Det är inte lätt att veta vad kunden vill ha. Det vet alla som någonsin försökt sälja någonting. Här är en till sanning: Det är heller inte så lätt för kunden att veta vad den vill ha.

Com Hem såg inte bara problemet utan också lösningen. Med prediktiva analyser kan man höja både kundnöjdheten och sina egna intäkter.

Men vi tar det från början.

2013 köpte tv-, telefoni- och bredbandsjätten Com Hem in ett nytt kampanjhanteringssystem. Gott så.

– Men då ville vi också implementera en interaktionsplan, det vill säga en kunddialog, säger Anna Calmerskog, campaign manager på Com Hem.

Com Hem tog hjälp av byrån Kaplan.

– Den stora utmaningen från början var att det var svårt för Com Hem att differentiera kampanjerbjudanden till befintliga kunder. Antalet varianter på det som kunden redan hade och det som kunden kunde få var stort och komplext. Då var det lättare att fokusera på nya kunder – där känner många företag igen sig. Det var där vi kom in i bilden och hjälpte dem med hur de skulle använda sin nyinköpta kampanjhanterare för att kunna differentiera sina erbjudanden på ett logiskt och strukturerat sätt. De hade redan vissa prediktiva modeller men vi hjälpte Com Hem med hur allt skulle hänga ihop och vilka modeller som skulle prioriteras och byggas, berättar Ann-Charlotte Hellström, Head of Customer Insight på Kaplan.

Så föddes Kundinteraktionsplan 1.0.

”Med hjälp av data om kunderna ska vi kunna förutspå deras beteende och möta upp med rätt erbjudande”

Kunderna filtreras först genom ett antal olika regler, olika förutsättningar och möjligheter att använda produkterna som varje enskild kund har. Till exempel kan kunder sitta med olika nät som levererar olika hastigheter och därför inte ha full frihet i val av abonnemang.

De här reglerna ligger till grund för om kunden kan få ett erbjudande. Sedan tillämpas ”propensity models”, sannolikhetsmodeller, som ger olika värden och visar vilken produkt kunden med högst sannolikhet kommer att köpa.

– Och de modellerna är uppbyggda av flera faktorer som ålder, tid som kund, var man bor, vilket abonnemang man har … Vi använder all data vi har för att bygga olika analyser.

Och här kommer det prediktiva in i bilden.

– Med hjälp av data om kunderna ska vi kunna förutspå deras beteende och möta upp med rätt erbjudande.

Om det är sannolikt att Elsa, 51, i Jönköping vill ha snabbare bredband och Calle, 34, i Piteå vill ha ett nytt kanalpaket så ska Com Hem veta det och finnas där för kunden. Det är ett tankesätt som många företag redan rättar sig efter, de som inte gör det ligger risigt till.

– Det handlar om kundnöjdhet. De ska få rätt erbjudande i rätt tid och på rätt plats, säger Anna Calmerskog.

Dialogerna med kunderna är sedan helt automatiserade. Elsa i Jönköping och Calle i Piteå kan ha samma hastighet på bredband men få olika, unikt anpassade budskap. Om propensityvärdet skiljer sig så kan Elsa få erbjudande om att uppgradera sitt bredband och Calle få ett erbjudande om att köpa tv-abonnemang. Bilden är förvald, precis som texten och budskapet.

– Är det en kund som har en tendens att svara på e-post får den kunden e-post. Gillar kunden sms får den ett sms och om kunden vill prata med en säljare så får kunden ett telefonsamtal, säger Anna, och berättar att Com Hem i maj för första gången med det här systemet testar att göra ett fysiskt utskick.

– Målet är att ha en dialog med alla kunder.

Automatiseringen av kunddialogen är en viktig del för Com Hem. Systemet är extremt kostnadseffektivt och man slipper spill med felriktade budskap. Jämfört med kontrollgrupper genererade den nya kundinteraktionsplanen fler än 4 000 sålda produkter och uppgraderingar under förra året.

– Vi har redan sett resultat och vissa saker har gått jättebra. Bredband till exempel, där vi kan erbjuda högre hastighet. Den stora utmaningen är att få kunderna att våga testa en annan produkt, en ny grundtjänst, säger Anna -Calmer-
skog, so
m tidigare år tillsammans med Com Hem och Kaplan fick ta emot Guldnyckeln då Kip 1.0 vann guld i kategorin Analyspriset.

”Vi kommer även att lyfta in hur kunden faktiskt agerar och optimera det med de prediktiva modellerna i realtid”

Med fortsatt bearbetning av systemet kommer resultaten bli ännu bättre. Systematiserade tester och uppföljningar gör att man kontinuerligt kan optimera systemet.

Så vad är nästa steg? Kunddialogen startar i dag på Com Hem, men det behöver inte vara så, säger CRM-projektledaren Michael Öh.

– Nu ska vi försöka synka systemen så att vi i realtid kan komma med relevanta erbjudanden till kunderna som kontaktar Com Hem. Vi kommer även att lyfta in hur kunden faktiskt agerar och optimera det med de prediktiva modellerna i realtid. Vi ska höja kundupplevelsen och kunna ge erbjudanden som ger mervärde.

För Kaplans del är arbetet inte över.

– Vår nästa utmaning är att vi lägger till fler kanaler i Com Hems resa mot omnichannel, säger Ann-Charlotte Hellström.

Text: Mattias Wikdahl

Det här är prediktiv analys

Ann-Charlotte Hellström, Kaplan.

Ann-Charlotte Hellström, Kaplan.

Ann-Charlotte Hellström är Head of Customer
Insight på loyalty management-byrån Kaplan, som hjälpte Com Hem med Kundinteraktionsplan 1.0.

– Prediktiv analys är en analysmetod där man tittar på historisk data för att skapa en profil på kunder som visar på önskat beteende (till exempel har köpt en viss produkt eller använt en viss kanal) som man sedan kan applicera på kunder som har samma profil i dag. På så sätt får man ut en grupp kunder just nu som har en högre benägenhet att anta önskat beteende.

Hur kan prediktiv analys hjälpa företag?

– Den stora skillnaden mellan en ”vanlig” segmentering och prediktiv modellering är att du får fram en sannolikhet, en ”propensity”, på varje kund för önskat beteende. Du kan egentligen ha hur många modeller som helst. Ta ett exempel från tidningsvärlden: Sannolikheten för att en kund ska köpa titel A är 30 procent och 5 procent för att köpa titel B, då är det ganska lätt att prioritera vilket erbjudande kunden ska få, eller hur? Och det handlar om att prioritera rätt erbjudande till rätt kund och prediktiv analys underlättar prioriteringen.

Vad kommer vi att få se i framtiden?

– Företag i dag använder inte sina kunddatabaser i den utsträckning som de faktiskt borde göra. De sitter på en guldgruva och fler företag kommer att få upp ögonen för den här typen av kundanalys, det är jag alldeles säker på.