DataBase and Data Mining Group of Database and data mining group, Database and data mining group, DataBase and Data Mining Group of DataBase and Data Mining Group of Schema funzionale dei sistemi Moduli front-end Venditore Telefono Customer Relationship Management Esecuzione richieste Amministrazione Gestione campagne e marketing Tratto da G. Bracchi, C. Francalanci, G. Motta, Sistemi Informativi per l impresa digitale, McGraw-Hill, 2005 Direzionale Database and data mining group, DataBase and Data Mining Group of DataBase and Data Mining Group of Schema funzionale dei sistemi operativo gestione del contatto durante tutto il ciclo di vita della relazione Strategia aziendale per gestire la relazione con il lungo il suo intero ciclo di vita dal contatto all'assistenza post-vendita, fino al termine della relazione con il Obiettivo: formulare (idealmente) per ciascun contatto in entrata (inbound) e in uscita (outbound) scopo del contatto l'offerta più appropriata attraverso il canale più adatto al momento giusto al prezzo più idoneo Analitico - 4 Database and data mining group, Customer Relationship Management Operativo Data warehouse marketing e direzionale Moduli back-end (Sistemi ERP e legacy) - 1 Corrispondenza Dati Clienti e Prodotti Web campagna di promozione o vendita raccolta reclami e osservazioni richiesta di assistenza verifica dello stato delle operazioni del informatizzazione dei canali attraverso cui avvengono i contatti con il multicanalità condivisione dei dati su clienti e prodotti fra i moduli - 2 Database and data mining group, Uso dei sistemi - 5 Database and data mining group, DataBase and Data Mining Group of DataBase and Data Mining Group of Schema funzionale dei sistemi analitico informatizza l'analisi della la, fornisce informazioni a supporto dei processi di marketing e delle attività del operativo Numerosità della la Continuità e frequenza della relazione Assicurazioni Stato Sanità Trasporti Turismo Beni consumo durevole Basso Banche TLC Beni Strumentali Farmaceutica Alto Basso Dipende da direzionale Intensità della relazione con la la frequenza dell interazione, durata del rapporto Numerosità della la Lealtà della la Multicanalità del rapporto permette al management di pianificare e controllare le performance dell'azienda verso il analitico e direzionale usano prevalentemente dati di sintesi Sistemi di back-end gestiscono operativamente l'evasione delle richieste dei clienti raccolte dai moduli di front-end (prodotti, servizi, assistenza, manutenzione,...) Alto - 3 Pag. 1-6
DataBase and Data Mining Group of Database and data mining group, Database and data mining group, Schema funzionale dei sistemi Redditivita' della la Soddisfazione della la agente di vendita (promotore finanziario, informatore scientifico) negozio, filiale (sportello bancario) Informazioni analitiche sui clienti Informazioni analitiche sui clienti Costituito dai sistemi per le forze di vendita (sales force automation, SFA) disponibilità ai venditori di informazioni su clienti, prodotti, visite eseguite dagli agenti assistenza al venditore nella costruzione di un offerta tecnicamente corretta e mirata alle caratteristiche ed esigenze del analitico: analisi e profilatura dei clienti operativo: contatto con il Dati operativi delle transazioni con i clienti Esempio: configurazione dell'offerta di una polizza assicurativa - 7 Database and data mining group, Canale Web DataBase and Data Mining Group of DataBase and Data Mining Group of Portale per le transazioni fra ed azienda Multicanalità clienti Business clienti Consumer il sceglie ogni volta il canale più conveniente acquista il prodotto in negozio modifica il contratto per telefono consulta lo stato dei propri pagamenti su web Funzionalita' di riferimento catalogo dei prodotti disponibili e informazioni generali al capacità di supportare le transazioni di acquisto servire il ubiquo 24 ore su 24 suggerimento del prodotto al guida alla configurazione dell ordine assistenza nel ciclo di acquisto (funzione carrello) Unicità dei dati su clienti e prodotti ogni modulo che supporta un canale dispone di tutte le informazioni sui clienti e sui prodotti, indipendentemente dal canale/sistema