customer value il valore del servizio obiettivi metodo primi risultati
TRANSCRIPT
CUSTOMER VALUE“IL VALORE DEL SERVIZIO”
Obiettivi
Metodo
Primi risultati
Il Progetto
• Obiettivo:– Misurare il valore creato dal rapporto con il cliente– Correlare la qualità dei servizi forniti, fedeltà e valore
patrimoniale del cliente
• Metodologia– Comitato Scientifico che presidia i contenuti
metodologici/definizione modello– Incontri mirati con focus group– Validazione metodologia con panel campione– Presentazione risultati in un Convegno
Presentazione a Focus Group
Modello &
rilevazione
qualitativa
Modello &
rilevazione quantitativa
Modello interazione cliente-azienda
•Colloquio circa 1 ora •Questionario pre-spedito
•Gruppo ristretto aziende•Analisi dati•Incontro verifica risultati
Dati campione rappresentativo
KPI selezionati in rilevazione
qualitativa
Analisi GrangerAnalisi Variabili Latenti
Personalizzazione catenaInvestment Variables
Process & System
Behavior
Customer’s value
variables
Financial Variables
Rapporto sintetico sulla metodologia e
sui finding
•Dati anonimi•Indicazioni metodo•Commenti
Piano di lavoro
Process & System Behavior
• HR• Education• Work
Environment• Communicati
on Lines
Investment Variables
Customer’s Value
Variables
Financial Variables
• One call resolution
• Response time • Etc.
• Customer Satisfaction Index,
• Churn rate• Customer Loyalty • Etc.
• EBIT• Sales• Asset (LTV)
La catena causale : schema semplificato
La catena causale : mappa relazioni (esempio)
Financial Variables
Customer’s Value Variables
Process & System Behavior
Investment Variables
HR Education
Headcount
Thecnology capability and alike
One call resolution & escalation
rate
Contact duration
(IVR, Voice)
Customer’s incurred
cost
Customer’s value
Loyalty
Profitability
Churn & Retentio
n
New costumer
EBIT
Sales & market
share
Asset
LTV
Average wait time &
Abandoned calls
Catena causale Financial Institution
Catena causale Telco e Media
Catena causale Automotive
L’analisi ha specializzato anche gli indicatori
73 indicatori individuati Investment : 11 Process & System : 40 Customer’s Value : 16 Financial : 6
Criteri di Analisi
• Modello di Granger– Analisi bivariata
• Regressione lineare multipla– Stima dei valori dei
nessi di causalità individuati dal Modello di Granger
• Modello a Variabili Latenti– Analisi multivariata
Procedimento utilizzato per l'analisi quantitativa
Analisi Quantitativa: Modello di Granger Catena Causale
Legenda
Analisi quantitativa: Modello di Granger
• Obiettivi:– Individuare nessi di causalità tra coppie di variabili– Associare ai nessi di causalità i parametri (pesi) stimati
• Procedimento:– Step 1: Costruzione di un modello univariato per le due serie
storiche relative alle variabili selezionate– Step 2: Costruzione di un modello bivariato delle due serie
storiche basato sui modelli univariati calcolati nello step precedente.
– Step 3: Calcolo degli errori quadratici medi (mse) di predizione dei due modelli e confronto dei risultati ottenuti.
– Regressione lineare multipla
Esempio. Test di causalità di Granger
NOME DESCRIZIONE PERIODO GRANULARITA’
adn Spesa pubblicitaria nei principali media, pro capite. US $ 1956 - 1975 trimestrale
ucgn Spesa di beni per consumo personale, pro capite. Migliaia US $ 1956 - 1975 trimestrale
• Obiettivo :
Andamento delle serie analizzate
ADN UCGN
Stazionarietà e stagionalità delle serie • UCGN - Univariato
Plot Correlazioni serie originale
Plot Correlazioni serie con le differenze del primo ordine
Risultato dell’analisi
In prima analisi, il modello bivariato non migliora la descrizione di UCGN.
