De uitdaging
Klantverloop begrijpen en voorkomen is essentieel voor de continuïteit van elk klantgericht bedrijf. Een online gamingplatform wilde voorspellen welke spelers waarschijnlijk zouden afhaken en daarop reageren met de juiste retentiestrategie.
Een van de meest cruciale en veeleisende eisen was een stabiele pipeline voor gegevensverzameling en -verwerking die de bedrijfsvoering niet zou verstoren door downtime.
Onze oplossing
Wij ontwikkelden een machine-learningmodel dat het gedrag van spelers gedurende het spel leert en de kans op verloop binnen een bepaalde periode voorspelt.
Ons data-engineeringteam bouwde een hoogwaardige datapipeline, vrijwel zonder downtime van het online platform van de klant. Daarnaast zetten we een A/B-testframework op om met retentiestrategieën te experimenteren en nieuw geïntroduceerde spelfuncties te testen.
- Voorspelling van de kans op verloop voor een gekozen periode
- Pipeline voor gegevensverzameling en -verwerking, gebouwd vrijwel zonder downtime van het platform
- A/B-testframework voor retentiestrategieën en nieuwe spelfuncties
Het resultaat
Met de oplossing begreep de klant waarom spelers afhaakten en ontwikkelde hij retentiestrategieën die het verloop terugbrachten tot 11,3%.
