From Churn Prediction to Retention Pricing: A Cost-Sensitive Decision Framework for Managing Revenue at Risk in Subscription Services
تقدم هذه الورقة إطار عمل لاتخاذ القرار حساس للتكلفة يحول التنبؤ بترك الخدمة إلى استراتيجية تسعير للاحتفاظ بالعملاء من خلال قياس الإيرادات المعرضة للخطر وإثبات أن التواصل الواسع ومنخفض التكلفة يتفوق اقتصادياً على الاستهداف الضيق عالي الدقة في تعظيم صافي المنفعة في خدمات الاشتراك.
في عالم خدمات الاشتراك، من منصات البث إلى خطط الهواتف المحمولة، يعتمد بقاء الشركة على دورة بسيطة ومستمرة: جلب عملاء جدد والاحتفاظ بالعملاء الحاليين. تُعرف معضلة الحفاظ على العملاء بـ "الاستبقاء" (retention)، بينما يُسمى فعل مغادرة العميل بـ "الإنهاء" أو "التسرب" (churn). بالنسبة للشركة، لا يمثل فقدان العميل مجرد عملية بيع واحدة ضائعة، بل هو اختفاء لتدفق ثابت من الدخل يجب استبداله بإيجاد شخص جديد، وهو أمر دائمًا ما يكون أكثر تكلفة بكثير. لهذا السبب، حاولت الشركات منذ فترة طويلة التنبؤ بمن يوشك على المغادرة حتى تتمكن من التدخل. تقليديًا، عولج هذا التنبؤ كمسألة رياضية بحتة، حيث يكون الهدف ببساطة هو بناء نموذج حاسوبي يخمن بشكل صحيح قدر الإمكان. ومع ذلك، فإن كون النموذج دقيقًا بشكل عام لا يعني بالضرورة أنه مفيد من الناحية التجارية. قد يكون النموذج دقيقًا للغاية في مجمله، لكنه قد يفشل في توجيه الشركة حول من يجب الاتصال به، أو ما هو العرض الذي يجب تقديمه، أو كم يجب أن تكون تكلفة ذلك العرض. السؤال الحقيقي ليس فقط "من سيغادر؟"، بل "من يستحق المحاولة لإنقاذه؟".
يتخذ هذا البحث نهجًا مختلفًا، حيث يعامل التنبؤ بمن سيغادر ليس كغاية في حد ذاتها، بل كنقطة انطلاق لقرار مالي. تركز الدراسة على مجموعة بيانات تضم أكثر من 7,000 عميل من مزود لخدمات الاتصالات، حيث فحصت سجلات الفواتير الخاصة بهم، ومدة بقائهم مع الشركة، ونوع العقود التي وقعوها. قام الباحثون أولاً ببناء نظام تعلم آلي يقوم بترتيب كل عميل حسب احتمالية مغادرته. ومن الأهمية بمكان أنهم صمموا هذا النظام لتجنب خطأ شائع يتمثل في استخدام الحاسوب لبيانات مستقبلية أثناء تدريبه، مما يضمن أن تكون التصنيفات صادقة وموثوقة. وبمجرد حصولهم على قائمة بالعملاء مرتبين حسب درجة الخطورة، لم يتوقفوا عند مرحلة التنبؤ. بدلاً من ذلك، طرحوا سؤالًا عمليًا: إذا قدمت الشركة خصمًا للاحتفاظ بالعميل، فما هي النقطة التي تتجاوز فيها تكلفة هذا الخصم قيمة بقاء العميل؟
كشف التحليل عن عدم توازن صارخ في المكان الذي تكمن فيه المخاطرة المالية فعليًا. فبينما لا يشكل العملاء الذين لديهم عقود شهرية (شهر بشهر) سوى حوالي نصف إجمالي قاعدة العملاء، إلا أنهم يمثلون ما يقرب من 87 بالمائة من الإيرادات السنوية المعرضة للخطر حاليًا. يغادر هؤلاء العملاء بمعدل يزيد عن خمسة عشر ضعف معدل أولئك الذين يوقعون عقودًا لمدة عامين. ومن المفارقات أن العملاء الذين يغادرون في أغلى الأوقات هم أنفسهم الذين يولدون، في المتوسط، أقل قدر من القيمة طويلة الأجل للشركة، بينما العملاء الذين يبقون لأطول فترة هم الأكثر قيمة. وهذا يخلق وضعًا معقدًا لقادة الأعمال: فالشريحة الأكثر عرضة للمغادرة هي أيضًا الشريحة الأقل تكلفة في حال فقدانها، ولكن نظرًا لأن الكثير منهم يغادرون في وقت واحد، فإن إجمالي المبلغ المعرض للخطر ضخم للغاية.
