crm mass market e retention
DESCRIPTION
TRANSCRIPT
MicrosoftAnalisi Comportamentale & Customer Retention
6 maggio 2011
Dino Faedda CRM Solution SpecialistMicrosoft
Alberto TodescoCRM SpecialistObjectWay Algoritm
Agenda
• I Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM • Ipotesi di lavoro
Agenda
• I Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM • Ipotesi di lavoro
Analizzare il comportamento Mass Market
Migliorare la relazione e
l’efficacia commerciale
Disegnare iniziative commerciali per migliorare la retention
Arricchire le informazioni
dei clienti
Obiettivi
Microsoft
• Semplicità d’uso “Office like”− Facilita l’accettazione da parte degli utenti− Riduce i tempi per la formazione− Accelera i tempi rilascio della soluzione
• Rafforza la collaborazione− Integrazione con la piattaforma di comunicazione− Integrazione con gli strumenti di produttività individuale− Integrazione con le applicazioni Banca di sportello e back-end
• Flessibilità− Soluzione configurabile sul business model attuale− Adattabile rapidamente a eventuali cambiamenti futuri
StructuredUnstructured
Microsoft Dynamics CRM
Più di 1,4M di utenti nel mondoOltre 1.200 Partner certificati Oltre 100 Service provider1B$ Investimenti in R&D della divisione Business Solutions4 centri R&DDisponibile sia in modalità On Premise, Hosted, Cloud
Report Analisti
• Leader in Forrester Wave ratings forLarge & Midsized Organizations
• Leader in Forrester Wave rating for Customer Service Suites
• Leader in the Gartner Customer Service MQ
• Leader in Gartner Sales Force MQ
ObjectWay
© 2010 Microsoft Corporation. All rights reserved.This presentation is for informational purposes only. Microsoft makes no warranties, express or implied, in this summary.
• Esperienza di settore− Leading player del Mercato Finance per IT Solutions & Consulting
− Volume d’affari 25 M€ di cui 55% da software proprietario
− Oltre 100 clienti e 300 dipendenti con EBITDA/ricavi >20%
• Competenza nel CRM Analitico− Specializzata nel campo degli algoritmi di “nuova generazione”
− Sviluppa gli algoritmi con l’Università Svizzera Italiana
− Propone “soluzioni” accreditate e chiavi in mano ai fini dell’analisi comportamentale
9
Referenze
• I Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM • Ipotesi di lavoro
Agenda
Soluzione Applicativa
Segmentazione e misura rischio
d’abbandono
Gestione anagrafica
estesa
Gestione iniziative retention
Calcolo ROI ed efficacia iniziativa
Direttore FilialeDirezione Centrale Seller / Teller
Patrimonio informativo
Sistemi gestionali
Traffico sito Web Dati Banca d’ItaliaAnagrafica centrale
Processo
• Segmentazione della clientela• Analisi segmentazione • Definizione liste target
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTIAPPUNTAMENTI
• Creazione delle iniziative commerciali• Associazione liste target all'iniziativa• Associazione prodotti all'iniziativa• Lancio dell'iniziativa
• Cruscotto per visualizzare la "to-do list“• Attività di contatto con il cliente • Pianificazione appuntamento
• Preparazione appuntamento, analisi "storia“ cliente• Incontro con il cliente• Esitazione dell'attività di contatto• Monitoraggio dell'iniziativa
CAMPAGNE
APPUNTAMENTI
ESECUZIONE
Direzione Marketing
Rete Commerciale
Componenti
POSIZIONE CLIENTE
MONITORINGDIAGNOSI
ST
RU
ME
NT
IC
OP
ER
TU
RA
PROPOSTA
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI
Motori di Calcolo
ObjectWay Algorithm
MS Dynamics CRM
Microsoft
APPUNTAMENTI
Verifica validità profilo e della posizione cliente
Visualizzazione composizione portafoglio
Scostamento dal profilo cliente e da portafoglio modello
Analisi posizione cliente e verifica cause eventuali disallineamenti rispetto al profilo cliente e/o al portafoglio modello concordato
Costruzione proposta commerciale “adeguata” che rifletta portafoglio modello o riduca la distanza tra portafoglio cliente e portafoglio modello
Analisi periodica della posizione cliente
Verifica della evoluzione per pianificare nuovi contatti con il cliente per definire interventi correttivi
Segmentazione dei Clienti e generazione dei target per le iniziative di Marketing
Pianificazione delle attività di marketing e delle relative campagne
Pianificazione appuntamenti per il gestore
SELEZIONE PRODOTTI PROPOSTA
AFFLUENT / PRIVATE
MASS MARKET
Financial Suite
ObjectWay Finance
Strumenti BI
Microsoft StructuredUnstructured
• I Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM • Ipotesi di lavoro
Agenda
Approccio
Le priorità d’azione:- I clienti a maggior potenziale - I clienti con maggiori opportunità di sviluppo
Modello di segmentazione
QUANDOQUANDOPer ogni cliente:- Il momento adatto alla proposizione commerciale- Quando agire per evitare l’abbandono
Indici e Allarmi
CHICHI
COSACOSA
IniziativePer ogni cliente:- Azione di retention- Prodotti giusti da proporre- Condizioni personalizzate
Modello di segmentazione
ElevatoBasso
Elev
ato
Bass
oPote
nzia
le c
omm
erci
ale
Grado di fidelizzazione
DiamantiPartnership
Clienti ad alto valore checonsiderano la Banca come
la banca di riferimento
SfideSviluppo o Recupero
Nuovi clienti pregiati dasviluppare o clienti di valoreche hanno ridotto il legame
AmbasciatoriMantenimento
Clienti che considerano la Banca come riferimento, ma presentano
un valore limitato
MarginaliGestione selettiva
Clienti per i quali è necessariovalutare attentamente le
potenzialità dato il basso valore
Una matrice di orientamento commerciale per individuare le priorità di azione
APPROCCIO
Indici e Allarmi
• indici di stock- cross selling- anzianità di relazione- asset totali- margine di intermediazione- stima del reddito- grado di fidelizzazione- stima del patrimonio commerciale- localizzazione territoriale
• indici dinamici- trend del cross selling- trend dei margini- trend di operatività- trend degli asset- disdetta accredito stipendio- disdetta addebito utenze- disinvestimento gestione/titoli
• segmento (diamante, marginale, sfida, ambasciatore)
Indici e allarmi per individuare opportunità e criticità nella relazione col cliente
APPROCCIO
Iniziative
Stima dotazione ottimale del cliente attraverso un’analisi del comportamento d’acquisto del gruppo di clienti migliori su un cluster costituito da clienti con dati omogenei su:
- Reddito- Patrimonio- Socio-demografici
Segmento di riferimento
Movimentazione prodotti
Reddito
Possesso prodotti
Gruppo di clienti omogeneo
Ciascun cliente viene collocato in un segmento di riferimento in base ai suoi dati di reddito, possesso e movimentazione prodotti e ne eredita la dotazione ottimale.
Per ogni cliente nelle aree in cui la differenza tra dotazione attuale e dotazione ottimale è più ampia è possibile effettuare un’azione commerciale mirata.
APPROCCIO
• Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• MIcrosoft Dynamics CRM• Ipotesi di lavoro
Agenda
Motori di calcoloSEGMENTAZIONE
Particle Swarm Optimization- Potente motore di ottimizzazione basato sul concetto di
“selezione stocastica di una popolazione” idonea alla soluzione del problema da ottimizzare
- Utilizzato per :
• Individuazione cluster prevalenti
• Costruzione Modelli interpretativi
Multy Layer Neural Network- Regressore “feed-forward tree layer” che “allena” una rete
neurale ad inferire un modello euristico di previsione
- Utilizzato per :
• Predictive analysis
• Forecasting
Modelliampia gamma di modelli di marketing replicabili per aderire con flessibilità alle esigenze della direzione ai fini della segmentazione, retention e churn
Processo di stima
Arricchimento dati clienti basato sui dati esterni e sulle peculiarità territoriali e su dati interni della clientela- Dati socio-demografici anagrafica , rapporti e servizi sottoscritti dal cliente- Dati esterni Banca d’Italia / Dati di reddito e patrimonio peculiari del territorio
Multy Layer Neural Network
Stima indici e potenziale del Training set
Inferenza
Stima indici e potenziale dell’Universo clienti
Affidabilità 93%
Particle Swarm OptimizationAnalisi comportamentale della base dati disponibile con fotografie temporali di 1/3/6 mesi ai fini della :- determinazione di cluster prevalenti- costruzione di modelli interpretativi
Clustering
SEGMENTAZIONE
• Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM• Ipotesi di lavoro
Agenda
Business case
AMBITO PROOF OF CONCEPT BENEFIT SETTORE
− CRM − Inferenza da “campione” a generalizzazione su “universo clienti”
− Processamento intero ”universo clienti” senza “campionamento”
− Anticipazione messaggi rischio abbandono e retention
− Incremento retention grazie a potenziamento modello di scontistica
− Miglioramento dell’indice di churn di quasi 4 volte
− Analisi di oltre 50 dimensioni per ciascun cliente ai fini dell’individuazione delle variabili più critiche per sofisticare il modello di scontisctica al fine di migliorare la retention
BancaAssicurazione
Compagnia Aerea
− CREDIT RISK − Selezione della clientela target / Indicatori di Early Warning
− Misurazione andamentale probabilità di default con approccio “through the cycleStime
− Supporto ai processi di revisione del rating (Override)
− Miglioramento della predittività del modello del 38%
− Riduzione di falsi allarmi positivi del 46%
Banca
Retention
Probabilità di abbandono
Pote
nzia
le
Probabilità di abbandono
Retentiondel Training set
TRAINING SET
STRATEGIE DI RETENTIONSU UNIVERSO CLIENTI
RetentionUniverso clienti
DORMIENTI
ATTIVI
Ind. Tradizionale
bassa media alta
ObjectWay Algorithms
PERSI
Pote
nzia
lebasso
alto
AZIONI DIRETENTION REATTIVA
AZIONI DIRETENTION PROATTIVA
AZIONI DI CARING E
FIDELIZZAZIONE
Individuazione dei segmenti a maggior criticità e determinazione delle azioni di retention da effettuare
Churn
Rischio di credito
• Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM• Ipotesi di lavoro
Agenda
Semplicità d’uso Facile integrazione
Maggiore produttività
Più informazioni a portata di mano
StructuredUnstructured
Demo
Scenario demo
Direzione Marketing
Rete Commerciale 1 - Responsabile di filale per Iniziativa su clienti Diamanti
2 - Operatore di filiale per Iniziativa su clienti Sfide
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTIAPPUNTAMENTI
SegmentazioneDirezione Marketing
• Segmentazione della clientela– Individuazione cluster prevalenti– Costruzione modello interpretativo– Calcolo Indice di Abbandono– Calcolo potenziale commerciale
• Analisi segmentazione • Definizione liste target
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTIAPPUNTAMENTI
CampagneDirezione Marketing
• Creazione delle iniziative commerciali• Associazione liste target all'iniziativa• Associazione prodotti all'iniziativa• Lancio dell'iniziativa
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTIAPPUNTAMENTI
AppuntamentoRete commerciale
• Cruscotto per visualizzare la "to-do list“• Attività di contatto con il cliente • Pianificazione appuntamento
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTIAPPUNTAMENTI
AppuntamentoRete Commerciale
• Preparazione all'appuntamento analizzando la "storia" del cliente• Incontro con il cliente• Esitazione dell'attività di contatto• Monitoraggio dell'iniziativa
SEGMENTAZIONE CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTIAPPUNTAMENTI
Benefit
Business• Arricchimento anagrafica relazionale • Definizione logiche di segmentazione parametriche• Gestione iniziative di loyalty• Esitazione iniziative commerciali / misurazione ROI • Collaborazione sede-filiale e all’interno del team di filiale• Scalabilità per applicazioni in tutti i segmenti di mercato
Sistemi IT• Utilizzo tecnologie già presenti in Banca • Semplicità d’uso e di deployment• Scalabilità dell’architettura
Agenda
• I Partner della proposta• Overview Soluzione
– Regole di segmentazione– Ottimizzatori neurali “large data clustering” – Business Case
• Microsoft Dynamics CRM • Ipotesi di lavoro
Ipotesi di lavoro
Fase 2Prototipazione Fase 1
Proof of concept Analisi Comportamentale
Modello Integrato
Attività chiave
Deliverable
• Individuazione cluster prevalenti
• Valutazione dei risultati e confronto con processi in essere
• Output su file excel
1 MESE
• Attivazione Dynamics CRM On Line in modalità hosting e integrazione
oppure• Integrazione dei motori di
calcolo nel sistema di CRM della Banca
• Disponibilità sul sistema centrale del modello di potenziale, indici e allarmi primari dei clienti Retail.
6 MESI
• Individuazione cluster prevalenti
• Costruzione modello interpretativo
• Calcolo Indice di Abbandono• Calcolo del potenziale
commerciale del cliente
• Applicazione modello su intero portafoglio clienti e valutazione risultati
• Output su DB Banca
3 MESITempistiche
© 2010 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries.
The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this
presentation. MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.