¿Cómo identificar, potenciar y retener a mis mejores clientes?

Adolfo Kvitca

Director de Soluciones Predictivas

SPSS Argentina SA

¿Quienes son mis mejores

clientes?

¿Los que compran mucho?

¿Los que compran

financiado?

¿Los que compran poco pero seguido?

¿Los que pagan en fecha, o los que se atrasan

unos días?

¿Los que no usan los descuentos y

promociones?

Valor No todos los clientes son iguales…

Valor Actual y Valor Potencial

Gastan con la competencia… Que lo hagan con nosotros!

Gastan poco… No pueden gastar mas.

Gastan mucho… Que sigan gastando con nosotros!

Gastan bastante... Inclusive mas de lo que esperabamos.

Valor

Potencial

Valor

Actual

Alto Bajo

Bajo

Alto

Gastan con la competencia… Que lo hagan con nosotros!

Gastan poco… Pero no pueden gastar mas.

Gastan mucho… Que sigan gastando con nosotros!

Gastan mucho... Inclusive mas de lo que esperabamos.

Valor

Potencial

Valor

Actual

Alto Bajo

Bajo

Alto

Valor Actual y Valor Potencial

Adquirir

Potenciar Retener

¿Cómo adquirir, potenciar y retener a los Clientes?

Conociendo al Cliente…

Enterprise Data Sources

Operational interaction

Marketing Web Attitudinal Call center Social networks

Customer Contact Channels

Website email ATM phone PDA branch agent mail

Datos de Interacción - Ofertas

- Reclamos

- Notas

- Clicks

Datos Actitudinales

- Opiniones

- Preferencias

- Necesidades

Datos descriptivos - Atributos

- Caracteristicas

- Socio/Geo demográficos

- Antiguedad

Datos de Comportamiento - Ordenes de compra

- Transacciones

- Historia de pago

- Historia de uso

Conociendo al Cliente…

Enterprise Data Sources

Operational interaction

Marketing Web Attitudinal Call center Social networks

Customer Contact Channels

Website email ATM phone PDA branch agent mail

Datos de Interacción - Ofertas

- Reclamos

- Notas

- Clicks

Datos Actitudinales

- Opiniones

- Preferencias

- Necesidades

Datos descriptivos - Atributos

- Caracteristicas

- Socio/Geo demográficos

- Antiguedad

Datos de Comportamiento - Ordenes de compra

- Transacciones

- Historia de pago

- Historia de uso

¿Quién? ¿Qué?

¿Por qué? ¿Cómo?

Informacion para Segmentar

Segmentación x Propensión

Int Min Max Cant %Int %Ac Cant %Int %Ac Lift Captura

10 289 999 1357 10% 10% 187 13,8% 13,8% 2,1 21%

9 207 288 1398 10% 20% 148 10,6% 12,2% 1,6 38%

8 166 206 1340 10% 30% 120 9,0% 11,1% 1,4 52%

7 137 165 1341 10% 40% 108 8,1% 10,4% 1,3 64%

6 114 136 1360 10% 50% 97 7,2% 9,7% 1,1 76%

5 88 113 1371 10% 60% 82 6,0% 9,1% 0,9 85%

4 63 87 1376 10% 70% 64 4,7% 8,5% 0,7 92%

3 39 62 1373 10% 80% 41 3,0% 7,8% 0,5 97%

2 17 38 1325 10% 90% 15 1,2% 7,1% 0,2 99%

1 1 16 1330 10% 100% 10 0,8% 6,4% 0,1 100%

13572 100% 872 6,4%

Score RespuestaPoblacion

0,0%

2,0%

4,0%

6,0%

8,0%

10,0%

12,0%

14,0%

10 9 8 7 6 5 4 3 2 1

¿ESTÁ MI ORGANIZACIÓN EN CONDICIONES DE INCORPORAR DATA MINING, Y APLICAR TECNICAS DE MARKETING PREDICTIVO?

Para analizar objetivamente esta cuestión hay que superar ciertos mitos

MITO: Antes de hacer modelos necesitamos un Datawarehouse

Si bien es cierto que seria más fácil obtener los datos, muchas veces no

contienen la información necesaria para el desarrollo de modelos.

Herramientas de datamining actuales pueden utilizar los backup y leer la

información en múltiples formatos, e incluso puede mantener actualizados los

repositorios para posteriores corridas

MITO: Antes tengo que implementar el CRM

y el proyecto de “Cliente único”

Es cierto que con un sistema de CRM se puede obtener mayor potencial,

pero hay muchas acciones que pueden ser implementadas con los

sistemas tradicionales, con un gran impacto en costos y beneficios

MITO: Solo tiene sentido desarrollar scores para grandes

volúmenes de cuentas

Pueden desarollarse modelos con bases que contengan

sólo algunos cientos de casos

Lo importante es cuantos casos “objetivo” hay (al menos 200)

MITO: “GARBAGE IN - GARBAGE OUT”

Si hay basura y datos faltantes no se puede desarrollar un score

La estadística trabaja con grandes números, identificando patrones

genéricos, por lo tanto una cantidad relativamente pequeña de errores y

datos faltantantes no influyen en el resultado del modelo. Inclusive se

toma como dato el hecho que el dato no esté informado. Se puede recurrir

inclusive a las carpetas físicas para desarrollar el modelo

MITO:

Lleva mucho tiempo!

Las herramientas visuales reducen los tiempos sensiblemente

La aplicación de una metodología probada, y la utilización de plantillas de mejores prácticas que sintetizan años de experiencia en la industria, permite proceder de manera intuitiva y efectiva, e implementar soluciones en semanas

Lleva mucho tiempo!

MITO:

Sistemas tiene siempre otra prioridad!

Utilizar herramientas que permitan automatizar la ejecución y el

monitoreo de modelos y estrategias.

Con arquitectura abierta y fácilmente integrables.

MITO:

Desarrollar modelos es sumamente complejo!

Los algoritmos de data mining son complejos, pero la utilización de

plantillas guían en cada paso de la construcción del modelo

La participación de un experto en el negocio, con un conocimiento

exhaustivo del problema, es fundamental para obtener resultados útiles y

confiables

C5.0 GRI CART CHAID QUEST CAPRI Apriori K-Means Kohonen Regresion Lineal Redes Neuronales Regresion Logistica

MITO:

Incorporar a los primeros proyectos a consultores externos con experiencia

en el desarrollo de modelos similares puede facilitar y acelerar

el desarrollo

la interpretación de los resultados obtenidos

la integración con los sistemas corporativos

el seguimiento y actualización de los modelos

el rápido retorno de la inversión

la capacitación, en la práctica, del personal propio

Desarrollar modelos es sumamente complejo!

MITO:

¿SEGMENTAR O DATA MINING?

Casada Compra ropa en liquidaciones 30% supermercado Viaja dentro del país

Soltera Compra ropa en pre-temporada 30% electrodomésticos Viaja al exterior

>3500

>2000

<2000

>3500

>2000

<2000

Laura Perez

Compras > 3500

Laura Aguirre

Compras > 3500

Segmentar es una tarea habitual

en Marketing

¿Segmentar o Data Mining?

• Permite analizar cientos de características al mismo tiempo

• Analiza automáticamente la correlación de las variables

• Permite segmentación difusas, tiene en cuenta todos los

aspectos al mismo tiempo

• Estima la probabilidad (Score) de un evento futuro

Vivienda

EdadAntigüedad

en el empleo

Data Mining

¿Se puede predecir el futuro?

ADQUISICION CRECIMIENTO RETENCION

•No vamos predecir un evento, sino que vamos a calcular la probabilidad que ese evento ocurra

No existe garantía de cuál será el resultado para un caso en particular… La probabilidad se aplica un conjunto de casos

¿Se puede predecir el futuro?

Como utilizar el Score

El score es un número que permite ordenar

las cuentas de acuerdo a la probabilidad de

ocurrencia de un evento.

50%

70%

90% 80%

Esto permite realizar acciones diferenciadas:

limites, incentivos, precios, canal, etc

diferentes segun el nivel de probabilidad

esperado (respuesta, fidelidad, riesgo, etc)

Alto Medio Bajo

Val

or

par

a el

neg

oci

o

Tiempo

¿Qué le ofrecemos, a que precio, por que canal?

Optimización de Estrategias

¿Qué clientes están por comprar?

Data mining

¿Cuántos productos vendimos?

Query & Reporting

Analisis Predictivo

Cubos

¿De qué tipo, en que lugar?

Descriptivo (pasado) Predictivo (futuro)

Predictive Analytics

Business Intelligence

Forecasting

¿Cuál es la proyección de ventas?

Capturar y Actuar

Venta

Predecir

Data Mining

El Proceso

I A

C D

Cobranza Retencion Fraude

Optimizar

Monitorear

Promociones en Tienda Compre X con Y por solo .

Cupones Caja/Kioscos/Correo

Ofertas especificas

Statement insert ? ?