che le ha create modello dei dati unico basi di dati uniche o unificate informazioni sullo stato e la storia di tutte le transazioni del (ordini fatti, consegnati,...) gestione delle interazioni pre e post vendita richieste informazioni reclami Integrazione fra memorizzazione del percorso di navigazione del sul portale (clickstream), usato per Front Office (moduli di contatto ) Back Office (moduli di erogazione del prodotto o servizio) analisi statistiche sull'uso del portale gestione delle promozioni - 8 Database and data mining group, Canale telefonico DataBase and Data Mining Group of Schema funzionale dei sistemi Moduli front-end Telefono Web - 11 Database and data mining group, Venditore - 10 Database and data mining group, Il paradigma DataBase and Data Mining Group of Interazione reale tra il (privato/azienda) e il rappresentante dell'azienda direzionale Dati operativi delle transazioni con i clienti Canale venditore DataBase and Data Mining Group of DataBase and Data Mining Group of Moduli call center Corrispondenza gestione accessi telefonici con integrazione fra tecnologia telefonica e informatica (CTI - Computer Telephone Integration) Operativo IVR (Interactive Voice Response) ACD (Automatic Call Distribution) altre tecnologie: riconoscimento chiamante, riconoscimento vocale, Dati Clienti e Prodotti Funzionalità di riferimento: Moduli back-end (Sistemi ERP e legacy) Esecuzione richieste Amministrazione Data warehouse marketing e direzionale Gestione campagne e marketing - 9 Analitico Direzionale informazioni al su prodotti e azienda gestione transazioni di acquisto informazioni al sullo stato delle richieste gestione dei reclami tracciamento contatti (memorizzati su scheda ) telemarketing inbound e outbound (vendita guidata da script) Pag. 2-12
DataBase and Data Mining Group of Database and data mining group, Database and data mining group, Schema funzionale dei sistemi Moduli front-end Venditore Telefono Operativo Corrispondenza durata della relazione -impresa frequenza e tipo (profittabilità) dei contatti tra e impresa esempi propensione di un consumatore ad acquistare regolarmente prodotti della stessa marca propensione di un consumatore a servirsi dello stesso punto vendita Data warehouse marketing e direzionale Gestione campagne e marketing Esecuzione richieste Amministrazione Analitico Direzionale - 13 Database and data mining group, clienti nello stesso segmento siano simili tra loro clienti in segmenti diversi siano diversi tra loro Proprietà di una corretta segmentazione completa mutuamente escusiva segmentazione della la elaborazione di indici predittivi sui clienti selezione di segmenti di clienti per individuare liste clienti per campagne One-to-one marketing e customer segmentation profitti Retention Lost proposal Churner Database and data mining group, Customer Lifetime DataBase and Data Mining Group of Basata su diversi tipi di informazioni Tratto da Carlo Vercellis, Business intelligence Modelli matematici e sistemi per le decisioni, McGraw-Hill, 2005 anagrafiche dei clienti preferenze espresse dai clienti raccolte mediante interviste informazioni su cosa fanno i clienti (data-driven segmentation) Cross-selling Utilizza tecniche di clustering per identificare segmenti di clienti classificazione per caratterizzare le proprietà di ogni segmento (costruire un modello del segmento) tempo perdite Customer segmentation DataBase and Data Mining Group of Acquisizione - 17 Database and data mining group, Cross-selling DataBase and Data Mining Group of Partizionamento di un insieme di clienti in segmenti tali che basate su tecniche di data mining esempi Retention Customer segmentation DataBase and Data Mining Group of Opera su dati memorizzati in un data warehouse Comprende una ampia gamma di funzionalità di supporto ai processi di analisi - 14-16 Database and data mining group, analitico DataBase and Data Mining Group of Indica la lealtà di un verso un azienda Web Dati Clienti e Prodotti Moduli back-end (Sistemi ERP e legacy) Customer loyalty DataBase and Data Mining Group of Customer Lifetime Value (CLV): Profitti generati da un durante il suo ciclo di vita (customer lifetime) - 15 Pag. 3-18
