9HQH]LD�����0DU]R�����9HQH]LD�����0DU]R�����

%UXQR�6FDUSD8QLYHUVLWj GL�3DYLD

'DWD�PLQLQJ��XQ¶HVSHULHQ]D�QHO�PDUNHWLQJ

la m ia esperienza in azienda

� 1HO ������GRSR�JOL�VWXGL��KR�DYXWR OµRFFDVLRQH GL�FRPLQFLDUH�

XQµDYYHQWXUD�QHO�PRQGR�GHOOH�D]LHQGH���

D� LQ�5$6�PL�VRQR�RFFXSDWR�GHOOD�TXRWD]LRQH GHL�ULVFKL H�GHOOD�

GHILQL]LRQH�GHOOH�WDULIIH H�GHL�SUH]]L�GHOOH�DVVLFXUD]LRQL QRQ�YLWD�

�DXWR��LQIRUWXQL��LQFHQGLR����

E� 6RQR�SRL�SDVVDWR LQ�201,7(/�GRYH KR�DYXWR�PRGR GL�LPSRVWDUH OH�

DWWLYLWj GL�GDWD PLQLQJ�FRPH�VWUXPHQWL�VWDWLVWLFL SHU�LO�PDUNHWLQJ�

VXOOD�FOLHQWHOD���

F� 'RSR�XQ�SRµ�GL�HVSHULHQ]D�VRQR�SDVVDWR D�7,1�,7�GRYH�ROWUH DOOH�

DQDOLVL�VWDWLVWLFKH�DYHYR LO�FRPSLWR GL�FXUDUH OH�D]LRQL GL�PDUNHWLQJ�

YHUVR L�FOLHQWL�QDYLJDWRUL�VRWWRVFULWWRUL���

G� /µXOWLPD�WDSSD�GHOOD�PLD�HVSHULHQ]D�D]LHQGDOH�q�VWDWD LQ�+�*��

D]LHQGD FKH�HUD LQ�VWDUW�XS��GRYH�DYHYR LO�FRPSLWR GL�FXUDUH

OµLPSRVWD]LRQH JOREDOH�H�TXLQGL OD�GHILQL]LRQH GL�UHTXLVLWL SHU�OD�

JHVWLRQH�GHOOD�UHOD]LRQH FRQ�L�FOLHQWL�

stat ist ica nel m arket ing

*XLGD�FRPPHUFLDOH�H�WHFQRORJLFD

)DUH�DQDOLVL�H�SURSRUUH�LGHH��q�LO�

PRWRUH�GHOOH�D]LRQL�GL�

PDUNHWLQJ

6XSSRUWR�DOO¶XRPR�GL�PDUNHWLQJ��

DLXWR�TXDQWLWDWLYR�DOOH�LGHH�GL�PDUNHWLQJ

$QDOLVL�GL�PDUNHWLQJ��³UHSRUWV´�H�VWDWLVWLFKH�

GHVFULWWLYH�GL�EDVH

Diversi livelli di coinvolgimento della statistica nel „fare business“

ReportsTabelle Semplici indicatori

ReportsTabelleSemplici indicatoriSemplici modelli

Tabelle Indicatori/ tassiModelliData mining

Modelli StatisticiData miningReportsTabelleIndicatori

Strumenti:

IRFXV VXL�SURGRWWL

IRFXV VXO�FOLHQWH

dic-

99

feb-

00

apr-

00

giu-

00

ago-

00

ott-

00

dic-

00

pay

tota

le

0

500

1000

1500

2000

2500

3000

3500

4000

pay

totale

dic-

99

feb-

00

apr-

00

giu-

00

ago-

00

ott-

00

dic-

00

pay

tota

le

0

200

400

600

800

1000

1200

pay

totale

1XRYH�$FTXLVL]LRQL&XVWRPHU�%DVH�

,/�0$1$*(0(17�'(//$�&86720(5�%$6(�,/�0$1$*(0(17�'(//$�&86720(5�%$6(�

*8,'$�/$�675$7(*,$�',�0$5.(7,1**8,'$�/$�675$7(*,$�',�0$5.(7,1*

un ’azienda di telecom unicazioni

Un unico obiet t ivo

$XPHQWDUH�LO$XPHQWDUH�LO &XVWRPHU�/LIHWLPH�9DOXH&XVWRPHU�/LIHWLPH�9DOXH

DWWUDYHUVRDWWUDYHUVR OD�OD�ULGX]LRQHULGX]LRQH GHO�FKXUQ�GHO�FKXUQ�

H�H�O¶DXPHQWR�GHOO¶$538O¶DXPHQWR�GHOO¶$538

352),/,1*��6(*0(17$7,21352),/,1*��6(*0(17$7,21

,GHQWLILFDUH�L�SRWHQ]LDOL�³,GHQWLILFDUH�L�SRWHQ]LDOL�³FKXUQHUVFKXUQHUV´́

0DVVLPL]]DUH�OD�VRGGLVID]LRQH�GHL�FOLHQWL0DVVLPL]]DUH�OD�VRGGLVID]LRQH�GHL�FOLHQWL

)RFDOL]]DUVL�VX�WDUJHW�SHU��FURVV�H�XS�VHOO)RFDOL]]DUVL�VX�WDUJHW�SHU��FURVV�H�XS�VHOO

5LGXUUH�LO�5LGXUUH�LO�FKXUQFKXUQ

0DVVLPL]]DUH�LO0DVVLPL]]DUH�LOYDORUH�GHO�FOLHQWHYDORUH�GHO�FOLHQWH

… at t raverso

custom er base: approccio st rategico

I dent ificare

Realizzare

Prat icare

tut te le at t ività necessarie a garant ire il processo di at tenzione e

fidelizzazione dell’individuo verso l’azienda e la sua offerta di prodot t i

e servizi

e, conseguentem ente

la m assim izzazione delle opportunità di business at t raverso

la soddisfazione costante dei bisogni

Custom er Relat ionship Managem ent

I dent ificare

Classificare

Acquisire

Gest ire

tut te le informazioni che consentono la conoscenza e l’analisi del proprio target

di r ifer imento

e, conseguentemente

la realizzazione di prodot t i e servizi ad elevata probabilità di soddisfazione dei

suoi bisogni

VRXUFHV DQDO\VLV PJPQW

profiling

��

����

����

9$

/2

5(

�'(

/�&

/,(

17

(��

����

���

��

��

����

����

9$

/2

5(

�'(

/�&

/,(

17

(��

����

���

��

��������������������������)('(/7$¶�'(/�&/,(17(��������������������������������������������)('(/7$¶�'(/�&/,(17(����������������������

0$66,0,==$5(�0$66,0,==$5(�,/�9$/25(,/�9$/25(

�� �� �� �� �� � � � � �� � � � ��� �� �� �� � � � � �� � � � �

�� � �� � � � � �� � � �

�� � � �� �� � � � � � � �� � �� � �� �� � � � � � � �� � �

�� � � � � � �� � � � � �� � � � � �� � � � � �

$=,21,�$�%$662�$=,21,�$�%$662�&2672��12�&2672��12�

35202=,21,35202=,21,

�� � � � � � � � � � � � � �� � � � � � � � � � � � � � �� �

� � � � � � � � � � � �� � � � � � � � � � � �

�� � � � � � � � � � � �� � � � � � � � � � �

$80(17$5(�,/�$80(17$5(�,/�9$/25(9$/25(

�� � � � � � � � �� � � � � � � � � � � � � �� � � � � �

�� � � � � �� � � � � � � � � � �� � � � � �

�� � � � � �� � � � � � � � � � � � � � � �� � � � � � � � � � �

� � �� � �

&26758,5(�&26758,5(�)(/'(/7$¶)(/'(/7$¶

�� � � � �� � � � � � � � � � �� � � � � � �� � � � � � � � � � �� � �

� � � � � � � � � � � � � � � � � � � � � � � �

�� � �� � � � � �� � � � � � �� � � ! "� �� � � � � �� � � � � � �� � � ! "

�� � � � �� � � # � �� � � ! $ % %$ &' ($ "� � � �� � � # � �� � � ! $ % %$ &' ($ "

…ALLA CONCORRENZA!…ALLA CONCORRENZA!

custom er base: segm entazione di base

Gener azione di pr of it t i at t r aver so l’acquisizione di client i ad alt o valor e, la cr eazione di valor e e un’at t ent a polit ica di “cost t o ser ve”�Acquisizione di client i (conver sione di pr ospect in client i)�Aument o del valor e dei client i at t r aver so azioni di cr oss-sell e di up-sell�“t r at t ener e” i client i (r et ent ion)�At t enzione al “cost t o ser ve”

�Campagne�Pr ogr ammi di “Loyalt y”�Per sonalizzazione dei Ser vizi�Gest ione dei canali di cont at t o�(sviluppo di nuovi pr odot t i)

�Analisi di dat i sui client i�Segment azione & micr o-segment azione�Sugger iment i sui bisogni e le pr ef er enze dei client i

�Analisi delle pr opensioni sui “cont at t i”•Uso dei canali•Ragioni di cont at t o

�Esper ienza del client e per ogni canale(CC, Por t ale,chat , Messaging, Dealer s)�Ef f icienza del Cust omer Car e

CUSTOMER DATA�I D (nome, indir izzo, num. di t elef ono, piano t ar if f ar io...)

�Dat i Demogr af ici (et à, cit t à, ...)

�Dat i Socio-economici (r eddit o, pr of essione, t it olo dist udio, classe di valor e, ...)�Dat i Psicogr af ici (ambient e, pr ef er enze, hobbies, ...)

