Analytics Best Practice: Wie KI völlig neue Erkenntnisse ... / 3.2 Große Vielfalt potenzieller Kundenvariablen als größte Herausforderung

Welche Faktoren haben einen Einfluss auf die Kundenloyalität? Zur Untersuchung der Kundenloyalität sind die Methoden von Machine Learning (ML) generell gut geeignet. Die Analyse soll ein Klassifikationsproblem lösen, also die Unterscheidung von Kunden, die kündigen oder nicht kündigen werden (Churn oder no Churn). Außerdem sind historische Daten in großer Menge vorhanden, die bereits klassifiziert sind (Kündigungen bzw. fortgeführte Verträge).

In einer ersten Übersicht stellte ServiceMaster mehr als 50 Merkmale zusammen, die eine Rolle bei der Kundenloyalität spielen könnten. Dazu gehörten u. a. die Vielzahl unterschiedlicher Franchise- oder Servicepartner, private oder gewerbliche Kunden, die unterschiedlichen Standorte, geografische und klimatische Verhältnisse, die Anwendungsmethoden, Kundenmerkmale wie die Dauer der Kundenbeziehung als auch unterschiedliche Vertragskonditionen bei Kündigungsfristen, Zahlungsmethoden und -terminen.

Die Umsetzung von mehr als 50 Merkmalen in Algorithmen hätte das Projekt allerdings unnötig komplex und aufwendig gemacht. Deshalb wurden in einer Voruntersuchung die Top Ten der einflussreichsten Merkmale ermittelt. Dabei stellten sich etliche Faktoren als vergleichbare Duplikate heraus, beispielsweise bei den Vertragsdetails. Andere Elemente, bspw. die Region, wurden durch die Feature Selection Services untersucht, hatten aber keinen Einfluss auf das Kundenverhalten.