DataBase and Data Mining Group of Database and data mining group, Database and data mining group, Indici Customer attrition DataBase and Data Mining Group of Variabili utilizzate per profilare e monitorare il Caratterizzati da DataBase and Data Mining Group of Motivazioni prospettiva di condizioni più vantaggiose (costo del conto corrente, tariffa telefonica) prospettiva di servizi più interessanti offerte legate all apertura del nuovo contratto (ad esempio i primi mesi servizi gratuiti o a costi contenuti) semplicità del passaggio da un azienda ad una concorrente periodicità: frequenza con cui il dato è campionato storicizzazione: tempo per cui sono mantenuti indici periodici (permette la valutazione di trend) granularità dell'indice (ad es. /anno) valori minimi, medi e massimi dati utilizzati per calcolare l'indice Numero di indici usati per profilare e monitorare il può essere elevato 300-500 negli operatori telefonici mobili) - 19 Database and data mining group, Tipologie di indici Database and data mining group, Customer retention DataBase and Data Mining Group of - 23 Database and data mining group, Customer retention DataBase and Data Mining Group of il costo per l acquisizione di un nuovo rappresenta un investimento significativo il costo per l acquisizione di un nuovo e per riconquistare un perduto è più elevato del costo di azioni di marketing per trattenere un giudicato a rischio di abbandono le azioni per la riconquista di un possono essere tardive - 20 Motivazioni Anagrafici: età, titolo di studio, indirizzo Operativi: volumi e valore delle transazioni del Comportamentali: reclami, richieste di informazioni, mail Economici: customer lifetime value, indice di fedeltà Predittivi: rischio di abbandono (churn) o di morosità - 22 Database and data mining group, Customer retention DataBase and Data Mining Group of DataBase and Data Mining Group of Attività di customer retention In alcuni settori (banche, telefonia, risparmio gestito, assicurazioni) l acquisizione di nuovi clienti spesso avviene a scapito di un'altra azienda Customer attrition (customer churn nel caso di compagnie telefoniche) indica il passaggio di clienti da una azienda ad una concorrente Customer retention indica l insieme di attività messe in atto per evitare il fenomeno di abbandono da parte del - 21 predizione del rischio di abbandono definizione di indicatori/comportamenti che risultano correlati all'effettivo abbandono costruzione di un modello (classificatore) per poter classificare ogni rispetto al rischio di abbandono esecuzione di opportune azioni di retention verso i clienti a più alto rischio di abbandono e di valore più elevato (clienti potenzialmente più profittevoli) proposta di un offerta adeguata Riduzione del costo dell azione di marketing e aumento dell efficacia con selezione mirata dei destinatari dell offerta Pag. 4-24
DataBase and Data Mining Group of Database and data mining group, Esempio: customer retention nelle telecomunicazioni Database and data mining group, DataBase and Data Mining Group of DataBase and Data Mining Group of Esempio: alberi di decisione T2 T1 Definizione di un modello per classificare i clienti rispetto alla propensione all'abbandono (non abbandono) del servizio %traffico verso altri T1 Definizione del segnale di abbandono M2 disdetta del contratto numero di chiamate in uscita o in ingresso inferiore a una certa soglia - 25 M1 >M2-28 Database and data mining group, T1 T1 %traffico verso altri >T2 M1 M2 accesso a servizi accessori (fax, segreteria telefonica, numeri speciali) chiamate a call center segnalazioni di malfunzionamenti e disservizi M1 >M2 Classificazione di un nuovo dato avviene mediante l attraversamento dell albero di decisione Churner=yes >M1 Nuovo : Traffico < T1 AND Mesi > M2 Churner? Yes - 29 Database and data mining group, Database and data mining group, Regole di classificazione dall albero di decisione DataBase and Data Mining Group of Esempio: customer retention nelle telecomunicazioni DataBase and Data Mining Group of %traffico verso altri T1 >T2 >T1 and T2 M2 % traffico verso altri Customer database (training set) churners M1 >M1 IF Traffico T1 AND Mesi M2 THEN IF Traffico T1 AND Mesi > M2 THEN