�Pat t er ns d’uso (spesa t elef onica, ser vizi usat i e f r equenza, ...)

�St or ia dei cont at t i del client e•Uso dei canali•Mot ivo di cont at t o•Numer o di cont at t i

DATI SUI LI VELLI DI SERVI ZI O DEI CANALI...

L’approccio di crm

'$7,�´*5(==,µ

$1$/,6,�352),/,1*�

$=,21,

2%,(77,9,

Gener azione di pr of it t i at t r aver so l’acquisizione di client i ad alt o valor e, la cr eazione di valor e e un’at t ent a polit ica di “cost t o ser ve”�Acquisizione di client i (conver sione di pr ospect in client i)�Aument o del valor e dei client i at t r aver so azioni di cr oss-sell e di up-sell�“t r at t ener e” i client i (r et ent ion)�At t enzione al “cost t o ser ve”

�Campagne�Pr ogr ammi di “Loyalt y”�Per sonalizzazione dei Ser vizi�Gest ione dei canali di cont at t o�(sviluppo di nuovi pr odot t i)

�Analisi di dat i sui client i�Segment azione & micr o-segment azione�Sugger iment i sui bisogni e le pr ef er enze dei client i

�Analisi delle pr opensioni sui “cont at t i”•Uso dei canali•Ragioni di cont at t o

�Esper ienza del client e per ogni canale(CC, Por t ale,chat , Messaging, Dealer s)�Ef f icienza del Cust omer Car e

CUSTOMER DATA�I D (nome, indir izzo, num. di t elef ono, piano t ar if f ar io...)

�Dat i Demogr af ici (et à, cit t à, ...)

�Dat i Socio-economici (r eddit o, pr of essione, t it olo dist udio, classe di valor e, ...)�Dat i Psicogr af ici (ambient e, pr ef er enze, hobbies, ...)

�Pat t er ns d’uso (spesa t elef onica, ser vizi usat i e f r equenza, ...)

�St or ia dei cont at t i del client e•Uso dei canali•Mot ivo di cont at t o•Numer o di cont at t i

DATI SUI LI VELLI DI SERVI ZI O DEI CANALI...

L’approccio di crm

'$7,�´*5(==,µ

$1$/,6,�352),/,1*�

$=,21,

2%,(77,9,

,QIRUPD]LQL,QIRUPD]LQL

VRFLR�GHPRJUDILFKHVRFLR�GHPRJUDILFKH

'$7$:$5(+286('$7$:$5(+286(

,QIRUPD]LRQL,QIRUPD]LRQL

VXOOD�DWWLYD]LRQHVXOOD�DWWLYD]LRQH

'DWL�VXOO¶XVR��'DWL�VXOO¶XVR��

VXOOD�UHWHVXOOD�UHWH

,QIRUPD]LRQL�GD�,QIRUPD]LRQL�GD�

ULFHUFKH�GL�PHUFDWRULFHUFKH�GL�PHUFDWR��FXVWRPHU�VDWLVIDFWLRQFXVWRPHU�VDWLVIDFWLRQ��8��$��«���8��$��«�

GDWL�GDO�GDWL�GDO�FDOOFDOO FHQWHUFHQWHU��FDOOVFDOOV����FRPSODLQVFRPSODLQV����ELOOLQJ�SUREOHPVELOOLQJ�SUREOHPV��

3DWWHUQ�GL�XWLOL]]R3DWWHUQ�GL�XWLOL]]R�WUDIILFR��ORJ��WUDIILFR��ORJ�ILOHVILOHV����

FRRNLHVFRRNLHV«�«�

I l DWH

'DWL�VXOOD�JHVWLRQH�'DWL�VXOOD�JHVWLRQH�

GHOOD�GHOOD�FXVWRPHU�FXVWRPHU�EDVHEDVH��FDPSDLJQFDPSDLJQ PDQDJHPHQW��PDQDJHPHQW��OR\DOW\OR\DOW\��«���«�

q�HQRUPH�q�HQRUPH�

&DPSLRQL�GL�FOLHQWL�SRVVRQR�HVVHUH�PROWR�XWLOL&DPSLRQL�GL�FOLHQWL�SRVVRQR�HVVHUH�PROWR�XWLOL

3HU�HVHPSLR3HU�HVHPSLR

•• WHQHU�FRQWR�GHJOL�RELHWWLYL�GHOO¶DQDOLVLWHQHU�FRQWR�GHJOL�RELHWWLYL�GHOO¶DQDOLVL

•• QRQ�FRQFHQWUDUVL�VROR�VX�GD�GRYH�H�FRPH�QRQ�FRQFHQWUDUVL�VROR�VX�GD�GRYH�H�FRPH�

UDFFRJOLHUH�OH�LQIRUPD]LRQLUDFFRJOLHUH�OH�LQIRUPD]LRQL

•• XWLOL]]DUH�HVWUD]LRQL�GL�SDUWL�GHO�':+�XWLOL]]DUH�HVWUD]LRQL�GL�SDUWL�GHO�':+�

��GDWDPDUWGDWDPDUW��GLYHUVH�D�VHFRQGD�GHJOL�RELHWWLYL��GLYHUVH�D�VHFRQGD�GHJOL�RELHWWLYL

1HO�1HO�GDWDPDUW�GDWDPDUW�SHU�OD�SUHYLVLRQH�GHOOD�GLVDWWLYD]LRQH��q�SL��XWLOH�WHQHUH�SHU�OD�SUHYLVLRQH�GHOOD�GLVDWWLYD]LRQH��q�SL��XWLOH�WHQHUH�

O¶LQIRUPD]LRQH�VXJOL�HUURUL�GL�IDWWXUD]LRQH�ULVSHWWR�DL�GHWWDJOLO¶LQIRUPD]LRQH�VXJOL�HUURUL�GL�IDWWXUD]LRQH�ULVSHWWR�DL�GHWWDJOL VRFLRGHPRJUDILFLVRFLRGHPRJUDILFL

':+':+

�TXLQGL�RSSRUWXQR

I l DWH: i problem i

Gener azione di pr of it t i at t r aver so l’acquisizione di client i ad alt o valor e, la cr eazione di valor e e un’at t ent a polit ica di “cost t o ser ve”�Acquisizione di client i (conver sione di pr ospect in client i)�Aument o del valor e dei client i at t r aver so azioni di cr oss-sell e di up-sell�“t r at t ener e” i client i (r et ent ion)�At t enzione al “cost t o ser ve”

�Campagne�Pr ogr ammi di “Loyalt y”�Per sonalizzazione dei Ser vizi�Gest ione dei canali di cont at t o�(sviluppo di nuovi pr odot t i)

�Analisi di dat i sui client i�Segment azione & micr o-segment azione�Sugger iment i sui bisogni e le pr ef er enze dei client i

�Analisi delle pr opensioni sui “cont at t i”•Uso dei canali•Ragioni di cont at t o

�Esper ienza del client e per ogni canale(CC, Por t ale,chat , Messaging, Dealer s)�Ef f icienza del Cust omer Car e

CUSTOMER DATA�I D (nome, indir izzo, num. di t elef ono, piano t ar if f ar io...)

�Dat i Demogr af ici (et à, cit t à, ...)

�Dat i Socio-economici (r eddit o, pr of essione, t it olo dist udio, classe di valor e, ...)�Dat i Psicogr af ici (ambient e, pr ef er enze, hobbies, ...)

�Pat t er ns d’uso (spesa t elef onica, ser vizi usat i e f r equenza, ...)

�St or ia dei cont at t i del client e•Uso dei canali•Mot ivo di cont at t o•Numer o di cont at t i

DATI SUI LI VELLI DI SERVI ZI O DEI CANALI...

L’approccio di crm

'$7,�´*5(==,µ

$1$/,6,�352),/,1*�

$=,21,

2%,(77,9,

TLC: alcuni problem i

�DFTXLVL]LRQH�GHOOD�FOLHQWHOD

�SURVSHFW

→Raggiungere una VRJOLD�PLQLPD di client i ASAP

→Trovare e at t rarre i client i JLXVWL: quanto spendere per ciascun diverso cliente

potenziale?

�6FRSULUH�IURGL GL�VRWWRVFUL]LRQH

→determ inare dom ande di sot toscr izione fraudolente

�SURILWWDELOLWj GHL�FOLHQWL�YDORUH GHO�FOLHQWH

�ÄGRUPLHQWL³�H�VKDUH RI�ZDOOHW

�PRQLWRUDJJLR H�PDQDJHPHQW GHO�ULVFKLR

→Determ inare e ot t im izzare i param et r i di r ischio

�IHGHOWj

�DSSURFFLR�SUHGLWWLYR→m odelli di previsione del churn

�DWWULWR H�UHWHQWLRQ

→Modellazione e determ inazione e delle

pr incipali cause

�D]LRQL��SURJUDPPL GL�OR\DOW\�FDPSDJQH�XS�

VHOO�FURVV�VHOO

�UHOD]LRQH FRO�FOLHQWH

→Personalizzazione dell‘at tenzione e del

contat to

TLC: alcuni problem i

�&XVWRPHU�SURILOLQJ

�FKL�VRQR L�FOLHQWL"

�FRVD�FLDVFXQ�FOLHQWH�YXROH"

�FRPH�FRQWDWWDUH�RJQL�FOLHQWH"

