Churnanalyse onder de AVG: wat verandert er?

15 februari 2018

De wettelijke kaders van alle verwerkingen van persoonsgegevens veranderen door de invoering van de nieuwe privacywetgeving per 25 mei 2018. Dit heeft invloed op allerlei aspecten van marketing analytics, zoals churnanalyse. In dit artikel bespreek ik de meest relevante wijzigingen voor churnanalyse.

Churnanalyse: Begrijpen welke klanten waarom vertrokken zijn

Nothing lasts forever. Ieder bedrijf ziet klanten vertrekken. Om te begrijpen welke klanten churnen en waarom, voeren veel bedrijven churnanalyses uit. Vaak wordt hierbij gebruik gemaakt van modelleringstechnieken die patronen vinden in de data; zowel op macro- als op microniveau.

Het macroniveau bestaat uit trendanalyses. Wanneer bijvoorbeeld het patroon wordt gevonden dat klanten met product X tegen tarief Y relatief vaak churnen, kan deze informatie worden gebruikt om de productportfolio te verbeteren of om tarieven te herzien. In deze analyses kunnen beschrijvende modellen worden gebruikt.

Op microniveau wordt het gedrag van individuele klanten geanalyseerd met voorspelmodellen. Er wordt geschat hoe groot de kans is dat een specifieke klant binnenkort zal opzeggen en waarom. Voor iedere klant wordt op basis van tientallen tot honderden klanteigenschappen een individuele churnkans berekend. Bij klanten met een hoge churnkans wordt bijvoorbeeld een aantrekkelijk verlengingsaanbod onder de aandacht gebracht.

Churnanalyse kan onder grondslag gerechtvaardigd belang

Onder de AVG geldt, strikter dan in de huidige wetgeving, dat klip en klaar moet zijn wat een bedrijf het recht geeft om de gegevens van een persoon voor een bepaald doel te gebruiken (“de grondslag voor de gegevensverwerking”) en dat klanten hierover vooraf dienen te worden geïnformeerd.

Churn-trendanalyses op macroniveau worden uitgevoerd met als doelstelling om de bedrijfsvoering te verbeteren. Dit komt de klanten ten goede en daarom kan worden aangevoerd dat het bedrijf een gerechtvaardigd belang heeft om deze analyses uit te voeren.

Benadering op basis van churnkans kan ook gerechtvaardigd belang zijn, maar dan geldt wel het recht van bezwaar

Ook het proactief informeren van een klant over een verlengingsaanbod op basis van een geschatte churnkans is toegestaan met gerechtvaardigd belang als grondslag.

Onder de bestaande wetgeving geldt al een recht van verzet tegen direct marketing; een vergelijkbare regeling blijft bestaan. Bij het aangaan van een overeenkomst dient te worden gemeld dat de klant ieder moment het recht heeft om bezwaar te maken tegen het verwerken van zijn gegevens voor direct-marketingdoeleinden. Klanten die van dit recht gebruik maken, mogen niet benaderd worden met direct marketing-uitingen.

Is direct marketing de énige reden waarom een bedrijf een churnmodel heeft? Dan is het zelfs zo dat voor klanten met bezwaar geen churnkans mag worden bepaald.

Risico op verkeerde conclusies door onjuiste of onduidelijke implementatie van recht op gegevenswissing

Klanten mogen onder de AVG eisen dat bedrijven hun gegevens wissen, of als dat nog niet volledig kan, de verwerking daarvan tot het wettelijk vereiste minimum beperken.

Dit kan het analyseren van churn knap lastig maken. Immers, als een bedrijf alle informatie over een vertrokken klant op diens verzoek heeft gewist, dan is het niet meer mogelijk te analyseren hoe dat bedrijf had kunnen zien aankomen dat die klant zou gaan vertrekken. Het simpelweg weglaten van alle informatie over deze klanten kan leiden tot verkeerde conclusies en onjuiste aantallen.

Het is daarom van groot belang dat het recht op gegevenswissing op zodanige manier technisch wordt uitgevoerd, dat het bedrijf wel vergeet wie de vertrokken klant was, maar niet dat er een klant was.