Tabella 2 - Post Sample MSE dei modelli analizzati
Variabili latenti: Equazioni strutturali
• Analisi Granger insufficiente • La catena causale presenta anche variabili latenti p.e. il valore
percepito dal cliente: – sappiamo che esiste– non possiamo misurarlo in modo diretto
• Occorre individuare le relazioni fra variabili latenti e variabili manifeste (KPI).– Metodo da utilizzare: le equazioni strutturali a variabili latenti
Analisi Quantitativa: Modello a variabili latenti - Catena Causale
Legenda
Variabili latenti: Equazioni strutturali
• Obiettivi:– Individuare indicatori che descrivano la variabile
latente– Calcolare il valore dei nessi di causalità/covarianza
tra le variabili
• Procedimento:– Step 1: Confirmatory Factor Analytic Approach (CFA):
• visione d’insieme della struttura del modello• indicazioni circa le variabili manifeste
– Step 2: Structural Model (Causal Model):• individua e quantifica le relazioni di causalità tra variabili.
Personal consumption
expenditure on goods
gdp
Consumer credit
Personal consumption
expenditure on durable goods
Personal consumption expenditure on services
Life quality
• Modello causale teorico di partenza
Esempio: Equazioni strutturali a variabili latenti
L=?L=? L=?
Cov=?
Cov=?
Cov=?
Cov=?
E3Var=?
E4Var=?
E5Var=?
Var=?
Var=? Var=1
gdp
Consumer credit
Personal consumption expenditure on goods
Personal consumption
expenditure on durable goods
Personal consumption expenditure on services
Life quality
Confirmatory Factor Analytic Approach 1/2
Confirmatory Factor Analytic Approach 2/2
• Prima valutazione dell’adattamento del modello.• Indicazioni precise su Factor Loading (L):
relazioni tra ogni variabile latente e le rispettive variabili manifeste.
• Stime sui rapporti tra le rimanenti variabili (espressi come covarianze).
• Informazioni su affidabilità, validità convergente e validità discriminante.
• Valutazioni su eventualità di modifiche al modello.
Structural Model (Causal Model) 1/2
• Implementazione delle equazioni strutturali che esprimono le relazioni tra le variabili considerate (latenti e manifeste) secondo lo schema di causalità che si intende seguire.
• Vengono cioè sostituite le covarianze (frecce bidirezionali) con percorsi causali (frecce unidirezionali), spostandosi da una valutazione tra relazioni reciproche ad una valutazione tra relazioni causali ad una direzione.
Structural Model (Causal Model) 2/2
• L’output ottenuto sarà valutato in termini di:– Bontà di adattamento.– Significatività delle relazioni tra le variabili.– Analisi dei residui del modello. – Bilanciamento tra parsimonia e bontà di adattamento
del modello.– Eventuali modifiche da apportare alle equazioni per
affinare il risultato finale.• Dopo aver apportato le opportune modifiche
sarà possibile confrontare il modello ottenuto con quello iniziale per individuare similarità e differenze.
Modello finale ESVL 1/2
P=0.5185
P=0.5819
L=0.3370
L=0.7640L=0.6048
Cov=0.505
gdp
Consumer credit
Personal consumption expenditure on goods
Personal consumption
expenditure on durable goods
Personal consumptio
n expenditure on services
Life quality
Modello finale ESVL 2/2
• Sono individuati i percorsi causali (Path Coefficients), il loro segno ed il loro peso.
• Possibilità di interpretare le relazioni in modo immediato quantificando la variazione di una variabile indipendente sulla variabile dipendente cui si riferisce.
• Vengono offerte indicazioni chiare sia da un punto di vista algebrico che grafico del percorso di causalità.
Documenti Analisi Quantitativa
Manuale di Riferimento Manuale Utente
Manuale Utente
Griglia Variabili Indipententi e Dipendenti Metriche Indicatori
Come si inserisce nello schema Business Intelligence
• Memorizzazione serie storiche di base– Datawarehouse
• Calcolo Granger ed ESVL– DSS
• Memorizzazione risultati– DataWarehouse– DataMart
• Pianificazione controllo e/o monitoraggio– Cruscotto
Conclusioni
• Verificata la fattibilità tecnica di:– Catene Causali fra variabili di
Investimento/Comportamento/Risultato– Misurazione variabili qualitative (misura il percepito)
• Quindi è possibile p.e.:– Misurare le variazioni del “valore percepito dal cliente”– Associare il valore percepito (variazioni) a variabili economiche
patrimoniali– Mirare in senso competitivo le azioni di valorizzazione del cliente
• Prossimo passo:– Validare la significatività – Valutare i fabbisogni di dati di base e le possibilità di proxy
• Al fine di ottenere– La patrimonializzazione del valore del cliente
Grazie per l’attenzione