Los jugadores pueden abandonar tu sitio en cualquier momento sin ninguna obligación de informarte. Afortunadamente, la Probabilidad de Retorno es un modelo predictivo que te mantiene un paso adelante. Como usuario de FT CRM, tienes a tu disposición este inteligente modelo de datos predictivo. Úsalo para incorporar una poderosa inteligencia en tu estrategia de prevención de abandono.
Programa campañas automatizadas con una estrategia de incentivos. Contacta a tus jugadores cuando comiencen a mostrar signos de inactividad. Repite eso con otra oferta una vez que se vuelvan menos y menos propensos a regresar. Perder jugadores se convertirá en cosa del pasado.

🏆 ¿Qué Beneficios Verás?

Muchos de nosotros tenemos actividades de CRM programadas para jugadores que no han interactuado con nuestra marca durante un tiempo. Digamos, por ejemplo, si no han depositado en los últimos cinco o diez días.

Personalización

Pero no todos los clientes son iguales. Algunos clientes juegan después de su día de pago un par de veces al mes, mientras que otros juegan varias veces cada semana. Con estas diferencias, es más difícil saber cuándo un jugador ha abandonado, ¿y cuándo necesitas contactarlos?

Redefinir la Prevención de Abandono

Afortunadamente, los modelos predictivos pueden ayudar. El modelo de Probabilidad de Retorno redefine cómo vemos las estrategias de abandono. Analiza el comportamiento de depósito pasado de los jugadores para predecir su comportamiento futuro. El modelo calcula la frecuencia de la actividad de los jugadores y les da una puntuación cada 24 horas. Esta puntuación determinará cuán probable es que un jugador regrese, o cuán probable es que el jugador abandone.
Reacciona rápidamente para prevenir el abandono mientras evitas el spam innecesario.

📩 ¿Cómo Funciona el Modelo?

  1. Un jugador ha mostrado un patrón de depósito todos los martes y viernes.
  2. De repente, el jugador permanece inactivo durante una semana completa.
  3. El modelo de datos reconoce este cambio de comportamiento.
  4. Debido al cambio, el modelo asigna al jugador a un nuevo segmento.
  5. Este cambio es el catalizador que califica al jugador para las campañas de prevención de abandono automatizadas que debes construir.
  6. Los jugadores recibirán una campaña dirigida personalmente que los alentará a regresar a tu sitio.
A continuación, puedes encontrar otro ejemplo simple de cómo podría funcionar para un jugador altamente activo.
Ejemplo de Prevención Automatizada de Abandono
Ejemplo de Prevención Automatizada de Abandono

Una guía sobre cómo comenzar con tus Actividades:

💭 ¿Cómo Construimos la Segmentación Predictiva?

El modelo calcula una puntuación para cada jugador que va del 0 al 100%. Según su puntuación, cada jugador se agrega automáticamente a un segmento que puede cambiar todos los días.
En total, hemos agregado siete segmentos en FT CRM. El primer grupo consta de jugadores que tienen más probabilidades de permanecer activos (Sky-High). A partir de ahí, descienden a grupos de jugadores que son cada vez menos propensos a permanecer activos hasta llegar a los jugadores que han abandonado (Dead).
Segmentos Predictivos y Puntuaciones
  1. Sky-High - La puntuación es superior al 83.5%
  2. High - La puntuación está entre el 67% y el 83.5%
  3. Medium - La puntuación está entre el 50.5% y el 67%
  4. Low - La puntuación está entre el 34% y el 50.5%
  5. Frail - La puntuación está entre el 17.5% y el 34%
  6. Critical - La puntuación está entre el 10% y el 17.5%
  7. Dead - La puntuación es inferior al 10% (Inactivo)
Para encontrar qué jugadores pertenecen a cada segmento, abre el Tablero de Jugadores Activos **** bajo las Perspectivas Predictivas del Jugador. Puedes encontrarlo en la pestaña 'Insights and Analytics' en el menú de navegación izquierdo en tu instancia de FT CRM.

Más información sobre el Tablero:

/knowledge-base/insights-and-analytics/dashboards/system-dashboards/active-players-dashboard