Nieuwe eisen voor het minimaliseren van de bewaartermijn en de toegankelijkheid van persoonsgegevens

Het AVG-beginsel van dataminimalisatie en de eisen voor “privacy by design” hebben nog verdergaande implicaties. De gegevens moeten niet alleen worden verwijderd van klanten die actief om wissing hebben gevraagd. In meer algemene zin geldt dat gegevens die niet voor een bepaald doel terzake doen, niet voor dat doel gebruikt moeten kunnen worden.

Maar welke gegevens zijn minimaal nodig voor churnanalyse? Om deze vraag te beantwoorden, moeten de bewaartermijn, de toegankelijkheid en het niveau van identificeerbaarheid van de gegevens in samenhang worden bekeken.

Minimale benodigde gegevens voor churn-trendanalyse

Voor churnanalyses is het niet nodig om te weten welke specifieke personen het betreft. Een managementrapportage met maandelijkse churntellingen kan worden gemaakt zonder dat de verantwoordelijke persoon en het gebruikte systeem weten wie het waren. Ook voor trendanalyses en voor het schatten van churnmodellen is dat niet nodig. Wel zijn daarvoor de eigenschappen van die klant nodig. Het liefst zoveel mogelijk relevante eigenschappen.

Een grote stap richting dataminimalisatie is om hier met gepseudonimiseerde of gedeïdentificeerde gegevens te werken. Dan is het voor de verantwoordelijke analisten niet mogelijk om NAW-gegevens en andere personalia te zien, maar kunnen wel alle klanteigenschappen worden gebruikt voor analyse.

Nog een stap verder kan worden gegaan door de gegevens te anonimiseren, zodat ook indirecte herleiding van de identiteit van de individuen onmogelijk wordt. Dit kan worden gedaan door bepaalde persoonseigenschappen die indirecte herleiding mogelijk maken, zoals geboortedatum en postcode, uit de dataset weg te laten, of hier ‘data fading’ op toe te passen. Dan wordt bijvoorbeeld in plaats van de volledige geboortedatum alleen het geboortejaar bewaard.

Als dit zorgvuldig wordt uitgevoerd dan zijn de gegevens geen persoonsgegevens meer. Deze mogen dan onbeperkt worden bewaard, zonder privacyrisico voor de ex-klanten en zonder dat de voorspelkwaliteit van churnmodellen hierdoor merkbaar achteruit gaat.

Voor microniveau wel identificatie nodig

Om klanten een verlengingsaanbod te doen, is het uiteraard wel nodig om te weten welke churnkans bij welk individu hoort. De minimaal vereiste gegevens hiervoor zijn een gepseudonimiseerd klant-ID in combinatie met de klanteigenschappen die relevant gebleken zijn in het churnmodel. Hiermee kan het churnmodel worden ‘uitgescoord’. Bij benadering worden de juiste contactgegevens bij het pseudonieme klant-ID opgezocht en gebruikt.

Dit is natuurlijk alleen nodig voor huidige klanten, omdat het bij klanten die vertrokken zijn helaas al te laat is voor een verlengingsaanbod.

Waar staat u nu?

Samengevat blijft churnanalyse mogelijk. De kortste weg naar volledige AVG-compliance verschilt per situatie. Bent u verantwoordelijk voor churnrapportages, -analyses of -voorspelmodellen? Dan raad ik u aan om nu eerst te controleren hoe een gewiste klant er in uw analyse-omgeving uitziet en welke invloed dat heeft.

Peter Cozijn

Het AVG-team van Gibbs verkent de reikwijdte van de nieuwe wet AVG en de impact op analytics. Onze inzichten delen we graag met u. Dit doen we ook door middel van kleinschalige ronde-tafelsessies met analytics-managers en senior analisten uit ons netwerk. Hebt u interesse om hier een keer bij aanwezig te zijn? Neem dan contact op met Peter Cozijn via peter.coz...@ of +31(0) 10 786 04 27.

Wat is de impact van de wet AVG op analytics? Onze inzichten delen we graag met u.