Customer Profiling & Predictive Analysis

859 views
815 views

Published on

Busness Customer Profiling develpoment in collaboration with SAS

Published in: Business, Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
859
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Customer Profiling & Predictive Analysis

  1. 1. TIM Stefano Maria De’Rossi Salvatore Donnarumma CAMPAGNE DI MARKETING & SEGMENTAZIONE Quali e quanti profili comportamentali compongono la clientela delle Piccole e Medie Imprese? L'obiettivo è creare indicatori di classificazione e di previsione utili in fase di segmentazione per impostare e coordinare campagne di marketing. Attraverso la Cluster Analysis vengono individuati gruppi di clienti TIM omogenei al loro interno e al contempo molto diversi tra loro. Obiettivi Impostare e gestire in modo più efficiente ed efficace le campagne nell'ottica delle strategie di business: » Delineando gruppi comportamentali confrontabili con i segmenti del portafoglio clienti » Raffinando la classificazione fornita dai segmenti aziendali » Indirizzando su ciascun gruppo appropriate azioni/campagne di marketing Soluzione Per l'analisi di un fenomeno complesso si è definita una » Aggregazione dei 24 cluster in 5 gruppi orientata alle strategia metodologica altrettanto complessa che ha in un esigenze di campagne di business primo momento analizzato gli indicatori comportamentali di » Assegnazione delle etichette ai 5 cluster Fonia/VAS/GPRS, definendone delle trasformate di sintesi temporali, in un secondo momento si è dedicata all'analisi Gli strumenti forniti per poter fruire dei risultati dell'analisi degli individui. sono i più diversi, da report e grafici ad approfondimenti dei La complessità dell'analisi sugli indicatori è basata sul fatto gruppi individuati che evidenziano il profilo di ciascun che si è voluto considerare un anno di storico per profilare in gruppo e forniscono precise informazioni e misure per maniera più robusta e stabile i comportamenti dei clienti programmare attività di loyalty e retention nell'ottica del combinando insieme sia le informazioni a livello linea che business. quelle a livello cliente. Di conseguenza si sono ideate e costruite delle trasformate Inoltre vengono elaborati indicatori statici: temporali tali da garantire la rappresentatività dei diversi » Indicatori aggregati di consumo e comportamentali aspetti del fenomeno oggetto di studio » Tabelle descrittive dei cluster rispetto a KPI di business (l'intensità del fenomeno “media”, la tendenza nel tempo » Misure di distanza tra singoli cluster e popolazione “trend”, la variazione del fenomeno “indicatori di variabilità”). ed indicatori dinamici: La Cluster Analysis è stata effettuata sui clienti TIM Business » Indicatori di monitoraggio dei cluster nel tempo PMI definendo dei gruppi di clienti (i cluster) in base al » Comportamento dei clienti nel tempo (cambio del comportamento espresso da indicatori ottenuti da cluster di appartenenza) trasformate di sintesi temporale su un periodo di tempo pari ad un anno. La strategia metodologica segue i seguenti passi: » Aggregazione dei dati da livello linea a livello cliente » Generazione di nuove variabili partendo dalle aggregazioni del traffico » Generazione di nuovi indicatori (fattori) attraverso analisi fattoriale » Selezione, attraverso appropriati criteri statistici, dei fattori più importanti (proporzione di variabilità spiegata pari al 95%) » Procedure di Cluster Analysis con gestione dei clienti anomali (outlier) • Definizione di cluster utilizzando il metodo k-means Benefici • Aggregazione dei cluster tramite tecniche di cluster Migliorata la comprensione gerarchiche delle caratteristiche dei singoli » Determinazione del numero ottimale di cluster (24 cluster) clienti associando un profilo a controllando i principali indicatori di valutazione (valore di Cubic Clustering Criterion e Pseudo F Statistic elevati, ciascun cliente. valori di Pseudo T-Squared Statistic bassi e successivi ad un picco, valori di R-Squared elevati) e alcuni strumenti grafici “dendogramma” » Analisi discriminante su ciascun cluster per individuare gli indicatori più rilevanti

×