�YDOXWD]LRQH�GHOOH�D]LRQL

�6SHVVR�QRQ�q�SRVVLELOH�HIIHWWXDUH�HVSHULPHQWL�FDVR�FRQWUROOR

→I client i sono autoselezionat i

�9DOXWDUH�D�SRVWHULRUL�DOFXQH�D]LRQL

→St im a gli effet t i delle azioni

condizionatam ente all’effet to di

tut te le alt re var iabili

Gener azione di pr of it t i at t r aver so l’acquisizione di client i ad alt o valor e, la cr eazione di valor e e un’at t ent a polit ica di “cost t o ser ve”�Acquisizione di client i (conver sione di pr ospect in client i)�Aument o del valor e dei client i at t r aver so azioni di cr oss-sell e di up-sell�“t r at t ener e” i client i (r et ent ion)�At t enzione al “cost t o ser ve”

�Campagne�Pr ogr ammi di “Loyalt y”�Per sonalizzazione dei Ser vizi�Gest ione dei canali di cont at t o�(sviluppo di nuovi pr odot t i)

�Analisi di dat i sui client i�Segment azione & micr o-segment azione�Sugger iment i sui bisogni e le pr ef er enze dei client i

�Analisi delle pr opensioni sui “cont at t i”•Uso dei canali•Ragioni di cont at t o

�Esper ienza del client e per ogni canale(CC, Por t ale,chat , Messaging, Dealer s)�Ef f icienza del Cust omer Car e

CUSTOMER DATA�I D (nome, indir izzo, num. di t elef ono, piano t ar if f ar io...)

�Dat i Demogr af ici (et à, cit t à, ...)

�Dat i Socio-economici (r eddit o, pr of essione, t it olo dist udio, classe di valor e, ...)�Dat i Psicogr af ici (ambient e, pr ef er enze, hobbies, ...)

�Pat t er ns d’uso (spesa t elef onica, ser vizi usat i e f r equenza, ...)

�St or ia dei cont at t i del client e•Uso dei canali•Mot ivo di cont at t o•Numer o di cont at t i

DATI SUI LI VELLI DI SERVI ZI O DEI CANALI...

L’approccio di crm

'$7,�´*5(==,µ

$1$/,6,�352),/,1*�

$=,21,

2%,(77,9,

�Ut ilizzo di tecniche e m etodologie stat ist iche di var io t ipo edi diverso livello di com plessità

�L’approccio è graduale: si parte da soluzioni e metodologie sem plici e poi m an mano ci si sposta su m odelli e st rum ent i più sofist icat i (KI SS = Keep I t Sim ple. Sam !)

�È prefer ibile non affidarsi a soluzioni autom at iche (black box) che propongono “schiaccia il bot tone e il com puter faràtut to da solo” ( la proposta t ipica dei tools in vendita)

�Data m ining: I nsiem e di tecniche stat ist iche (e non) per last im a di m odelli non- lineari per grosse quant ità di dat i, m acarat ter izzate da ridot ta com plessità com putazionale��

m odelli stat ist ici e data m ining

Obiet t iv iObiet t iv i9I ndividuazione dei client i da t rat tare con maggior cura9I ndividuazione di client i su cui agire per aumentare la reddit iv ità

Strument iSt rument i9Determ inazione di un indicatore del valore di ciascun cliente per l’azienda9Definizione di poche classi di valore

I l valore del cliente

)* +, -. /0

1 2 3 +0 . 2 4. Costi digestione

Revenue mensile

Eventuale fattori di sconto

/crescita (upgrades/

downgrades)

Costi di acquisizione

Vita stimata per quel cliente

� � [ [ �Costi mensilidi chiamate

e servizi

Eventualesubsidy �

5 67 8 9 :; :

< = 9 =

5 67 8 9 :

; : < = 9 9 :; = :

8 = <> :? :

5 67 8 9 :; :

@A 8 97 B = <

@C < =

5 DE F

5 F; > = < 9 : 8 :G HIJ <7 B 7 ? : 7 G :

5 67 8 9 :; :

67 B B : 8 8 : 7 G =

5 K = L L :G HM > = < N =C ;

5 O C G ; 8 = 9

8A P 8 :; : = 8

5 QA G H N =? ? C ; :

> : 9C R < = > : 8 9C

@7 G 87 @ : = 9 S

5 K7 ; ; : 8 TC ? : 7 G =

5 6 C B P :; :

R <7 R =G 8 : 7 G :

5 UC 8 8 :; :

8 @7 G 97

R = < L =

C ? : =G ; =

5 VC 9 9A <C

B =G 8 : L =

5 67 8 9 :; :

C 9 9 : > C ? : 7 G =

5 W R H <C ; = 8 E

; 7 XG H <C ; = 8

R < = > : 8 9 :

'ULYHUV���&RPSRQHQWV�

,O�YDORUH GHO�FOLHQWH q OHJDWR�DOO¶LQWHUR�FLFOR�GL YLWD�H�QRQ�VROR�DO�SURILWWR DQQXDOH

Funzione di “profit tabilità”

�����

30.8%

15.7%

quota client i quota valore totale

4

5.7%

5.47%

14.0%

48.4%

14.5%

18.5%

13.1%

3.8%

�����

5

3

1

2

6.9%

20.7%

6

7

1.0%

0.7%

• 6L�GHWHUPLQD�SHU�RJQL�FOLHQWH�XQ�LQGLFDWRUH�GL�³YDORUH´�FRQ�FDUDWWHULVWLFKH�GL�

VHPSOLFLWj��LQWXLWLYLWj�H�VWDELOLWj�QHO�WHPSR

• 6L�GHWHUPLQD�OD�FODVVLILFD�GHL�FOLHQWL�RUGLQDWD�VHFRQGR�LO�³YDORUH´�FKH�HVVL�

SRUWDQR�DOO¶D]LHQGD�H�VL�FHUFD�XQ�QXPHUR�OLPLWDWR�GL�FODVVL�SHU�L�YDUL�VRWWRJUXSSL�

GL�FOLHQWL

0%

20%

40%

60%

80%

100%

Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 Classe 6 Classe 7YZ[\ \ ] [ ^[ Z_` a

hosting

pay

free

ADSL

b_c ]de a` f ]e _ g ]hi i _ d [ j ad f_ ak Z[\ \ a[ ^[ Z_` a

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

ADSL Pay Free Hosting

Classe 7

Classe 6

Classe 5

Classe 4

Classe 3

Classe 2

Classe 1

I l valore: le classi

0RGHOODUH�OD�GLVDWWLYD]LRQH�0RGHOODUH�OD�GLVDWWLYD]LRQH�

FRVWUXLUH��YDOLGDUH��LQWHUSUHWDUH�XQ�PRGHOOR�FKH�GHVFULYD�LO�FRPSRUWDPHQWR�GHJOL�XWHQWL�LQ�WHUPLQL�GL�GLVDWWLYD]LRQH�LQ�UHOD]LRQH�DG�DOWUH�YDULDELOL�QRWH

3HUFKp"3HUFKp"

93HU�GHVFULYHUH�LO�IHQRPHQR

93HU�SUHYHGHUH�L�SRWHQ]LDOL�IXWXUL�GLVDWWLYL

93HU�SUHGLVSRUUH�D]LRQL

93HU�YHULILFDUH�O¶HIILFDFLD�GL�RSHUD]LRQL�GL�PDUNHWLQJ�&XVWRPHU�2SHUDWLRQ

custom er base: il churn

/H�IRQWL/H�IRQWL

$]LHQGDOL���³':+´��GDWDEDVH�RSHUD]LRQDOL��«��

•3HU�WXWWL�L�FOLHQWL

•,QIRUPD]LRQL�VX

WUDIILFR

VHUYL]L�RS]LRQDOL

FRPSRUWDPHQWR�GHO�FOLHQWH

UHFODPL�UDSSRUWL�FRQ�FXVWRPHU FDUH

D]LRQL�GL�PDUNHWLQJ�FXVWRPHU FDUH

IDWWXUH�ULFDULFKH

GDWL�GHPRJUDILFR�DQDJUDILFL

$OWUH�IRQWL��5LFHUFKH�GL�PHUFDWR

•3HU�XQ�SLFFROR�FDPSLRQH�³FDVXDOH´�GL�FOLHQWL

•,QIRUPD]LRQL�VX

FRPSRUWDPHQWL

VWLOL�GL�YLWD

PRWLYL�GHOOD�GLVDWWLYD]LRQH�

WHPSL�GHOOD�VFHOWD

•RWWHQXWL�WUDPLWH�LQWHUYLVWH�

custom er base: il churn

il churn: gli obiet t iv i

■ 'HWHUPLQDUH XQ LQGLFDWRUH�GL�SURSHQVLRQH�DOOD�GLVDWWLYD]LRQHSHU�RJQL ORJLQ

■ 3UHYHGHUH�L�SRWHQ]LDOL�IXWXUL�GLVDWWLYL

■ &DSLUH�L�PRWLYL�IRQGDPHQWDOL�FKH�SRUWDQR�DOOD�GLVDWWLYD]LRQH H�L�FRPSRUWDPHQWL�FKH�OD�SUHFHGRQR

■ ,QGLYLGXDUH�SRVVLELOL�D]LRQL�YROWH�DOOD�UHWHQWLRQ�GHO FOLHQWH

■ 9HULILFDUH�O·HIILFDFLD�GL�RSHUD]LRQL�GL�0DUNHWLQJ�&XVWRPHU�2SHUDWLRQ

il churn: gli obiet t iv i

■Carat ter ist iche demografiche■8VDJH

■Comportament i di t raffico■Contat t i con l’azenda■I nformazioni sul ELOOLQJ

■Copertura della rete dei pop

&RPSRUWDPHQWR�&RPSRUWDPHQWR�GHL�FOLHQWL�VXO�GHL�FOLHQWL�VXO�FKXUQFKXUQ

&KL�q�D�&KL�q�D�ULVFKLR�GL�ULVFKLR�GL�GLVDWWLYD]LRQHGLVDWWLYD]LRQH""

3HUFKp3HUFKp VRQRVRQR D�D�ULVFKLRULVFKLR GLGL

GLVDWWLYD]LRQHGLVDWWLYD]LRQH""

4XDQGR4XDQGR q�q�PDJJLRUH�LO�PDJJLRUH�LO�

ULVFKLR�GL�ULVFKLR�GL�GLVDWWLYD]LRQHGLVDWWLYD]LRQH""

■Promozioni della concorrenza■Event i della vita

■Offerte della concorrenza■convenienza dei prezzi■Prezzo dell’Hardware■Servizio al cliente■Programm i a prem i

■ ,GHQWLILFD]LRQH�GHOOD�SRSROD]LRQH

■ 'HWHUPLQD]LRQH H UHSHULPHQWR�GHOOH�YDULDELOL

■ 'HILQL]LRQH GHO�WDUJHW

■ 6WLPD GHO PRGHOOR

■ 9HULILFD�GHOO¶DFFXUDWH]]D

■ 8WLOL]]R GHO PRGHOOR

3DVVL�SULQFLSDOL

il churn: data m ining

il churn: data m ining

6HOH]LRQDUH6HOH]LRQDUH OD�OD�SRSROD]LRQHSRSROD]LRQH

3ULPD�GL�HVWUDUUH�L�GDWL�GD�':+�q QHFHVVDULR�GHILQLUH�LQ�PDQLHUD�SUHFLVD OD�SRSROD]LRQH�GD�DQDOL]]DUH�

(VHPSLR,�FOLHQWL�XWLOL]]DWL�SHU�FRVWUXLUH�XQ�PRGHOOR�GL�FKXUQ SHU�LO�SURGRWWR�³SLSSR´ VRQR�L�FOLHQWL�FKH�KDQQR�GDWD�GL�DWWLYD]LRQH�SUHFHGHQWH�LO�����������HG�DYHQWL�GDWD�GL�GLVDWWLYD]LRQH�VXSHULRUH�DO�����������R�DQFRUD�DWWLYH�QHO�PHVH�GL�)HEEUDLR������

3HU�FLDVFXQD�GL�TXHVWH�ORJLQ VRQR�VWDWL�HVWUDWWL�GD�':+��LQSXW�DO�VLVWHPD�GL�GDWD�PLQLQJ��L�GDWL��OH�YDULDELOL�[�\�]�����GL�/XJOLR ������$JRVWR�������6HWWHPEUH�������2WWREUH�������1RYHPEUH������

il churn: data m ining

(VFOXVLRQH�YDULDELOL�OHDNHU(VFOXVLRQH�YDULDELOL�OHDNHU$OFXQH�GHOOH�YDULDELOL�SUHVHQWL�QHL�GDWL�LQ�LQJUHVVR�VRQR�VWUHWWDPHQWH�FRUUHODWH FRQ�O¶RJJHWWR�GHOOD�SUHYLVLRQH�SHU�GLYHUVL�PRWLYL�

/H�YDULDELOL�FKH�³WUDVXGDQR´ LQIRUPD]LRQH�VXOOD�YDULDELOH�WDUJHW��OHDNHUV��GHYRQR�YHQLUH�LGHQWLILFDWH�HG�HVFOXVH�GDOO¶LQVLHPH�GL�GDWL�D�GLVSRVL]LRQH��DG�HV��GDWD�GL�GLVDWWLYD]LRQH��VWDWXV�GHOOD�ORJLQ��IODJ�YDULL�

//¶¶RJJHWWR�GHOOD�SUHYLVLRQHRJJHWWR�GHOOD�SUHYLVLRQH/D�YDULDELOH�WDUJHW YD�GHILQLWD�FRQ�SUHFLVLRQH�LQ�WHUPLQL�GL�VWDWXV GHL�FOLHQWL�H�GDWH GHJOL�HYHQWL�FRQVLGHUDWL��GLVDWWLYD]LRQH��DWWLYD]LRQH��VRVSHQVLRQH«�

6HOH]LRQH�GHOOD�3RSROD]LRQH6HOH]LRQH�GHOOD�3RSROD]LRQH

6L�DQDOL]]D�OD�FXVWRPHU EDVH�GHL�FOLHQWL SRVW�SDJDWL DO����RWWREUH�������DWWLYDWL�DOPHQR���PHVL�SULPD��SULPD�GL�OXJOLR�������FRQIURQWDQGR�FRORUR�FKH�VL�VRQR�GLVDWWLYDWL�QHO�PHVH�GL�QRYHPEUH������ULVSHWWR�DJOL�DOWUL��3HU�TXHVWH�ORJLQ VL�q FRQVLGHUDWR�LO�WUDIILFR�ILQR�D�VHWWHPEUH�������

