Если он уйдёт – это навсегда: как спрогнозировать отток клиентов с онлайн-курса?

Лонгрид о том, почему клиенты уходят с онлайн-курсов и как этого избежать с помощью инструментов We.Study

Если он уйдёт – это навсегда: как спрогнозировать отток клиентов
с онлайн-курса?

Лонгрид о том, почему студенты уходят с онлайн-курсов и как этого избежать с помощью инструментов We.Study
Отток клиентов – это не просто показатель в отчёте, это настоящая проблема, которая приводит к потере денег и трудностям в развитии бизнеса.

Когда ученик бросает ваш курс, вы теряете не просто одного клиента — вы теряете бесплатный канал привлечения через сарафанное радио и потенциальный доход от тех, кто мог прийти по рекомендациям довольного клиента.

Совместно агентством CNV-analitics мы подготовили статью, в которой расскажем о том:

  • что такое отток и почему это проблема
  • что может стать причиной оттока студентов с курса
  • как умная платформа We.Study помогает уменьшать отток учащихся
  • как работает модель прогнозирования оттока учеников
  • как протестировать модель прогнозирования на своём онлайн-курсе
Что такое отток и почему это проблема?
Churn rate (отток, коэффициент оттока) – это процент клиентов, которые отказались от услуг компании в течение определённого периода времени.

Сохранить максимальную заинтересованность студента от начала до конца курса сложно. Во-первых, из-за большой конкуренции на рынке онлайн-образования; во-вторых, из-за сложности в отслеживании проблем, которые могут привести к оттоку.
Чтобы минимизировать отток с курсов, важно:

  • понять, что может стать причиной оттока
  • автоматизировать аналитику обучения
  • использовать инструменты прогнозирования
Что может стать причиной оттока студентов с курса?
Для ухода всегда есть чёткая причина. Выявить эту причину можно разными способами:

  • провести опросы студентов, чтобы понять, что им нравится в курсе, а что нет
  • оценить качество обратной связи о программе
  • проанализировать данные по процессу обучения (скорость прохождения уроков, количество задаваемых вопросов, результаты прохождения тестов и выполнения заданий)
ИНТЕРЕСНО
По статистике, до 85 % оттока в сфере услуг можно предотвратить, поняв причину и улучшив сервис.
Как автоматизировать аналитику обучения?
Инструменты We.Study для удержания учеников
Прогнозировать отток студентов самостоятельно трудно. Делать это в полной мере без подключения автоматизации и технологий практически невозможно.

Именно поэтому на платформе для создания онлайн-курсов We.Study мы работаем над тем, чтобы прогнозом оттока студентов занималась сама платформа, а не преподаватель или организатор курса.

Сейчас платформа предоставляет следующие инструменты для анализа:
1
Сбор общих данных
«Журнал» отображает информацию о каждом ученике: контактные данные, время и источник регистрации, дату последней активности, прогресс прохождения курса, средний балл по заданиям с оценкой и информацию по прохождению каждого урока.
2
Сбор данных о просматриваемости контента
Администратор видит работу каждого участника с контентом: прогресс просмотра записей вебинаров, аудио/видео файлов и слайдов в презентации. Показатели вычисляются как процент отсмотренного от общего объёма контента и дают детальную оценку работы ученика в каждом уроке.
3
Оценки уроков участниками курса
Участники обучения могут оставлять лайки или дизлайки (с комментариями) в конце каждого урока. Администратор видит количество проголосовавших и процентное распределение отзывов. Вместе с данными о просмотре контента эта информация позволяет корректировать обучение (например, проводить дополнительные вебинары с разборами).
4
Автоматически формируемые новости
«Новости» включают сводные данные для администратора и инструменты взаимодействия с учащимися.

Отчёты для администраторов показывают:

  • Отток после каждого урока: процент участников, прекративших обучение после урока, от общего числа покинувших курс за период;

  • Коэффициенты сложности тестов (от 1 до 0): отношение числа правильных ответов к общему количеству попыток выполнения задания; платформа автоматически предлагает исправить слишком простые и сложные вопросы.

Раздел позволяет выявлять и редактировать уроки и тесты, графики-тренды отображают эффективность изменений.
5
Свободно формируемые новости
Способ взаимодействия с учениками: позволяет писать мотивирующие письма, рассказывать об обновлениях программы, собирать комментарии к новостям и отправлять сообщения отдельным участникам, например, опрос по причинам отказа тем, кто не завершил обучение.
6
Предсказание вероятности отказа от обучения: NEW!
Функция находится на этапе тестирования и подключается по запросу клиентов. Предикативная модель включает 121 параметр: характеристики участника, курса, поведения администратора — и показывает в «Журнале», кто из учащихся, скорее всего, не завершит обучение. Так администратор понимает, на кого обратить внимание для удержания.

