Tag Archives: gebruikersgedrag

Klantenverloop voorspellen met Big Data: van Telenet naar Netflix


Zou jouw organisatie het merken als het gebruikersgedrag van je klant radicaal wijzigt en de klant overweegt om te veranderen? In deze blog passen we het toe op de overstap van Telenet naar Netflix en hoe Telenet proactief had kunnen reageren met behulp van Big Data analyse.

Qua technologie beschouw ik me niet als een Early Adaptor, maar eerder als lid van de Early Majority. Dit betekent dat ik niet de eerste zal zijn om iets nieuws te proberen, maar er uiteindelijk toch vlug mee aan de slag zal gaan. En dat geldt ook voor Netflix. Toen Netflix beschikbaar kwam in België was ik niet de eerste om een (gratis) proefabonnement te nemen. Na een tijdje wikken & wegen en enkel testsessies bij vrienden, zijn we er toch mee aan de slag gegaan. Ik ga hier niet dieper ingaan op mijn ervaring met Netflix, maar ik kan je één ding meegeven: ons TV-kijk gedrag is radicaal veranderd. Sinds de activatie een maand geleden heb ik nul minuten vrijwillig digitale televisie gekeken. Ik accentueer hier “vrijwillig” omdat je op andere locaties, bv. bij familie, niet altijd de keuze hebt.

Na een maand begon ik me af te vragen of onze huidige provider van digitale televisie, Telenet, hier iets van gemerkt zou hebben en beter nog: of ze een tegenaanval plannen.

Het zit namelijk zo: eens je Netflix begint te gebruiken, verandert het verkeer over de kabel drastisch. In plaats van een stroom aan digitale televisie te genereren, wordt er nu een stroom aan internetverkeer gegenereerd: Netflix is immers streaming televisie en verbruikt aardig wat netwerk. Telenet volgt dit verbruikt netjes op: nog voor dat de maand om was, zijn we van minder dan 20% maandelijks verbruik, naar meer dan 90% gegaan. Een duidelijk merkbaar verschil in gebruikersgedrag en aangezien we geen digitale televisie meer gekeken hebben, zal daar een vergelijkbare vermindering merkbaar moeten zijn. Deze vermindering kan Telenet over de kabel meten, maar ook adhv. het gebruik van onze digicorder. Met deze data in handen had ik eigenlijk een tegenreactie verwacht van Telenet: een telefoontje om te kijken wat er aan de hand is, een voorstel voor een beter tarief of andere abonnement, een of andere cheque om ons te stimuleren om digitale televisie terug op te pakken, … Nu is er immers nog tijd om te handelen: we hebben nog steeds ons digitale TV abonnement en staan nog niet op punt van opzeggen. Eens opgezegd zal het voor Telenet eens zo moeilijk zijn om ons terug te krijgen als klant.

Laten we dit punt in de tijd “Punt A” noemen: de gebruiker zegt zijn digitale TV abonnement op schakelt gaat volledig over naar streaming televisie met Netflix. Punt A is eenvoudig te detecteren: er is namelijk een opzeg (in brief of digitaal) en het verbruik wordt beëindigd. De klant is verloren en we kunnen enkel reageren.

De kunst is om te voorspellen wanneer dit zal gebeuren, zodat er tijdig ingegrepen kan worden. We noemen dit “Punt B”. Op Punt B wordt er een grote verandering in gebruikersgedrag geconstateerd. De gebruiker maakt de overstap van digitale televisie naar streaming televisie, maar behoudt nog steeds zijn abonnement. We gaan hier van de veronderstelling uit dat de overdracht geleidelijk is (en niet bruusk zoals bij de wisseling van digitale TV provider naar bv. Proximus). Zoals eerder vermeld, kan dit waargenomen worden in een abnormale toename van internetverkeer, in combinatie met een abnormale daling van digitale TV verkeer of aantal gekeken minuten digitale TV. Op dit punt is de klant nog niet verloren en kan er tijdig in gegrepen worden.

Volgens mij is dit nog redelijk eenvoudig om te doen, maar we handelen nog steeds reactief.

Als we een stap verder denken, dan kunnen we de beschikbare data ook proactief gebruiken. Tijdens de maanden voor Punt B zal het gebruikersgedrag ook al aan het wijzigen geweest zijn, al ware het niet zo duidelijk als op Punt B. In ons geval uitte zich dit in: minder bekeken minuten televisie, minder opnames en meer opnames die niet afgekeken worden. [1] Samengevat: een verminderde interesse in het aanbod. We noemen dit “Punt C”. Als de klantengegevens hier goed opgevolgd worden, kan men, voor de klant het weet, detecteren dat hij minder tevreden is en open staat voor andere mogelijkheden. Op dit moment heeft de klant nog geen beslissingen gemaakt, noch andere opties overwogen en kunnen acties vanuit de provider meer slagkracht hebben.

Telenet verbruik en impact Netflix

Telenet verbruik en impact Netflix

Samengevat

Ik begrijp dat het nu nogal zwart-wit bekeken is: in realiteit zullen er vele shades of grey zijn en zal de gemiddelde Vlaming zich vast klammen aan de vaste zenders via digitale televisie. Het voorbeeld toont wel aan hoe we van reactief en veel moeite, naar proactief en tevreden klanten kunnen gaan. Ik ben ook bewust dat we met deze eenvoudige meting nog maar aan het begin staan van de vele mogelijkheden van Big Data. Via statistische analyse van de gebruikersgegevens zou je immers ook kunnen voorstellen welke gebruikers binnenkort hetzelfde gaan doen. Een beslissing gaat immers vaak niet over één nacht ijs en met de juiste metingen kan een provider zoals Telenet heel wat klantenverloop vermijden.

[1] In principe kan Telenet nog verder gaan en door het internetverkeer en cookies op te volgen merken dat we de overstap overwegen, maar laten we veronderstellen dat ze de privacy van de klanten respecteren.

Tagged , , ,
%d bloggers like this: