Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Bruno Scarpa
Universit di Pavia
la mia esperienza in azienda
! Nel 1997, dopo gli studi, ho avuto loccasione di cominciare
unavventura nel mondo delle aziende...
a. in RAS mi sono occupato della quotazione dei rischi e della
definizione delle tariffe e dei prezzi delle assicurazioni non vita
(auto, infortuni, incendio...)
Supporto
Fare analisi e
Analisi di alluomo di Guida
proporre idee:
marketing: marketing: commerciale
il motore
reports e aiuto e tecnologica
delle azioni di
statistiche quantitativo
marketing
descrittive di alle idee di
base marketing
focus sul cliente
dic-99
feb-00
feb-00
apr-00
apr-00
giu-00
giu-00
ago-00
ago-00
ott-00
ott-00
totale
totale
dic-00
dic-00
pay
pay
IL MANAGEMENT DELLA CUSTOMER BASE
GUIDA LA STRATEGIA DI MARKETING
customer base: approccio strategico
Un unico obiettivo
Identificare
Realizzare
Praticare
tutte le attivit necessarie a garantire
il processo di attenzione e
fidelizzazione dellindividuo verso
lazienda e la sua offerta di prodotti e
servizi
e, conseguentemente
la massimizzazione delle opportunit
di business attraverso la
soddisfazione costante dei bisogni
profiling
Identificare
Classificare
Acquisire
Gestire
tutte le informazioni che consentono la
conoscenza e lanalisi del proprio target di
riferimento
e, conseguentemente
la realizzazione di prodotti e servizi ad
elevata probabilit di soddisfazione dei
suoi bisogni
100%
COSTRUIRE MASSIMIZZARE
FELDELTA IL VALORE
ALLA CONCORRENZA!
crm approach
Generazione di profitti attraverso lacquisizione di clienti ad alto valore, la creazione di valore e
unattenta politica di cost to serve
4Acquisizione di clienti (conversione di prospect in clienti)
OBIETTIVI 4Aumento del valore dei clienti attraverso azioni di cross-sell e di up-sell
4trattenere i clienti (retention)
4Attenzione al cost to serve
4Campagne
4Programmi di Loyalty
4Personalizzazione dei Servizi
AZIONI 4Gestione dei canali di contatto
4(sviluppo di nuovi prodotti)
CUSTOMER DATA
4ID (nome, indirizzo, num. di telefono, piano tariffario...) 4Storia dei contatti del cliente
4Dati Demografici (et, citt, ...) Uso dei canali
4Dati Socio-economici (reddito, professione, titolo di Motivo di contatto
studio, classe di valore, ...) Numero di contatti
DATI GREZZI
4Dati Psicografici (ambiente, preferenze, hobbies, ...)
4Patterns duso (spesa telefonica, servizi usati e DATI SUI LIVELLI DI SERVIZIO DEI CANALI
frequenza, ...) ...
dati
!Dati sui clienti #dati da internet
#generali dati di traffico web
informazioni socio demografiche page provisioning/ Web contents (es. p
dati di attivazione (es. Dati di views, unique visitors, ...)
sottoscrizione, tipo di contratto, piano dati sulle e-mail
sottoscritto, ...)
dati raccolti attraverso il web (questino
#dati di fatturazione e customer behaviour)
#dati sulle telecomunicazioni dati sulle community
dati di traffico telco #dati sulla gestione della customer base
Dati sui VAS & Killer Applications dati dal CRM operazionale
Dati su altri servizi a valore aggiunto Dati sul campaign Management &
(internet, Msites ...) Marketing contact history
#dati esterni Dati dai progammi di loyalty
#ricerche di mercato #Informazioni sugli errori (madornali)
#informazioni sui costi dellazienda, (e.g. billing errors, ...)
#
TLC: alcuni problemi
!acquisizione della clientela
#prospect
Raggiungere una soglia minima di clienti ASAP
Trovare e attrarre i clienti giusti: quanto spendere per ciascun diverso cliente
potenziale?
Obiettivi
"Individuazione dei clienti da trattare con
maggior cura
"Individuazione di clienti su cui agire per
aumentare la redditivit
Strumenti
"Determinazione di un indicatore del
valore di ciascun cliente per lazienda
"Definizione di poche classi di valore
Funzione di profittabilit
Eventuale
Costi fattori di
Revenue Vita stimata Eventuale
Valore di mensili di Costi di Costi di
un Cliente = mensile - chiamate e - gestione x per quel
cliente
x
sconto
/crescita - acquisizione - subsidy
servizi (upgrades/
downgrades)
% Handset
subsidies
Si determina la classifica dei clienti ordinata secondo il valore che essi portano
allazienda e si cerca un numero limitato di classi per i vari sottogruppi di clienti
quota clienti quota valore
totale
5.7%
1 48.4%
Login per tipo di Abbonamento e classe a valore
100%
90%
25.1%
80%
2
5.47% 14.5%
Classe 7
81.4%
70%
Classe 6
60%
Classe 5
50% Classe 4
40% Classe 3
14.0% 18.5%
3
30% Classe 2
20% Classe 1
10%
0%
30.8% 13.1%
4
ADSL Pay Free Hosting
15.7%
5 3.8% 80%
60% hosting
pay
6.9%
6
free
1.0% 40%
ADSL
20%
20.7%
7 0.7%
0%
Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 Classe 6 Classe 7
Classi a valore
customer base: il churn
Modellare la disattivazione:
costruire, validare, interpretare un modello che
descriva il comportamento degli utenti in termini
di disattivazione in relazione ad altre variabili
note
Perch?
"Per descrivere il fenomeno
"Per prevedere i potenziali futuri disattivi
"Per predisporre azioni
"Per verificare lefficacia di operazioni di
marketing/Customer Operation
customer base: il churn
Le fonti
Chi a rischio di
disattivazione? Quando
maggiore il rischio
&Caratteristiche demografiche di disattivazione?
&Usage di internet
&Comportamenti di traffico
&Contatti con lazenda &Promozioni della concorrenza
&Informazioni sul billing Comportamento &Eventi della vita
&Copertura della rete dei pop dei clienti sul churn
Perch sono a
rischio di &Offerte della concorrenza
disattivazione? &convenienza dei prezzi
&Prezzo dellHardware
&Servizio al cliente
&Programmi a premi
il churn: data mining
Passi principali
Selezionare la popolazione
Prima di estrarre i dati da DWH necessario
definire in maniera precisa la popolazione da
analizzare.
Esempio
I clienti utilizzati per costruire un modello di churn per il prodotto
pippo sono i clienti che hanno data di attivazione precedente il
1/12/2000 ed aventi data di disattivazione superiore al
31/1/2001 o ancora attive nel mese di Febbraio 2001.
TLC - Mobile
necessario un diverso approccio tra prepagate e post-pagate perch
Churn: prepagato-postpagato
dataset
"Le variabili risultate non significative allentrata per qualche ramo vengono eliminate
solo nel ramo di riferimento
"Per scelta (aumentare lactionability) non si effettua una analisi di pruning per
eliminare variabili
"Calcolo della stima di una misura di propensione al churn per ciascun nodo nel dataset
eval e determinazione dellordine dei nodi rispetto alla propensione alla disattivazione.
CART: previsione
campione CB
"churn"=1.8%
pi di m mail ricevute meno di m mail ricevute et superiore ai k anni non persona fisica et inferiore ai k anni
"churn"=2.6% "churn"=6.8% "churn"=14.0% "churn"=16.0% "churn"=19.6%
femmina maschio
"churn"=17.8% "churn"=20.3%
Misure di accuratezza
"Matrice di confusione
"Lift
CART: la valutazione dei modelli
comissione:
SC = Y SC = N
alto Rischio 49.33% 50.67% ( = 100%)
medio Rischio 34.92% 65.08% ( = 100%)
basso Rischio 94.42% ( = 100%)
5.58%
CART: la valutazione dei modelli
Il rapporto fra la percentuale di disattivati reali nel primo quantile rispetto alla
percentuale di disattivati su tutta la popolazione considerata detto lift.