ولحل هذه المعضلة، اختبر الباحثون استراتيجية التواصل مع العملاء لتقديم عروض استبقاء بناءً على درجة خطورة رحيلهم. قاموا بمحاكاة سيناريوهات مختلفة، بافتراض تكاليف مختلفة للعروض ومعدلات نجاح مختلفة في إقناع الناس بالبقاء. أظهرت النتائج أن الاستراتيجية الأكثر ربحية ليست الانتظار حتى الوصول إلى يقين عالٍ جدًا بأن العميل سيغادر قبل اتخاذ إجراء. بدلاً من ذلك، تشير البيانات إلى ضرورة أن تمد الشركات شبكتها لتشمل نطاقًا أوسع بكثير. وتتضمن الاستراتيجية المثلى التواصل مع العملاء حتى عندما تكون احتمالية مغادرتهم منخفضة نسبيًا، وتحديدًا عند حوالي 15 بالمائة. قد يبدو هذا منافيًا للحدس، لأنه يعني التواصل مع الكثير من الأشخاص الذين كانوا سيبقون على أي حال. ومع ذلك، تظهر الحسابات أن تكلفة تقديم خصم صغير لعدد إضافي من الأشخاص هي أقل بكثير من تكلفة تفويت فرصة إنقاذ عميل يغادر بالفعل. وفي عمليات المحاكاة، حقق هذا النهج الواسع ذو العتبة المنخفضة فوائد صافية أكبر بكثير من استراتيجية الضبط الدقيق التي تستهدف فقط الحالات الأكثر وضوحًا.
تخلص الدراسة إلى أن الطريقة التي تدير بها الشركات عملية الاستبقاء يجب أن تتحول من التركيز الضيق على الدقة إلى التركيز الأوسع على الجوانب الاقتصادية. ولأن تكلفة فقدان العميل مرتفعة جدًا مقارنة بتكلفة عرض استبقاء فاشل، فمن المنطقي ماليًا أن يكون التعامل بسخاء في التواصل. كما تشير النتائج إلى استراتيجية تسعير محددة: يجب على الشركات استخدام طول العقد كأداة لنقل عملائها من مجموعة العقود الشهرية الخطرة إلى الالتزامات طويلة الأجل، بدلاً من الاعتماد فقط على الخصومات التفاعلية بعد أن يقرر العميل المغادرة بالفعل. ومن خلال ربط التنبؤ بمن قد يغادر مباشرة بتكلفة إنقاذه، يوفر هذا العمل طريقة واضحة وقابلة للتكرار للشركات لتقرير كيفية إنفاق ميزانية الاستبقاء الخاصة بها، مما يحول النموذج الإحصائي إلى دليل عملي لحماية الإيرادات.
ملخص تقني: من التنبؤ بالانصراف إلى تسعير الاستبقاء
بيان المشكلة يمثل انصراف العملاء (Churn) في نماذج الأعمال القائمة على الاشتراكات تحدياً جوهرياً في إدارة الإيرادات: ففقدان تدفق الإيرادات المتكررة يستلزم استبداله بتكلفة استحواذ أعلى بكثير. وبينما يعد التنبؤ بالانصراف مجالاً راسخاً، إلا أن الأبحاث الحالية تتعامل معه غالباً كعملية تصنيف قائمة بذاتها، تهدف لتحسين مقاييس مثل الدقة (Accuracy) أو مقياس F1-score. هذا النهج يفشل في سد الفجوة بين النمذجة التنبؤية واتخاذ قرارات إدارة الإيرادات القابلة للتنفيذ. وتحديداً، فإن دقة النموذج لا تملي الجدوى الاقتصادية لحملة الاستبقاء، والتي تعتمد على المقايضة بين تكلفة التدخل (مثل عرض خصم) والإيرادات المتوقع إنقاذها. تعالج الورقة هذا الانفصال من خلال إعادة صياغة التنبؤ بالانصراف كمدخل قرار حساس للتكلفة بدلاً من مجرد مهمة تصنيف.
