1. MicrosoftAnalisi Comportamentale & Customer Retention6 maggio 2011 Dino Faedda CRM Solution SpecialistMicrosoft Alberto TodescoCRM SpecialistObjectWay Algoritm

2. Agenda I Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

3. Agenda I Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

4. Obiettivi Arricchire le informazionideiclienti Analizzareilcomportamento Mass Market Disegnareiniziativecommerciali per migliorare la retention Migliorarela relazione e l’efficaciacommerciale

6. Riduce i tempi per la formazione

7. Accelera i tempi rilascio della soluzione

8. Rafforza la collaborazione

9. Integrazione con la piattaforma di comunicazione

10. Integrazione con gli strumenti di produttività individuale

12. Adattabile rapidamente a eventuali cambiamenti futuriUnstructured Structured

13. Microsoft Dynamics CRM Più di 1,4M di utenti nel mondo Oltre 1.200 Partner certificati Oltre 100 Service provider 1B$ Investimenti in R&D della divisione Business Solutions 4 centri R&D Disponibile sia in modalità On Premise, Hosted, Cloud

14. 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

16. Leading player del Mercato Finance per IT Solutions & Consulting

17. Volume d’affari 25 M€ di cui 55% da software proprietario

18. Oltre 100 clienti e 300 dipendenti con EBITDA/ricavi >20%

19. Competenza nel CRM Analitico

20. Specializzata nel campo degli algoritmi di “nuova generazione”

21. Sviluppa gli algoritmi con l’Università Svizzera Italiana

22. Propone “soluzioni” accreditate e chiavi in mano ai fini dell’analisi comportamentale© 2010 Microsoft Corporation. All rights reserved. This presentation is for informational purposes only. Microsoft makes no warranties, express or implied, in this summary.

23. Referenze 9

24. Agenda I Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

25. Soluzione Applicativa Seller / Teller DirettoreFiliale DirezioneCentrale Segmentazione e misurarischiod’abbandono Calcolo ROI edefficaciainiziativa Gestioneanagraficaestesa Gestioneiniziative retention Patrimonioinformativo Sistemigestionali Trafficosito Web Anagraficacentrale DatiBancad’Italia

27. Associazione liste target all'iniziativa

28. Associazione prodotti all'iniziativa

30. Attività di contatto con il cliente

32. Incontro con il cliente

33. Esitazione dell'attività di contatto

34. Monitoraggio dell'iniziativaESECUZIONE

35. Componenti CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI SEGMENTAZIONE APPUNTAMENTI PROPOSTA SELEZIONE PRODOTTI MASS MARKET MONITORING DIAGNOSI PROPOSTA POSIZIONE CLIENTE AFFLUENT / PRIVATE MS Dynamics CRM Microsoft Strumenti BI Microsoft STRUMENTI Motori di Calcolo ObjectWay Algorithm Financial Suite ObjectWay Finance 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 Pianificazione delle attività di marketing e delle relative campagne Segmentazione dei Clienti e generazione dei target per le iniziative di Marketing Pianificazione appuntamenti per il gestore COPERTURA Unstructured Structured

36. Agenda I Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

40. Prodotti giusti da proporre

41. Condizioni personalizzateCOSA

42. Diamanti Sfide Partnership Sviluppo o Recupero Clienti ad alto valore checonsiderano la Banca comela banca di riferimento Nuovi clienti pregiati dasviluppare o clienti di valoreche hanno ridotto il legame Ambasciatori Marginali Mantenimento Gestione selettiva Clienti che considerano la Banca come riferimento, ma presentano un valore limitato Clienti per i quali è necessariovalutare attentamente le potenzialità dato il basso valore Modello di segmentazione APPROCCIO Una matrice di orientamento commerciale per individuare le priorità di azione Elevato Potenziale commerciale Basso Elevato Basso Grado di fidelizzazione

44. cross selling

45. anzianità di relazione

46. asset totali

47. margine di intermediazione

48. stima del reddito

49. grado di fidelizzazione

50. stima del patrimonio commerciale

51. localizzazione territoriale

52. indici dinamici

53. trend del cross selling

54. trend dei margini

55. trend di operatività

56. trend degli asset

57. disdetta accredito stipendio

58. disdetta addebito utenze

59. disinvestimento gestione/titoli

61. Patrimonio

62. Socio-demograficiCiascun 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.

63. Agenda Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case MIcrosoft Dynamics CRM Ipotesi di lavoro

65. Potente motore di ottimizzazione basato sul concetto di “selezione stocastica di una popolazione” idonea alla soluzione del problema da ottimizzare

66. Utilizzato per :

67. Individuazione cluster prevalenti

68. Costruzione Modelli interpretativi

69. Multy Layer Neural Network

70. Regressore “feed-forwardtreelayer” che “allena” una rete neurale ad inferire un modello euristico di previsione

71. Utilizzato per :

72. Predictiveanalysis

73. ForecastingModelli ampia gamma di modelli di marketing replicabili per aderire con flessibilità alle esigenze della direzione ai fini della segmentazione, retention e churn

76. Dati esterni Banca d’Italia / Dati di reddito e patrimonio peculiari del territorioClustering Stima indici e potenziale del Training set Inferenza Affidabilità 93% Stima indici e potenziale dell’Universo clienti

77. Agenda Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

78. Business case

79. Ind. Tradizionale ObjectWay Algorithms Retention STRATEGIE DI RETENTION SU UNIVERSO CLIENTI Individuazione dei segmenti a maggior criticità e determinazione delle azioni di retention da effettuare Retention Universo clienti alto AZIONI DI RETENTION REATTIVA AZIONI DI CARING E FIDELIZZAZIONE AZIONI DI RETENTION PROATTIVA TRAINING SET Retention del Training set Potenziale PERSI ATTIVI Potenziale DORMIENTI basso media alta bassa Probabilità di abbandono Probabilità di abbandono

80. Churn

81. Rischio di credito

82. Agenda Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

83. Maggiore produttività Semplicitàd’uso Piùinformazioni a portatadimano Facile integrazione Unstructured Structured

84. Demo

85. Scenario demo Direzione Marketing CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI SEGMENTAZIONE APPUNTAMENTI Rete Commerciale 1 - Responsabile di filale per Iniziativa su clienti Diamanti 2 - Operatore di filiale per Iniziativa su clienti Sfide

86. SegmentazioneDirezione Marketing CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI SEGMENTAZIONE APPUNTAMENTI Segmentazione della clientela Individuazione cluster prevalenti Costruzione modello interpretativo Calcolo Indice di Abbandono Calcolo potenziale commerciale Analisi segmentazione Definizione liste target

87. CampagneDirezione Marketing CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI SEGMENTAZIONE APPUNTAMENTI Creazione delle iniziative commerciali Associazione liste target all'iniziativa Associazione prodotti all'iniziativa Lancio dell'iniziativa

88. AppuntamentoRete commerciale CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI SEGMENTAZIONE APPUNTAMENTI Cruscotto per visualizzare la "to-dolist“ Attività di contatto con il cliente Pianificazione appuntamento

89. AppuntamentoRete Commerciale CAMPAGNE ESECUZIONE E CONSUNTIVAZIONE APPUNTAMENTI SEGMENTAZIONE APPUNTAMENTI Preparazione all'appuntamento analizzando la "storia" del cliente Incontro con il cliente Esitazione dell'attività di contatto Monitoraggio dell'iniziativa

90. 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

91. Agenda I Partner della proposta Overview Soluzione Regole di segmentazione Ottimizzatori neurali “large data clustering” Business Case Microsoft Dynamics CRM Ipotesi di lavoro

93. Valutazione dei risultati e confronto con processi in essere

96. Costruzione modello interpretativo

97. Calcolo Indice di Abbandono

98. Calcolo del potenziale commerciale del cliente

99. Applicazione modello su intero portafoglio clienti e valutazione risultati

100. Output su DB Banca3 MESI Attività chiave Deliverable Tempistiche

101. © 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.