Pi in generale tale misura definita per un selezionato sottogruppo di una popolazione pi vasta
come la proporzione di disattivi nel sottogruppo diviso la proporzione di disattivi in tutta la
popolazione.
CART: la valutazione dei modelli
Ad esempio:
Se linsieme totale di login esaminate costituito da 100.000
elementi di cui 3.000 disattivi, il tasso di churn per questa
popolazione sar di 3.000/100.000=0,03.
Se ordinando i risultati del sistema di previsione per propensione al
churn decrescente si individuano, fra le prime 1000 login di
questa lista, 150 disattivati, il tasso di churn sar di
150/1000=0.15.
Ci significa che il lift del sistema di previsione utilizzato pari a
0.15/0.03=5.
CART: la valutazione dei modelli
Nota
1.0
1.0
1.0
0.0
0.0
0.0
#Capire quali variabili hanno effetto
-1.0
-1.0
-1.0
0 20000 40000 60000 80000 0 5000 10000 15000 0 2000 4000 6000 8000
Piano Tariffario
leffetto di ogni variabile considerata
alla disattivazione
1.0
0.5
0.0
0.0
0
Propensione
-0.5
-1.0
-1
e
disattivazione
disattivazione
1.5
alla disattivazione
alla disattivazione
4
1.0
precisione
2
0.5
0.5
Propensionealla
Propensionealla
0.0
0
Propensione
Propensione
-0.5
-2
-0.5
ia
0.5
1.0
-1.0
-0.5
0.0
#I risultati sono stati valutati
-2.5
-1.5
-1.0
N Y N Y 1 2 3 4
Variabile H
Consumismo Anomia
SOCIALE
Customer profiling
CENTRALIT
Profilazione dei valori DEL CORPO E
DEL CONSUMO
PRIVATO Etnocentrismo
Interesse CULTURA
[7.0%] per la moda Interesse apparenza
PICCOLO
Anomia
Consumismo BORGHESE
#Usando tutte le variabili a
Ostentazione e
Attenzione prestigio
Edonismo allaspetto [21.7%]
disposizione si vogliono Antiproibizionismo Esoterismo
Industrialismo Chiusura
SOCIALE
INTERIORIT
[8.1%]
Customer profiling
CENTRALIT
Profilazione dei valori DEL CORPO E
DEL CONSUMO aver
PRIVATO
CULTURA
[7.0%] successo avere molto denaro
e diventare PICCOLO
qualcuno BORGHESE
#Usando tutte le variabili a [21.7%]
disposizione si vogliono NUOVA
divertirsi
TRADIZIONALISM
capire i valori, gli interessi e FRONTIERA [11.6%]
i bisogni dei clienti [12.0%] fare una vita sentirsi al riparo e
al sicuro dai pericoli
intensa di
#Tracciare il grafico dei
relazioni sociali viaggiare [12.0%]
clienti sottolineando le APERTURA CHIUSURA
fare una vita
differenze nei valori e intensa e piena
di esperienza
fare il proprio
dovere
bisogni
sentire
#Analizzare i bisogni e gli affetto
intorno sentire la stima/
imparare/ a s
interessi dei clienti aiuta a arricchire approvazione
delle persone
le proprie
capire cosa offrire loro e IMPEGNO conoscenze che ci circondano
come interagire con loro
[10.3%] RADICI
[17.3%]
SOCIALE
INTERIORIT
[8.1%]
la valutazione delle azioni
ACTI
ES
I modelli di misura N
D
ON D
IO
(indicatori/modelli di analisi e AC
T
algoritmi)
EPLO
Gli strumenti di misurazione
YM EN
T
ACTION
MEASUREMENT
la valutazione delle azioni
Azione 1: caso-controllo
Target: clienti a rischio con una determinata caratteristica
Azione: (1A) - Lettera con suggerimenti per lutilizzo (DM)
(1B) - Lettera con suggerimenti per lutilizzo + 1 regalo
(DM)
Disegno di indagine: Caso-controllo
Alcuni risultati
Test di significativit
Signal Churn