IF Traffico > T1 AND Traffico T2 AND Mesi M1 THEN IF Traffico > T1 AND Traffico T2 AND Mesi > M1 THEN IF Traffico >T2 THEN Mesi di servizio del >M2 Informazione rappresentata mediante regole nella forma IF-THEN Le regole sono ottenute analizzando i cammini dell albero di decisione clienti fedeli - 27 Churner=yes Mediante la classificazione si costruisce un modello dei clienti a rischio di abbandono M2 >T1 AND T2 periodo (settimane, mesi) direttrice di traffico (verso quali operatori) - 26 DataBase and Data Mining Group of T2 dati anagrafici mesi di servizio del informazioni amministrative e contabili traffico telefonico in ingresso e in uscita, distinto per Esempio: alberi di decisione DataBase and Data Mining Group of Dati disponibili sui clienti Churner=yes >M1 Database and data mining group, Esempio: customer retention nelle telecomunicazioni M2 >T1 AND T2 attributo di classe: abbandono/non abbandono del servizio (classificazione binaria) M1 >T2 Pag. 5-30
DataBase and Data Mining Group of Database and data mining group, Database and data mining group, Esempio: customer retention nelle telecomunicazioni possono essere ignari o non del tutto consapevoli dei prodotti/servizi offerti dall azienda possono essere clienti di concorrenti per prodotti/servizi analoghi in passato non presentavano le caratteristiche per diventare clienti esempio: prodotti per bambini sono stati clienti dell azienda in passato l azienda dispone di molte più informazioni che li riguardano - 31-34 Database and data mining group, Database and data mining group, Cross-selling DataBase and Data Mining Group of Insieme di attività svolte da un azienda per acquisire nuovi clienti Richiede l identificazione dei clienti potenziali (prospect) Si vuole predire il rischio di abbandono nell arco di due mesi abbandono/non abbandono del all'istante t informazioni sui clienti all'istante t-2 Distinzione a priori di alcuni macro-segmenti di mercato tra loro eterogenei tipologia (aziende/privati) tipo di schede telefoniche (abbonamento/prepagate) anzianità di attivazione (inferiore/superiore a una soglia opportuna) zona di residenza Costruzione del modello separatamente per ogni macrosegmento Customer acquisition DataBase and Data Mining Group of Customer acquisition DataBase and Data Mining Group of Offerta di un (ulteriore) prodotto o servizio da parte di un azienda a un esistente DataBase and Data Mining Group of Le campagne di acquisizione si devono indirizzare verso i segmenti a esempio: una banca che offre anche servizi assicurativi vuole individuare, tra i suoi clienti, i segmenti potenzialmente interessati ad una polizza assicurativa maggiore potenziale di redditività alta probabilità di adesione Up-selling: la nuova offerta è legata agli acquisti già fatti dal Uso di tecniche di data mining per eseguire campagne mirate di customer acquisition tentativo di vendita un prodotto o di un servizio di livello superiore, più ricco di funzionalità per chi lo acquista e più redditizio per l azienda esempio: un istituto che rilascia carte di credito promuove l'offerta di una carta di credito gold ai possessori di carta di credito standard identificazione di segmenti di mercato con maggiore probabilità di rispondere positivamente alla campagna basata sull uso di tecniche di clustering e classificazione offre più servizi ai clienti, è più redditizio per l azienda - 32 Database and data mining group, Database and data mining group, Cross-selling nei settori della grande distribuzione nelle attività di e-commerce mediante carte di credito polizze/conti correnti attivati da uno stesso nucleo familiare servizi accessori attivati da possessori di numeri telefonici mobili o fissi basata sull uso di tecniche di clustering e classificazione identificazione di correlazioni tra la vendita di prodotti diversi (prodotti candidati per un offerta di cross-selling) basata sull estrazione di regole di associazione DataBase and Data Mining Group of Analisi degli acquisiti effettuati dai clienti per ottenere conoscenze utili alla pianificazione delle azioni di marketing Utilizzata per analizzare gli acquisti effettuati identificazione di segmenti di mercato con maggiore probabilità di rispondere positivamente a un offerta di cross-selling (up-selling) - 33 Market basket analysis DataBase and Data Mining Group of Uso di tecniche di data mining per eseguire azioni mirate di cross-selling - 35 Pag. 6-36