Подробнее об инструментах аналитики на платформе We.Study читайте в статье.
Как работает модель прогнозирования оттока?
Поговорим подробнее о том, как именно работает эта магия предсказания ухода студентов с курса.
Этап 1. Сбор и изучение данных
Для построения модели прогнозирования оттока на платформе We.Study мы изучили не только поведенческие особенности студентов и их мотивацию, но и сами курсы.

Собрав большой массив данных, мы проанализировали их по 140 параметрам и выявили интересные зависимости между поведенческими особенностями студентов, структурами курсов и их прохождением:


01
Треть программы
Например, мы выяснили, что больше всего слушателей покидают обучение при прохождении первой трети программы.
Дата окончания курса
Заметили, что больший отток наблюдается на курсах, имеющих конкретную дату окончания. Если курс не имеет окончания, то студент может к нему «возвращаться» неограниченное количество раз.
Низкие баллы
А также подтвердили очевидную гипотезу, что высокий отток наблюдается среди студентов с низкими баллами.
Этап 2. Построение модели и интеграция предсказаний в панель администратора
На основе полученных данных мы построили первый вариант прогнозирующей модели. Затем увеличили точность её работы и интегрировали результаты предсказания в панель администратора.


02

На чём в итоге основывается прогноз оттока студентов с курса на We.Study?
В итоговый список признаков вошёл 121 параметр, их можно разделить на 6 блоков:

  • Признаки студента – вся информация о нём;
  • Признаки курса – общие характеристики курса: длительность, стоимость, выдача сертификата, проходной балл и другие;
  • Признаки уроков – структура курса, количество уроков и их типы;
  • Признаки тестовых заданий – средняя длина вопросов, отношение необходимых для прохождения теста баллов к общему количеству баллов, способ оценки результатов теста (по количеству правильных ответов либо по набранным баллам);
  • Признаки вопросов тестов – средняя длина ответов, наличие вопросов с открытым ответом, с множественным выбором и другие;
  • Признаки модерации – скорость и качество обратной связи по вопросам с открытыми ответами.
Одна из интересных особенностей, которые стали основой рекомендаций для составления курсов, – это реакция студентов на различные вопросы к тестам.

Например, чем больше тестов со свободными ответами, требующими проверки администратором – тем выше отток. А также на отток негативно влияет большое количество вопросов со множественными ответами.
Этап 3. Финальное тестирование модели и итоги
На боевом тестировании модель дала высокие результаты по точности — более 90% — и в итоге решила несколько основных задач:

  • Мы получили чёткое понимание, какие признаки характерны для студентов с высокой вероятностью оттока.
  • Мы можем заранее выявлять студентов, склонных к оттоку и применять превентивные меры для их удержания.
  • Мы знаем, как грамотно создавать курсы, чтобы минимизировать потерю аудитории в процессе.
03
Как выглядит прогноз оттока студентов в панели администратора курса на We.Study
Перспективы машинного обучения в образовании
Технология машинного обучения даёт огромные перспективы для создания стабильного проактивного образовательного бизнеса. Об этом также говорят международные прогнозы.

Когда решения принимаются не только на основе ощущений, но и на основе данных, приходит более чёткое и обоснованное понимание того, как улучшать образовательный продукт.

А ещё это большой вклад в лояльность и эффективность преподавателей: теперь им не нужно самостоятельно догадываться о причинах плохих результатов, они могут заранее получать сигналы и решать проблемы до их появления.
Как протестировать модель прогнозирования оттока студентов на своём онлайн-курсе?
Сейчас модель прогнозирования оттока студентов с курса на We.Study доступна по индивидуальному запросу. Оставьте заявку на тестирование инструмента, чтобы опробовать его на своём продукте. После оформления заявки мы свяжемся с вами, чтобы рассказать все подробности.
Было полезно? Поделитесь мнением!
Евгения Карпухина
Редактор Webinar.ru
Подпишитесь на рассылку блога. Пишем редко, кратко и по делу.
Нажимая на кнопку, вы принимаете условия оферты и соглашаетесь на обработку персональных данных.
Читайте также: