Szacuje się, że pozyskanie nowych nabywców jest przeciętnie pięć razy droższe niż utrzymanie obecnych klientów. Zapobieganie ich odejściu jest zatem istotnym wyzwaniem dla firm w wielu branżach – w tym tych operujących w sektorze finansowym. Korzystając z modeli prognozowania odejść klientów (churn), banki mogą zidentyfikować potencjalne rezygnacje, a następnie zdecydować o właściwym działaniu, aby im zapobiec. Nasz klient – polski oddział międzynarodowego banku – również korzystał z takich modeli, ale aktywnie szukał sposobów na ulepszenie swojego systemu.

Współpracując z zespołem naszego klienta, przeprowadziliśmy głęboką refaktoryzację ich modelu prognozowania rezygnacji. Zajęliśmy się zarówno aspektami biznesowymi, jak i technicznymi istniejącego rozwiązania, rozszerzając zakres analizowanych zestawów o nieustrukturyzowane dane tekstowe opisujące transakcje dokonywane przez klientów banku. W procesie modelowania wdrożyliśmy techniki uczenia maszynowego. Na koniec projektu przeprowadziliśmy również indywidualne warsztaty dla zespołu
naszego klienta, aby pomóc im w budowaniu umiejętności potrzebnych do maksymalnego wykorzystania nowego rozwiązania i tworzenia analogicznych modeli już bez naszego udziału.

Nowy model znacznie poprawił skuteczność przewidywania odejść klientów banku – podnosząc dokładność o ponad 10% w porównaniu z poprzednim rozwiązaniem. W rezultacie nasz klient zoptymalizował procesy związane z identyfikowaniem oraz przeciwdziałaniem potencjalnym odejściom.