نوآوری پرداز کارن

توسعه بر بستر وب و موبایل، خدمات هوش مصنوعی و یادگیری ماشین، توسعه بازی بر بستر موبایل، توسعه بر بستر بلاکچین

شبکه های اجتماعی
مشاوره رایگان و تماس با کارن تکنولوژی
تماس آنی ما با شما
در کوتاهترین زمان مشاوره رایگان دریافت نمایید
مشتری‌ای که بی‌صدا می‌رود، معمولاً قبلش نشانه داده است

ریزش مشتری چیست و چطور آن را کاهش دهیم؟ از محاسبه نرخ ریزش تا هشدار و اقدام

نویسنده: - محقق و متخصص هوش مصنوعی، رئیس هیات مدیره شرکت کارن تکنولوژی

ریزش مشتری (Customer Churn) یعنی مشتری‌ای که دیگر از شما خرید نمی‌کند یا رابطه‌اش را قطع کرده است. در کسب‌وکارهای اشتراکی، ریزش یک رویداد روشن است: لغو اشتراک. ولی در فروش B2B، پخش و خرده‌فروشی، مشتری معمولاً خبر نمی‌دهد؛ فقط دیگر خرید نمی‌کند، و تا کسی متوجه شود، چند ماه گذشته است. این راهنما می‌گوید ریزش را چطور تعریف و محاسبه کنید، نشانه‌هایش را از کجا ببینید و با چه قدم‌هایی آن را کم کنید.

در این مقاله می‌خوانید

  • ریزش مشتری چیست؟
  • نرخ ریزش را چطور حساب کنیم؟
  • در فروش بدون قرارداد، مشتری کی «رفته» است؟
  • نشانه‌هایی که پیش از ریزش دیده می‌شوند
  • چرا مشتری‌ها می‌روند؟
  • هفت قدم عملی برای کاهش ریزش مشتری
  • CRM چطور ریزش را کم می‌کند؛ نمونه داتیک
  • وقتی به پیش‌بینی نیاز دارید
کارشناس فروش در حال بررسی فهرست مشتریان در معرض ریزش

محصول آماده کارن تکنولوژی

این را روی داده واقعی کسب‌وکار خودتان ببینید

آنچه در این مقاله می‌خوانید، در محصولات کارن پیاده‌سازی شده است. در جلسه دمو، همان را روی داده و فرآیند خودتان اجرا می‌کنیم.

درخواست دمو رایگان یا تماس بگیرید: ۰۲۱-۸۸۶۱۴۲۸۲

ریزش مشتری چیست؟

ریزش مشتری یعنی از دست رفتن مشتری در یک بازه زمانی. دو نوع آن را باید از هم جدا کرد:

  • ریزش قراردادی: در کسب‌وکارهای اشتراکی، مثل اپراتور مخابراتی، بیمه یا پلتفرم ویدیویی، مشتری اشتراک یا قرارداد را لغو یا تمدید نمی‌کند. لحظه ریزش معلوم است.
  • ریزش غیرقراردادی: در فروش B2B، پخش، تولید و خرده‌فروشی، قراردادی وجود ندارد که لغو شود. مشتری فقط خریدش را کم یا قطع می‌کند. ریزش را باید با فاصله از آخرین خرید تعریف کرد؛ نمونه آن را در CRM برای شرکت‌های پخش و توزیع ببینید.

ریزش را از نظر علت هم می‌شود تقسیم کرد: ریزش داوطلبانه، وقتی مشتری خودش تصمیم می‌گیرد برود، و ریزش غیرداوطلبانه، مثل مشکل پرداخت یا تعطیل شدن کسب‌وکار مشتری. بیشتر کار شما روی نوع اول است.

نرخ ریزش را چطور حساب کنیم؟

ساده‌ترین فرمول این است:

نرخ ریزش = تعداد مشتریانی که در دوره از دست رفتند ÷ تعداد مشتریان در ابتدای دوره

یک مثال فرضی: اگر در ابتدای فصل ۴۰۰ مشتری فعال داشته باشید و ۳۰ نفر از آن‌ها تا پایان فصل ریزش کنند، نرخ ریزش فصلی ۷٫۵٪ است. نرخ نگهداشت هم مکمل آن است؛ در این مثال ۹۲٫۵٪.

ولی همه مشتری‌ها هم‌ارزش نیستند. از دست دادن ده مشتری کوچک با از دست دادن یک مشتری بزرگ فرق دارد. برای همین، کنار نرخ ریزش تعداد، ریزش درآمد را هم بسنجید: سهمی از درآمد دوره قبل که با مشتریان رفته از دست رفت.