DataBase and Data Mining Group of Database and data mining group, Database and data mining group, Market basket analysis DataBase and Data Mining Group of Attività finalizzate a Tecniche di data mining acquisire o mantenere un proporre nuovi prodotti/servizi al Estrazione di regole di associazione analisi delle transazioni di acquisto (basket) per estrarre correlazioni nell acquisto di gruppi di articoli offre supporto a processi decisionali quali In alcuni casi (operatori telefonici, banche) le campagne raggiungono un volume elevato di clienti (milioni, decine di milioni) si svolgono numerose campagne (decine all anno) rivolte a segmenti specifici di mercato posizione dei prodotti negli scaffali determinazione del layout fisico di un punto vendita definizione delle promozioni Esempio: articoli in promozione nel volantino, nelle inserzioni, o quali buoni sconto sono distribuiti ai clienti - 37 Gestione delle campagne DataBase and Data Mining Group of Database and data mining group, Market basket analysis - 40 Database and data mining group, Gestione delle campagne DataBase and Data Mining Group of DataBase and Data Mining Group of Pianificazione Tecniche di data mining definizione di Regole associative temporali (sequential pattern) obiettivo della campagna (azione di cross-selling, retention, acquisition) risultati attesi budget le transazioni di acquisto sono associate a una dinamica temporale il deve essere identificato esempi: mediante tessera fedeltà, emissione fattura le tecniche di analisi tengono conto della dinamica temporale degli acquisti Progettazione (pianificazione operativa) definizione di - 38 lista clienti target offerta canali fasi della campagna Database and data mining group, Database and data mining group, Gestione delle campagne DataBase and Data Mining Group of Schema funzionale dei sistemi Moduli front-end Venditore Telefono Web - 41 DataBase and Data Mining Group of Esecuzione Corrispondenza inoltro della lista clienti ai canali esecuzione della campagna da parte dei canali monitoraggio dell avanzamento Operativo Dati Clienti e Prodotti Validazione (closed loop) Moduli back-end (Sistemi ERP e legacy) Esecuzione richieste Amministrazione acquisizione dati su contatti e avanzamento valutazione efficacia e efficienza dei contatti valutazione del comportamento del Data warehouse marketing e direzionale Gestione campagne e marketing - 39 Analitico Direzionale Pag. 7-42
DataBase and Data Mining Group of DataBase and Data Mining Group of DataBase and Data Mining Group of DataBase and Data Mining Group of DataBase and Data Mining Group of D B Gestione delle campagne Database and data mining group, I moduli software per la gestione delle campagne sono offerti in quasi tutte le suite e supportanto fase di progettazione fase di esecuzione Funzionalità selezione automatica lista clienti descrizione delle proprietà caratteristiche della campagna schedulazione delle attività specifica di uno schema di flusso processo esecutivo (selezione dei dati della campagna e trasmissione ai vari canali di contatto con il ) D B M G Tool Database and data mining group, Suite SIEBEL, KANA, Epiphany, Onyx,... Suite integrata in uno strumento ERP Peoplesoft, SAP, ORACLE,... Suite di analitico (specialisti BI) SAS,... D B M G - 43-46 Gestione degli allarmi Database and data mining group, D B M G Rilevazione automatica di situazioni di criticità nella relazione con il e segnalazione al responsabile aziendale Esempio: rischio di abbandono banca ritiro depositi in percentuale superiore a soglia prefissata azienda telefonica riduzione del numero di chiamate effettuate sbilanciamento tariffario: il paga di più di quanto pagherebbe presso un azienda concorrente - 44 Tool Database and data mining group, D B M G I possibili scenari di realizzazione sono simili a quelli ERP opzione in house opzione best of breed opzione suite integrata opzioni application service provider e outsourcing (specialmente per call center) - 45 Pag. 8