Artiklar Datadriven marknadsföring

Så fungerar prediktiv analys – 5 kunder som lyckats

Prediktiv analys handlar om att förutse vad kunderna kommer att göra i framtiden baserat på historiska händelser och sedan använda dessa insikter till att fatta smarta affärsbeslut. Här är fem exempel på hur Bisnode hjälpt sina kunder att skapa resultat genom prediktiv analys.

Att förutse framtiden genom att titta på historien kanske låter som hokus pokus, men det är det inte. Prediktiv analys går helt enkelt ut på att analysera stora mängder relevant data för att hitta generella beteendemönster som kan använda för att förutspå hur en individ eller ett enskilt företag sannolikt kommer att agera i framtiden. Analysen gör att objektiva affärsbeslut kan ersätta subjektiva beslut som fattas på ren och skär magkänsla.

Inom marknadsföring kan prediktiv analys exempelvis användas för att förutse kundens nästa sannolika köp, vilket givetvis är varje marknadsförares dröm. Ett annat område där prediktiv analys ger fina resultat är inom riskanalys, där prediktiva modeller kan förutspå vilka kunder som är dåliga betalare för att på så vis minimera onödiga kreditförluster.

Fortfarande svårt att förstå hur det fungerar?

Här är fem exempel på kunder som Bisnode har hjälpt att skapa riktigt affärsnytta genom prediktiv analys.

1. Färre bedrägerier gav minskade kreditförluster

Vi börjar hos en kontorsvarugrossist som hade problem med att upprepade bedrägerier ledde till kreditförluster. Det handlade om ett svinn i form av obetalda fakturor som orsakades av att kunder försatte sig i planerade konkurser efter att ha handlat varor på kredit.

Genom att analysera data från historiska konkurser kunde Bisnode ringa in vilka egenskaper som kännetecknar denna typ av oseriösa företag. I nästa steg kunde automatiserade regler sättas upp för att hjälpa kontorsvarugrossisten att förutse vilka nykundsförfrågningar de helt enkelt skulle tacka nej till för att minska risken att drabbas av bedrägerier.

Ett år senare hade kontorsvarugrossisten sänkt sina totala kreditförluster med omkring 80 procent.

2. Lägre inkassokostnader och högre inkassering

Även nästa exempel handlar om riskanalys. Den här gången om ett finansbolag som ville effektivisera sin inkassohantering för att spara in onödiga kostnader samt öka träffsäkerheten i lyckade inkasseringar.

Bisnode lösning gick ut på att väga samman finansbolagets historiska kunddata med Bisnodes egna kreditdata för att dela upp inkassokunderna i olika kategorier med olika handlingsplaner.

Tidigare hade finansbolaget skickat vidare samtliga problemkunder till Kronofogden där varje ärende kostar 300 kr, men Bisnode analys visade att en kundgrupp hade så svag betalningsförmåga att det faktiskt inte var lönsamt sig att skicka dem vidare.

I andra änden av kundbasen fanns en grupp där det enligt dataanalysen däremot med stor sannolikhet skulle löna sig att blanda in Kronofogden och mittemellan fanns en tredje grupp som bäst kunde hanteras genom påminnelser och telefonsamtal.

Genom att arbeta på olika sätt med olika kunder fick finansbolagets inte bara ett effektivare arbetssätt, utan kunde även sänka sina kostnader kring inkassohanterringen med 55 procent – samtidigt som de nu inkasserar 85 procent mer än tidigare (per satsad krona).

3. Datadriven träffsäkerhet på mobilmarknaden

Vi går vidare med ytterligare ett b2b-case och landar denna gång i telekombranschen. I ett pågående projekt hjälper Bisnode just nu ett stort svenskt företag att arbeta datadrivet i sin försäljning av mobiltelefoner och abonnemang mot företagsmarknaden.

Genom en specialutvecklad prediktionsmodell baserad på Bisnodes data om svenska företag kan telekomoperatören på organisationsnummernivå se hur många abonnemang en potentiell kund har just nu, respektive hur många de faktiskt har behov av. Därmed kan säljarna rikta sin energi mot de prospekts där försäljningspotentialen är högst.

Prediktionen innehåller dessutom beräkning av vilka företag som kommer att expandera och anställa fler människor – som behöver en jobbmobil – de kommande 12 månaderna. Genom att fokusera sina säljinsatser mot dessa två typer av företag, de med hög och/eller ökande potential, beräknas telekomföretagets kundstock ha en årlig naturlig tillväxt på runt 10 procent i form av nya abonnemang.

4. Bättre fart på bilförsäljningen

Från b2b och telekom och vidare till b2c och bilbranschen. Den här gången tittar vi närmare på ett exempel där ett stort bilmärke ville veta vilka bilägare som var intresserade av att köpa deras nya modeller så att de kunde rikta erbjudande till just dessa.

Genom att titta på historiska beteenden när det gäller bilköp på såväl generell- som på individnivå kunde Bisnode ringa in en målgrupp som var extra intressant. Bland annat analyserades när det senaste bilköpet ägde rum, då data visar att de flesta byter bil var 2–3 år.

Eftersom bilägare ofta är märkeslojala kunde bilmärket därmed veta vilka av de befintliga kunderna som var inne i ett "köpfönster" och därmed borde bearbetas.

Befintliga kunder var alltså den ena delen, men eftersom analysen också visade att bilägare som faktiskt byter bilmärke i stor hög håller sig inom samma marknadssegment så kunde Bisnode även ringa in vilka ägare av andra specifika bilmärken som också var inne i "köpfönstret", så att även dessa kunde bearbetas.

Resultatet av den påföljande kampanjen följdes upp på lokal nivå bland bilmärkets återförsäljare. För den bilhandlare som det hade gått sämst så hade försäljningen ökat med 100 procent jämfört med föregående strategi. För de som hade lyckats bäst hade försäljningen ökat med 3 till 4 gånger jämfört med tidigare.

5. Förlängda prenumerationer för spelbolag

Vårt sista exempel på nyttan med prediktiv analys är också det enklaste. Ett svenskt spelbolag ville öka antalet kunder som förlängde sin prenumeration på en lotteritjänst och vände sig till Bisnode för hjälp.

Bisnodes lösning bestod denna gång av en enkel prediktion av drivkrafterna bakom prenumerationen. Analysen landade i att när en person börjar prenumerera på ett lotteri så är drivkraften drömmen om att vinna stort, men när samma person väl är prenumerant är det rädslan att missa en storvinst veckan efter vi avslutat vår prenumeration som driver beteendet.

Genom att plocka upp den insikten i kommunikationen i påminnelsemailen som skickas ut till kunderna när prenumerationen är på väg att löpa ut, kunde spelbolaget nå en nivå där mellan 60–70 procent förlänger sina prenumerationer.

Ibland räcker det med andra ord med en enkel eftertanke om vad det är som driver ett beteende, tillsammans med rätt data givetvis, för att skapa värdefulla insikter om framtiden baserat på historien.

 

Prenumerera på vårt nyhetsbrev