شاخصبه چه سؤالی جواب می‌دهد
نرخ ریزش تعدادچه سهمی از مشتریان را از دست دادیم؟
نرخ نگهداشتچه سهمی از مشتریان ماندند؟
ریزش درآمدچه سهمی از درآمد با مشتریان رفته از دست رفت؟
ریزش مشتریان پرارزشاز مشتریانی که بیشترین خرید را داشتند، چند نفر رفتند؟

در فروش بدون قرارداد، مشتری کی «رفته» است؟

این مهم‌ترین تصمیم است، چون بدون آن هیچ عددی معنا ندارد. معیار، چرخه خرید خود شماست: مشتری‌ای که معمولاً ماهی یک بار خرید می‌کند و سه ماه است خبری از او نیست، در خطر است؛ ولی برای مشتری‌ای که سالی یک بار خرید می‌کند، سه ماه عادی است.

یک روش عملی این است که مشتریان را بر اساس فاصله از آخرین خرید در چند وضعیت بگذارید و قاعده را یک بار برای کل سازمان تعریف کنید:

وضعیتمعنا
فعالدر بازه عادی چرخه خرید، خرید داشته است.
در معرض ریزشاز بازه عادی گذشته ولی هنوز آن‌قدر نگذشته که رفته حساب شود.
ریزش‌کردهمدت طولانی است که خرید نکرده است.
بدون خریددر سیستم ثبت شده ولی هنوز هیچ خریدی نداشته است.

در داتیک، CRM هوشمند فارسی کارن تکنولوژی، همین چهار وضعیت روی هر مشتری دیده می‌شود و قاعده آن در حافظه سازمانی ثبت می‌شود؛ مثلاً اینکه «مشتری در معرض ریزش» یعنی کسی که آخرین خریدش بین ۱۲ تا ۲۴ ماه پیش بوده است. عدد را با چرخه خرید کسب‌وکار خودتان تنظیم کنید.

نشانه‌هایی که پیش از ریزش دیده می‌شوند

مشتری کمتر پیش می‌آید یک‌باره برود. معمولاً پیش از رفتن نشانه می‌دهد، و این نشانه‌ها در جاهای مختلفی ثبت می‌شوند:

  • در فروش: فاصله خریدها بیشتر یا مبلغ هر خرید کمتر می‌شود؛ پیش‌فاکتورها بی‌جواب می‌مانند.
  • در خدمات: شکایت‌هایی که دیر حل شده‌اند یا اصلاً حل نشده‌اند.
  • در تماس‌ها: لحن منفی، اعتراض به قیمت یا زمان تحویل، و نام بردن از رقیب.
  • در رابطه: رابط اصلی مشتری عوض شده یا دیگر جواب نمی‌دهد.
  • در پرداخت: تأخیرهای تازه در پرداخت.

مشکل معمول این است که هر کدام از این نشانه‌ها در یک جا است: فروش در یک سیستم، شکایت در سیستمی دیگر و تماس‌ها در سانترال. وقتی همه در یک پرونده مشتری کنار هم باشند، تصویر روشن می‌شود.

چرا مشتری‌ها می‌روند؟

دلیل ریزش را حدس نزنید؛ از داده خودتان بیرون بکشید. سه منبع بیشترین کمک را می‌کنند:

  • علت باخت فرصت‌ها: اگر در CRM برای هر فرصت ناموفق علت ثبت شود (قیمت، زمان تحویل، کیفیت، رقیب)، بعد از چند ماه الگو دیده می‌شود.
  • موضوع شکایت‌ها: دسته‌بندی شکایت‌ها نشان می‌دهد مشکل از تحویل است، از کیفیت یا از پشتیبانی. شاخص‌های رضایت مثل CSAT و NPS را در شاخص‌های رضایت مشتری ببینید.
  • گفتگوی تماس‌ها: اعتراض‌ها و نام رقبا در تماس‌ها پنهان‌اند تا وقتی کسی آن‌ها را تحلیل کند. تحلیل تماس فروش همین کار را می‌کند.

هفت قدم عملی برای کاهش ریزش مشتری

  • ☐ ریزش را تعریف کنید: بر اساس چرخه خرید خودتان، و یک بار برای کل سازمان.
  • ☐ اندازه بگیرید: نرخ ریزش تعداد و ریزش درآمد را ماهانه یا فصلی دنبال کنید.
  • ☐ بر اساس ارزش اولویت بدهید: وقت تیم را اول برای مشتریان پرارزش در معرض ریزش بگذارید. بخش‌بندی RFM در بخش‌بندی RFM برای همین است.
  • ☐ هشدار زودهنگام بسازید: فهرست مشتریان در معرض ریزش نباید منتظر گزارش بماند؛ باید خودش هر هفته برسد.
  • ☐ برای هر مشتری صاحب و مهلت بگذارید: هشدار بدون مسئول، فقط یک فهرست دیگر است.
  • ☐ علت را درست کنید، نه فقط نشانه را: اگر شکایت‌های تحویل دیر به آدم درست می‌رسند، مسیر شکایت را درست کنید.
  • ☐ برای بازگرداندن برنامه داشته باشید: تماس شخصی، پیشنهاد متناسب با سابقه خرید و پیگیری؛ و نتیجه را بسنجید.