? ? 15 12

3 11

Statement insert 3 13

6 12 Catalogos

Correo-Email-Sucursal

MARKETING PREDICTIVO

El principal desafío del marketing

Mayor

Ganancia Aun mas

Ganancia

Menor Costo

Adquisición Seguimiento

Tiempo

Ganancia

Costo

Ganancia

Fuga

Adquirir, Potenciar y Retener a los mejores clientes

Ciclo de Vida del Cliente

•Maximizando el Cross-Sell y Up-Sell

•Extendiendo la relación lo más posible

•Aumentado el nivel de Respuesta

S

C

O

R

E

S

S

C

O

R

E

S

E

S

T

R

A

T

E

G

I

A

S

M

O

N

I

T

O

R

E

O

M

O

N

I

T

O

R

E

O

Por supuesto, no basta con el

desarrollo del modelo

Hace falta crear e implementar

estrategias que los utilicen

Y monitorear los resultados

Scores + Estrategias + Monitoreo

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

S

C

O

R

E

S

S

C

O

R

E

S

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

CHAMPION

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

CHALLENGER

M

O

N

I

T

O

R

E

O

M

O

N

I

T

O

R

E

O

Testear

Monitorear

Champion/Challenger

S

C

O

R

E

S

S

C

O

R

E

S

M

O

N

I

T

O

R

E

O

M

O

N

I

T

O

R

E

O

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

CHAMPION

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

CHALLENGER

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

CHALLENGER

E

S

T

R

A

T

E

G

I

A

S

ESTRATEGIA

CHAMPION

Testear

Monitorear

Mejorar

Champion/Challenger

Muestras

UNIVERSO Es el total de registros luego de las exclusiones TARGET Es el grupo al que se desea enfocar la camaña CONTROL Es un subgrupo del TARGET que se reserva para medir la efectividad de la oferta PERFOMANCE Es una grupo aleatorio al que se envia la oferta para medir el modelo

MUESTRA Criterio Registros BASE 10000 UNIVERSO despues de exclusiones 9000 TARGET SCORE > 300 (40%) 3600 CONTROL 10% al azar 360 PERFOMANCE 5% al azar 270 Enviado 3510

Administración de Campañas Tradicional

Datos - Demográficos - Tenencia - Utilización - …

Monitoreo de

Resultados

Realizar una oferta a los

clientes que aplican

Generar Candidatos

Clientes

12435

56437

59235

45276

Clientes

Filtrar

Aplicar Exclusiones

tiempo

Problema:

Las campañas son costosas, muchos clientes no responden

A

B

C

Respuesta Respuesta Respuesta

C A B

tiempo

RIGHT PERSON Solución:

Predecir quienes van a responder a una oferta de un producto

Beneficios típicos:

Reducción de costos del 25%

Respuesta Respuesta Respuesta

Datos - Demográficos - Tenencia - Utilización - Pagos - Uso de canales - Quejas - Encuestas - …

Modelos Predictivos

Probabilidad de

Respuesta

Realizar una oferta a los

clientes con mayor

propensión a aceptarla

Generar Scores

Cliente Score

12435 0.22

56437 0.13

59235 0.02

45276 0.05

Clientes

Monitoreo de

Resultados

Administración de Campañas c/Data Mining

RIGHT OFFER

RIGHT CHANNEL

RIGHT TIME

RIGHT PERSON

Pero el problema es mas complejo…

tiempo

A?

A

B

C

Problema:

La respuesta a las campañas incrementa drasticamente la carga

del call center y las sucursales

Se satura a los clientes con Ofertas

tiempo

RIGHT TIME Solución:

Elegir los clientes que tengan mas propensión en cada momento

Controlar la periodicidad de los envios

Beneficios típicos:

Mejor aprovechamiento de los recursos.

Reducción de costos del 35%. Aumento de la respuesta de un 20%.

Problema:

Cada individuo tiene preferencia (manifiesta o teorica) a ser contactado por

distintos canales

El costo de cada canal es muy diferente

Hay restricciones operativas diferentes para cada canal

?

RIGHT CHANNEL Solución:

Seleccionar el mejor canal para cada cliente

Beneficios típicos:

Mayor tasa de respuesta. Menores Costos.

?

tiempo

Problema:

Se prioriza las campañas y luego se les asignan los clientes.

Campañas superpuestas. Se satura al cliente con ofertas.

Los distintos departamentos se disputan los clientes. Se pierden oportunidades.