المنهجية تستخدم الدراسة مجموعة بيانات "Telco Customer Churn"، التي تضم 7,043 سجلاً للعملاء تشمل سمات ديموغرافية، وخدمية، وتعاقدية، وفواتير. تنقسم المنهجية إلى أربعة مكونات متميزة:
نمذجة الاحتمالات الخالية من التسرب (Leakage-Free): لضمان تقدير أداء صحيح، نفذ المؤلف خط معالجة صارماً "خالياً من التسرب". تم تقسيم مجموعة البيانات إلى مجموعات تدريب (80%) واختبار (20%) باستخدام العينات الطبقية (Stratified Sampling) قبل أي عملية إعادة عينات أو تغيير للمقياس. تم تطبيق تقنية (SMOTE) حصرياً على مجموعة التدريب. تم ضبط ستة مصنفات (الانحدار اللوجستي، K-Nearest Neighbors، الغابة العشوائية، تعزيز التدرج، تعزيز التدرج القائم على المدرجات التكرارية، والشبكة العصبية متعددة الطبقات) عبر GridSearchCV مع تحقق تبادلي ثلاثي الطبقات (3-fold cross-validation)، مع تحسين مقياس F1-score. تعمل درجات الاحتمالية الناتلة كإشارة جانب الطلب لقرار الاستبقاء.
تحديد الإيرادات المعرضة للخطر والقيمة الدائمة للعميل (CLV): باستخدام بيانات الفواتير الفعلية، قام المؤلف بحساب الإيرادات السنوية المعرضة للخطر حسب شريحة العقد (شهر بشهر، سنة واحدة، سنتان). بالإضافة إلى ذلك، تم اشتقاق تقدير أولي للقيمة الدائمة للعميل (CLV) لكل شريحة عن طريق ضرب متوسط الرسوم الشهرية في متوسط مدة البقاء. هذا المقياس، رغم أنه لا يخصم التدفقات النقدية المستقبلية أو ينمذج احتمالية البقاء صراحة، إلا أنه يعمل على توضيح الفروقات النسبية في القيمة.
إطار عتبة الاستبقاء الحساس للتكلفة: يصيغ إطار القرار الأساسي اختيار العملاء لعروض الاستبقاء كمسألة تحسين للعتبة (Threshold Optimization). بالنسبة لعتبة احتمالية t معينة، يحسب النموذج ما يلي:
الإيرادات المنقذة: مجموع الرسوم الشهرية للمنصرفين الحقيقيين الذين تم تحديدهم فوق العتبة، مضروباً في معدل نجاح استبقاء مفترض وأفق زمني مدته 12 شهراً.
تكلفة الحملة: مجموع تكاليف جميع العملاء الذين تم التواصل معهم (الإيجابيات الحقيقية والإيجابيات الكاذبة)، محسوبة كنسبة من فواتيرهم الشهرية على مدار مدة عرض قدرها 3 أشهر.
صافي المنفعة: الفرق بين الإيرادات المنقذة وتكلفة الحملة.
بما أن نتائج الحملات التاريخية (تكلفة العرض ومعدلات النجاح) غير متوفرة في مجموعة البيانات، تعاملت الدراسة مع هذه القيم كمعلمات مفترضة. يقوم تحليل الحساسية بمسح ثلاثة سيناريوهات محتملة (على سبيل المثال، تكلفة عرض بنسبة 15% مع معدل نجاح استبقاء 0.4) لتحديد العتبة المثلى t∗ التي تعظم صافي المنفعة.
التحليل على مستوى الشرائح: يقوم التحليل صراحةً بتفكيك المقاييس حسب نوع العقد لتحديد عدم التماثل في التعرض للانصراف وقيمة العميل.