مشتریان در معرض ریزش خودتان را ببینید

در یک جلسه کوتاه، هشدار ریزش و پیگیری خودکار داتیک را روی سناریوی کسب‌وکار شما نشان می‌دهیم.

CRM چطور ریزش را کم می‌کند؛ نمونه داتیک

CRM خوب، نشانه‌های پراکنده را در یک پرونده جمع می‌کند و هشدار را به اقدام تبدیل می‌کند. در داتیک این مسیر این‌طور است:

  • وضعیت خرید روی هر مشتری: فعال، در معرض ریزش، ریزش‌کرده و بدون خرید؛ با کارت‌هایی بالای فهرست که با یک کلیک فیلتر می‌کنند، و شاخص‌هایی مثل خرید ۱۲ ماه اخیر، امسال و پارسال و تاریخ آخرین خرید.
  • هشدار هفتگی ریزش مشتری: یک گردش کار شنبه‌ها ساعت ۸ مشتریان پرارزش بدون خرید در ۱۲ ماه را پیدا می‌کند، agent هوشمند آن‌ها را اولویت‌بندی می‌کند و اقدام پیشنهاد می‌دهد، برای کارشناس هر مشتری وظیفه می‌سازد و خلاصه را برای مدیر فروش ایمیل می‌کند.
  • پرسیدن به فارسی: «پرارزش‌ترین مشتریانی که بیش از یک سال خرید نکرده‌اند را با مبلغ آخرین خرید بده» یا «برای ده مشتری پرارزشی که بیش از یک سال خرید نکرده‌اند، وظیفه تماس بساز»؛ نیوشا، هوش مصنوعی داتیک، جواب می‌دهد و کار را انجام می‌دهد.
  • شکایت‌ها و تماس‌ها: شکایت‌ها هوشمند دسته‌بندی می‌شوند تا زود به آدم درست برسند، و تحلیل هوشمند تماس برای تماس‌های با لحن منفی به مدیر هشدار می‌دهد.
نتیجه: فهرست اولویت‌دار مشتریان در خطر، هر شنبه روی میز مدیر و کارشناس؛ هیچ مشتری پرارزشی بی‌صدا از دست نمی‌رود.

وقتی به پیش‌بینی نیاز دارید

قاعده فاصله از آخرین خرید، برای بیشتر کسب‌وکارها نقطه شروع خوب و کافی است. ولی وقتی تعداد مشتریان زیاد است و داده رفتاری فراوان دارید، می‌شود یک قدم جلوتر رفت: مدل یادگیری ماشین از الگوی مشتریانی که قبلاً رفته‌اند یاد می‌گیرد و برای هر مشتری امروز امتیاز ریسک می‌دهد؛ پیش از آنکه فاصله خریدش زیاد شود.

پلتفرم تحلیل هوشمند مشتری کارن تکنولوژی برای همین ساخته شده است: داده مشتری را از CRM، فروش و پشتیبانی یکپارچه می‌کند و ریسک ریزش، ارزش طول عمر و بهترین اقدام بعدی را پیش‌بینی می‌کند. دو نمونه صنعتی را در پیش‌بینی ریزش مشترک در اپراتور مخابراتی و پیش‌بینی ریزش اشتراک در پلتفرم ویدیویی بخوانید.

پرسش‌های متداول

عدد ثابتی که برای همه درست باشد وجود ندارد؛ به صنعت، مدل فروش و اندازه مشتریان بستگی دارد. مقایسه مفیدتر، روند نرخ ریزش خودتان در طول زمان و مقایسه بین بخش‌های مشتری است؛ مثلاً اینکه ریزش مشتریان پرارزش کمتر شده یا نه.

ریزش مشتری تعداد مشتریان از دست رفته را می‌شمارد و ریزش درآمد سهمی از درآمد را که با آن‌ها رفت. اگر چند مشتری کوچک بروند ولی مشتریان بزرگ بمانند، ریزش مشتری بالا ولی ریزش درآمد پایین است؛ برای همین هر دو را کنار هم بسنجید.

دوره‌ای که با چرخه خرید شما جور باشد. برای خرید ماهانه، ماهانه یا فصلی؛ برای خریدهای کم‌تکرار، فصلی یا سالانه. مهم این است که دوره و تعریف را عوض نکنید تا روند قابل مقایسه بماند.