OPTIMIZACION

100 120 134

P1 P2 P3

A 40 50 60

B 35 40 50

C 20 39 20

P1 P2 P3

A 40 50 60

B 35 40 50

C 20 39 20

P1 P2 P3

A 40 50 60

B 35 40 50

C 20 39 20

P1 P2 P3

A 40 50 60

B 35 40 50

C 20 39 20

Oferta Renta ScoreRenta

Esperada

430$ 9.3% 40

714$ 4.9% 35

606$ 3.3% 20

Cada Canal tiene distinta capacidad

Existe un Presupuesto Limitado

Cada Producto tiene objetivos mínimos de venta

Cada campaña tiene un tamaño mínimo para ser rentable

Las restricciones de contacto son diferentes para cada canal

%? $?

%? $?

%? $?

?

?

?

42

87

A

B

C

Productos

Datos y Modelos

A

A

B

C

B

C

A B C

Seleccionar la mejor campaña, el mejor momento, la mejor oferta, y el mejor canal, para cada cliente.

Ejecutar Campañas en cada Canal

RIGHT OFFER OUTBOUND

Tecnología:

Data Mining y Optimización

Beneficios típicos: Automatización de todas las acciones. Incremento del beneficio de un 50% a 100%.

Cross-sell? <context data>

<customer data>

Oferta

¿Aplica a

este

caso?

Margen

Probabilidad

de

Respuesta

Valor

Esperado

A No

B Yes 90 54% 49

C Yes 85 62% 64 C C

Inbound Outbound

Percepción Apropiada Conveniente

Respuesta 30% 5%

RIGHT OFFER INBOUND

Datos - Demográficos - Tenencia - Utilización - Pagos - Uso de canales - Quejas - Encuestas - …

Múltiples

Modelos Predictivos

Probabilidad de

Respuesta

Realizar una oferta a los

clientes con mayor

beneficio

Generar Scores Cada producto tiene diferente Ganancia Cliente Scores

12435 0.22 0.31 0.11

56437 0.13 0.04 0.28

59235 0.02 0.17 0.14

45276 0.05 0.01 0.09

Clientes Múltiples Canales

Inbound & Outbound

Diferentes Costos

Diferente Efectividad

Diferentes Mensajes

Restricciones de Contacto

Objetivos mínimos de venta Capacidad de cada canal Limitaciones de presupuesto

OPTIMIZAR

Monitoreo de

Resultados

Administración de Campañas Optimizada

RESUMEN

El Marketing del Futuro

Imagine si pudiera personalizar el contenido de su WebSite, para cada visitante, con los servicios y productos que proba-blemente deseen adquirir

Imagine si los vendedores de cada sucursal pudieran recomendar a sus clientes el próximo producto que más probablemente contraten.

Imagine si pudiera conocer cuales de sus prospectos son mas proclives a aceptar su oferta cuando diseña una nueva campaña de marketing

Imagine si el call center pudiese responder los llamados con acciones personalizadas de retención y cross-selling

El Marketing del Futuro: Aquí y Ahora

Algunos Testimonios “El análisis predictivo nos ayuda a contactar a la persona adecuada con la mejor oferta. SPSS nos brindó el poder para hacerlo.”

“SPSS nos da el poder de saber, antes que pase, si un cliente esta en riesgo de abandono. Ahora podemos realizar la acción apropiada para retenerlo.”

“SPSS nos permitió generar modelos predictivos para identificar compradores con mayor propensión a adquirir determinados productos y servicios. Se redujo en un 25% las piezas enviadas”

“Datos hay! pero no se sabe por donde empezar Lo hermoso de las plantillas SmartWorkbench es que te ayudan poner foco. Te alientan a empezar con los problemas mas acuciantes y te guían para resolverlos, pero sin perder flexibilidad como en un producto enlatado.”

“Encontramos muy intuitivo el uso de SPSS Modeler, a través de su interfaz visual para definir procesos y probar ideas. Si bien se puede argumentar que el data mining es complejo, el hecho es que SPSS ha hecho un excelente trabajo en remover dicha complejidad. El foco en la facilidad de uso (al nivel del usuario de negocios) es la característica más destacada... es lo que le ha permitido alcanzar el liderazgo del mercado y hará que permanezca en dicho lugar”.

Industrias / Resultados

Consumo

Seguros

Retail Banca

Salud Servicios

Super

Telco

40-80%

incremento

del Uso

30-60%

incremento

Venta

25-50%

reducción

de Costos

35-70%

reducción

Tasa de

Fuga

10-20%

reducción

de la

Morosidad

50-100%

incremento

detección

de Fraude

Metodología

Data Mining

Campaing Administration

Customer View

¿PREGUNTAS? Adolfo Kvitca

Director de Soluciones Predictivas

SPSS Argentina SA