第10回 データマイニングで、サービスの解約率を改善

あなたは、別れを切り出した恋人をつなぎとめることはできますか。つなぎとめられるかはともかく、これまでの相手の行動や言動から別れたい理由が思いあたれば、対策は打てるかもしれません。
サービスの解約をしようとする利用者をつなぎとめるのも、これと同じです。今回は、サービス解約を減らすためのデータマイニングをご紹介します。

利用者の不満はどこにあるのか、ボトルネックを突き止める

みなさんは、「ハインリッヒの法則」をご存知でしょうか。1件の重大な事故の背後には、29件の軽微な事故、そして300件のヒヤリとしたハッとした事象があるという経験則です。
これはサービス解約についても当てはまります。1件のサービス解約には、それにつながるさまざまな不満があるものです。

サービスの解約をしようとする利用者に、ただ「解約しないでください」とすがるだけでは、気持ちを変えることはできません。利用者にとって魅力的なコンテンツがなかった。店員の応対が悪かった……など、具体的な不満を突き止めて、解約される前に対策を打たなくてはなりません。

そのために必要なのが、サイトのアクセスログ、商品の購入履歴、ゲームの利用履歴……などなど、利用者の活動データ。ある機能の利用者だったり、ある店舗での特定商品の購入者であったり。データマイニングでサービス利用者の動向データを追い続けると、解約の問い合わせをしてくる利用者の共通点が次第に見えてくるはずです。

こうした共通点は、いわばサービスのボトルネック。このボトルネックを解消すれば、サービス解約者の数を減らすことができます。

強制解約者や必然解約者は、マイニングの前に分ける

解約率改善のためのデータマイニングで気をつけるべきなのが、以下のような、手の施しようがない解約者のデータ。

■強制解約者・・・利用規約に違反したり、利用料金を滞納したりといった理由で、サービス提供者に解約された利用者。
■必然解約者・・・サービス対象でなくなったために、解約した利用者。例：小学生の母親向けサービスに加入していたが、子どもが中学生になった。

こうした強制解約者や必然解約者のデータは、データマイニングの前に分けておくこと。一般的な解約者と同様に扱うと、ボトルネックの箇所が特定できなくなるので注意しましょう。

解約率改善で何よりも重要なのは、サービス利用者の活動データが存在していること。細かいデータが揃っているほど、細かく解約理由を特定することができます。
さらにデータマイニングなら、解約者の解約理由を特定するだけでなく、利用者一人ひとりの解約予測率を算出することもできます。

［まとめ］ データマイニングで、サービス利用者の解約率を改善するために必要なこと
・サービス利用者の動向をデータで把握し続ける。
・ボトルネックとなっている箇所を特定し、解消する。
・手の打ちようがある解約者のデータのみを扱う。

バックナンバーはこちら

お問い合わせ・ご質問はこちら

データマイニングに関するお問い合わせ・ご質問は、下記フォームに必要事項をご入力いただき、送信するをクリックしてください。

仕事の合間に!　3分間データマイニング入門