Voorspellen wie zijn abonnement opzegt bij Nederlands Dagblad
Met voorspellende analyse op Google Cloud houdt Nederlands Dagblad meer abonnees vast.
De uitdaging
Voor het team van Nederlands Dagblad was moeilijk te voorspellen welke klanten hun abonnement binnen een jaar zouden opzeggen. Er was data genoeg, uit bronnen als Zeno, Pubble en Google Analytics 4, maar die stond verspreid over verschillende systemen, waardoor een compleet beeld van de klant ontbrak.
Het bestaande opzegmodel leverde niet de bruikbare uitkomsten waar ND iets mee kon. Ze wilden betrouwbaar kunnen zien welke abonnees binnen een jaar zouden vertrekken, zodat het marketingteam op tijd kon ingrijpen. Daarvoor was nodig:
- De verspreide data samenbrengen in één samenhangend klantbeeld (Engels).
- Bepalen welke signalen het meest zeggen over opzeggen (Engels).
- De juiste infrastructuur op Google Cloud Platform neerzetten om het model te laten draaien.
Over onze klant
Nederlands Dagblad wilde zijn abonnees tevreden en betrokken houden. Met verschillende abonnementsvormen, van papier tot online, was een heldere manier nodig om te zien wie er waarschijnlijk zou opzeggen. Samen met Crystalloids bouwde Nederlands Dagblad op Google Cloud Platform (GCP) een voorspellend opzegmodel dat concrete aanknopingspunten geeft en helpt om abonnees op tijd vast te houden.
Begin je eigen succesverhaal met Crystalloids
Werk samen met Crystalloids en Google Cloud om je project tot leven te brengen.
De oplossing
Het team van Crystalloids begon bij de data van ND en bracht de gegevens uit Zeno, Pubble en GA4 samen in een centrale GCP-omgeving. Daaruit kwamen 35 tot 40 mogelijke opzegsignalen naar voren, zoals afmeldingen voor de nieuwsbrief en periodes van inactiviteit.
Zo hebben we het opgebouwd:
- De belangrijkste signalen vinden: na uitgebreid testen bleven er 12 signalen over die het meeste zeggen over de kans op opzeggen.
- Het model bouwen: met BigQuery ML trainden we een machine learning-model. We trainden op de data van januari tot september en toetsten de voorspellingen aan oktober tot december. Het model gaf steeds nauwkeurige uitkomsten.
- Looker Studio: we brachten de voorspellingen in beeld in Looker Studio, zodat Nederlands Dagblad er eenvoudig op kan meekijken en naar handelen.
- Actueel houden: het model werkt zichzelf maandelijks bij en levert het marketingteam een nieuwe lijst met klanten die aandacht nodig hebben. Dat bijwerken hoort bij hun ML Ops-proces en houdt het model nauwkeurig.
Het resultaat
Nederlands Dagblad heeft nu een voorspellend opzegmodel dat klanten met vertrekrisico in beeld brengt, zodat het marketingteam ze met gerichte campagnes kan benaderen.
We hebben nauw met het team van ND samengewerkt, zodat ze begrijpen hoe het model werkt en de uitkomsten ook echt in hun marketing kunnen gebruiken.
Met dit model in huis kan ND zijn data inzetten om abonnees vast te houden en beter te begrijpen wat die nodig hebben.