商Geiger GmbH遭遇直运客户流失，事前却毫无察觉。通过与杜塞尔多夫应用科学大学的教授和学生合作，它将交易数据、人口统计数据和互动数据转化为随机森林模型，每月为每个账户分配流失风险评分。

这些评分被输入Power BI仪表板，销售代表据此决定先给谁打电话。实际部署的模型识别出的未来流失者是随机目标定位的两倍以上，因此留住客户的努力集中在真正会离开的账户上。

该项目最初是学术合作，后来成为日常销售运营的一部分，表明在缺乏大数据团队的小型B2B公司中，结构化的分析项目可以产生回报。

每月对每个账户进行评分，以便销售代表在损失发生前进行干预

流失信号隐藏在交易频率、订单大小和联系模式中，销售代表无法手动追踪。

每月自动评分使留住客户变得主动，而不是在账户取消后被动应对。

Power BI将模型嵌入销售代表已在使用的工具中，消除了采用新系统的障碍。

大学合作伙伴提供了这家中型公司无法内部雇用的建模技能。

在中端B2B市场中，将模型嵌入销售团队现有仪表板比独立的分析项目更有效。

该模型已牢固地扎根于Geiger的日常销售实践中，并不断得到改进。该案例发表在《INFORMS Journal on Applied Analytics》上，杜塞尔多夫应用科学大学的项目也成了结构化分析项目如何在中端B2B环境中创造可衡量价值的模板。