با فاصله از آخرین خرید. مشتریان را بر اساس چرخه خرید عادی‌شان در چند وضعیت بگذارید، مثل فعال، در معرض ریزش و ریزش‌کرده، و قاعده را یک بار برای کل سازمان ثبت کنید تا همه با یک تعریف کار کنند.

اغلب بله، به‌خصوص برای مشتریانی که سابقه خرید خوبی داشته‌اند، چون شما را می‌شناسند و سابقه‌شان در دست شماست. با تماس شخصی و پیشنهاد متناسب با خریدهای قبلی شروع کنید و ببینید دلیل رفتن چه بوده است.

CRM معمولی داده را نگه می‌دارد، ولی اگر فهرست مشتریان در خطر را خودش نسازد، به کسی نسپارد و پیگیری‌اش را دنبال نکند، داده در حد گزارش می‌ماند. CRMی که هشدار و وظیفه را خودکار می‌سازد، ریزش را از گزارش به اقدام می‌برد.

مدل از ویژگی‌های مشتریانی که قبلاً رفته‌اند، مثل الگوی خرید، شکایت‌ها و تعامل‌ها، یاد می‌گیرد و برای مشتریان فعلی امتیاز ریسک ریزش می‌دهد. برای این کار به سابقه کافی از مشتریان رفته و مانده نیاز دارید؛ برای سازمان‌های کوچک‌تر، قاعده فاصله از آخرین خرید نقطه شروع بهتری است.

کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی
کارن تکنولوژی

محصولات کارن تکنولوژی

محصولات آماده کارن؛ هر کدام جداگانه یا روی یک لایه داده مشترک کار می‌کنند و نسخه نصب روی سرور خودتان دارند.

مانوتل - چت‌بات و پشتیبانی چندکاناله

وب‌سایت، واتساپ، تلگرام، ایتا، بله و ایمیل در یک صندوق واحد، همراه با تیکتینگ و دستیار هوشمند فارسی.

معرفی محصول >

Caren AI-OS | سیستم‌عامل هوش سازمانی

میز کار تحت وب مدیران: سیزده پلتفرم در یک پنجره، با گزارش لحظه‌ای، اقدام سریع، پیش‌بینی توضیح‌پذیر و دستیار فارسی نیوشا. با API به پلتفرم‌های موجود سازمان وصل می‌شود.

معرفی محصول >

Caren Enterprise AI | پلتفرم مدیریت هوشمند سازمان

فروش، مشتری، مالی، تدارکات و منابع انسانی روی یک داده مشترک، با ۴۷+ قابلیت هوشمند؛ عدد را سامانه محاسبه می‌کند و هوش مصنوعی روایت می‌کند. ابری یا نصب روی سرور سازمان.

معرفی محصول >

داتیک | CRM هوشمند فارسی

مشتری، فروش، تماس و گزارش در یک سامانه فارسی، با دستیار هوش مصنوعی نیوشا که داده سازمان را می‌شناسد و کار انجام می‌دهد.

معرفی محصول >

هوش اسناد و OCR فارسی

خواندن متن چاپی و دست‌نوشته فارسی، استخراج داده از فاکتور و قرارداد، و جست‌وجوی معنایی در آرشیو سازمان.

معرفی محصول >

هوش تجاری سازمانی (BI)

انبار داده، داشبورد فارسی با تقویم شمسی و پرس‌وجو به زبان طبیعی؛ گزارش به‌جای فایل‌های اکسل پراکنده.

معرفی محصول >

محصولات دیگر: تحلیل هوشمند مشتری · دستیار صوتی هوشمند · پلتفرم فروش هوشمند · دایاتل - ERP هوشمند فارسی · کارنتل - دستیار دانش سازمانی · رایوتل - ایجنت آواتار هوشمند · پلتفرم بازاریابی هوشمند · مدیریت وفاداری مشتریان · سرمایه انسانی هوشمند · یادگیری و آموزش هوشمند · استودیو هوش مصنوعی مولد · همه محصولات

جلسه شناخت رایگان، بدون تعهد

یک جلسه ۳۰ دقیقه‌ای رزرو کنید. اسناد و داده خودتان را می‌دهید و همان جلسه نتیجه را می‌بینید.

شرکت سهامی
خاص
2016
تأسیس
+۵۰
متخصص هوش مصنوعی
+۱۲
محصول AI-Ready
+20
صنعت تخصصی
+10
سال تجربه
۰۲
مرکز توسعه
ISO 9001 & 27001
گواهینامه
AI-Native
معماری
Infosys
شریک تجاری
HCL Technologies
شریک تجاری
TCS
شریک تجاری
درخواست خرید محصول