النتائج الرئيسية
أداء النموذج: بموجب بروتوكول خالٍ من التسرب، حققت الشبكة العصبية (MLP) أعلى معدل استدعاء (Recall) بلغ (0.746) وأعلى F1-score بلغ (0.622) في مجموعة الاختبار. ونظراً لسياق إدارة الإيرادات حيث تتجاوز تكلفة الخطأ من النوع الثاني (فقدان عميل) تكلفة الخطأ من النوع الأول (إضاعة عرض)، تم اختيار الـ MLP كمصدر للاحتمالات في إطار القرار.
تركيز الإيرادات: يستحوذ المشتركون بعقود "شهر بشهر" على 87% من إجمالي الإيرادات السنوية المعرضة للخطر (1.45 مليون دولار من أصل 1.67 مليون دولار)، رغم أنهم يشكلون 55% فقط من قاعدة العملاء. وتظهر هذه الشريحة معدل انصراف بنسبة 42.7%، مقارنة بـ 2.8% لحاملي العقود لمدة سنتين.
عدم التماثل بين القيمة والمخاطر: لوحظ وجود علاقة عكسية بين التعرض للانصراف وقيمة العميل الواحد. فالمشتركون بعقود "شهر بشهر" لديهم أدنى قيمة دائمة للعميل (CLV) مقدرة بـ (1,198 دولار)، بينما يمتلك عملاء السنتين أعلى قيمة بـ (3,448 دولار).
العتبة المثلى: عبر جميع سيناريوهات الحساسية، يتم تعظيم صافي المنفعة عند عتبة احتمالية منخفضة تبلغ حوالي 0.15. وهذا يعني أن التواصل مع حوالي 900 عميل (من أصل 1,409 في مجموعة الاختبار) يحقق عائداً اقتصادياً أعلى من الاستهداف الضيق عالي الدقة. عند عتبة 0.15، يلتقط النموذج 356 من أصل 374 من المنصرفين الحقيقيين في مجموعة الاختبار. ومع زيادة العتبة (على سبيل المثال، إلى 0.5)، ينخفض صافي المنفعة (على سبيل المثال، بنسبة 15% في الحالة الأساسية) لأن المكاسب الهامشية في الدقة تفوقها الخسارة في الإيرادات الناتجة عن فقدان المنصرفين الحقيقيين.
الأهمية والمساهمات تدعي الورقة أنها توفر جسراً قابلاً للتكرار بين التحليلات التنبؤية واتخاذ قرارات إدارة الإيرادات. وتتمثل مساهماتها الرئيسية في:
تحديد الإيرادات على مستوى الشرائح: تجاوز معدلات الانصراف الإجمالية لتحديد الإيرادات المعرضة للخطر حسب نوع العقد باستخدام بيانات الفواتير الفعلية.
الدقة المنهجية: إنشاء خط معالجة تصنيف خالٍ من التسرب ينتج ترتيبات احتمالية معايرة جيداً ومناسبة لاتخاذ القرارات الاقتصادية.
إطار اتخاذ القرار: تقديم إطار عتبة حساس للتكلفة يوازن صراحةً بين تكاليف العروض والإيرادات المتوقعة، مما يثبت أن التواصل الواسع ومنخفض التكلفة غالباً ما يكون متفوقاً اقتصادياً على الاستهداف الضيق في ظل هياكل تكلفة الاشتراك المعتادة.
الآثار المترتبة على التسعير: تسليط الضوء على أن الإنفاق على الاستبقاء يجب أن يُعطى الأولوية حسب الشريحة بناءً على إجمالي الإيرادات المعرضة للخطر وليس على القيمة الدائمة الفردية للعميل، واقتراح أن حوافز طول مدة العقد (مثل الخصومات للعقود الطويلة) يمكن أن تعمل كرافعة استباقية لإدارة الطلب لنقل العملاء من الشرائح عالية المخاطر/منخفضة القيمة إلى شرائح أقل خطورة/أعلى قيمة.
يتبنى المؤلف موقفاً متواضعاً، مشيراً إلى أن الدراسة تعتمد على معلمات مفترضة لتكاليف العروض ومعدلات النجاح بدلاً من بيانات حملات مقاسة. وبناءً على ذلك، تُقدم النتائج كنطاق حساسية لتوجيه تصميم الميزانية والتسعير، مع التوصية بأن تتضمن الأعمال المستقبلية بيانات اختبارات A/B فعلية لتنقيح هذه التقديرات.