//¶¶RJJHWWR�GHOOD�SUHYLVLRQHRJJHWWR�GHOOD�SUHYLVLRQH

/D�YDULDELOH�WDUJHW�q XQ�LQGLFDWRUH��YDULDELOH�GXPP\��GHOO¶HYHQWR GLVDWWLYD]LRQH QHO�PHVH�GL�QRYHPEUH������

Modello I : Schede postpagate

il churn: data m ining

Regressione Regressione project ion pursuitproject ion pursuit //

GAMGAM

MARS/MARS/ret i neuraliret i neurali

Alberi di Alberi di regressione/regressione/

CARTCART

Regressione Regressione lineare/ logist icalineare/ logist ica

I l modello più semplice ( lineare) non è sufficiente a descrivere i dat i

9bisogna ipot izzare modelli più complessi

9lasciarsi guidare dalle osservazioni per costruire le relazioni t ra variabili e disat t ivazione

0RGHOOL SHU�LO FKXUQ

polinomipolinomi binbin medie mobilimedie mobili

rette mobilirette mobili loessloess Kernel gaussianoKernel gaussiano

smoothing splinesmoothing spline splinespline di regressionedi regressione splinespline naturalinaturali

96WLPDWRUL�QRQSDUDPHWULFL�EDVDWL�VXOOH�VHULH R VX�UHJUHVVLRQL�SROLQRPLDOL� UHJUHVVLRQH�GL)RXULHU� VSOLQHV�GL�UHJUHVVLRQH�ILOWUDJJLR�

96WLPDWRUL�QRQSDUDPHWULFL NHUQHO��1DGDUD\D�:DWVRQ� PHGLH�ORFDOPHQWH�SHVDWH� UHJUHVVLRQHORFDOH��ORHVV�

96PRRWKLQJ 6SOLQHV�SHQDOL]]D]LRQH�

96WLPDWRUL�QRQSDUDPHWULFL�EDVDWL�VXL�YLFLQL�SL� SURVVLPL � 1HDUHVW�QHLJKERU���PHGLH�PRELOL�PHGLDQH� VWLPDWRUL�GL�7XNH\�

Sm oothers m onodim ensionali

,GHD�GL�EDVH��XVDUH�VWLPDWRUL�QRQ�SDUDPHWULFL�XQLGLPHQVLRQDOL FRPH�EORFFKL�SHU�OD�FRVWUX]LRQH�GL�XQD�FODVVH�ULVWUHWWD�GL�PRGHOOL�QRQ�SDUDPHWULFL�SHU�OD�UHJUHVVLRQH�PXOWLSOD

*HQHUDOL]HG�$GGLWLYH�0RGHOV*HQHUDOL]HG�$GGLWLYH�0RGHOV

( ) εα ++= ∑=

S

M

MMI1

;<

0RGHOOR�OLQHDUH�

9/H IM

VRQR�IXQ]LRQL�DUELWUDULH��XQD�SHU�RJQL�YDULDELOH�SUHGLWWLYD�

9*OL�εLVRQR�YDULDELOL�DOHDWRULH�GL�HUURUH�H�YHQJRQR�DVVXQWL�

LQGLSHQGHQWL�WUD�ORUR��GDOOH ;M�

FRQ (�εi� � H�YDU�εL)=σ2

9 LQROWUH�SHU�O¶LGHQWLILFDELOLWj VL�DVVXPH�FKH� ( ){ } 0=MMI( ;

εα ++= ∑=

S

M

MMβ1

;<

0RGHOOR�DGGLWLYR��

0RGHOOR�DGGLWLYR�OLQHDUH0RGHOOR�DGGLWLYR�OLQHDUH

GAM

0RGHOOR�DGGLWLYR�ORJLVWLFR0RGHOOR�DGGLWLYR�ORJLVWLFR*/0�ORJLVWLFR�

9/H IM

VRQR�IXQ]LRQL�DUELWUDULH��XQD�SHU�RJQL�YDULDELOH�SUHGLWWLYD

9/H YLVRQR�YDULDELOL�DOHDWRULH�%LQRPLDOL H�YHQJRQR�DVVXQWH�

LQGLSHQGHQWL�WUD�ORUR

9 LQROWUH�SHU�O¶LGHQWLILFDELOLWj VL�DVVXPH�FKH ( ){ } 0=MMI( ;

*$0�ORJLVWLFR�

GAM

/D�FRQYHUJHQ]D�QRQ�q DVVLFXUDWD�LQ�JHQHUDOH��PD�SHU�FDVL�SDUWLFRODUL��DQFKH�VH�PROWR IUHTXHQWL��

1. ,QL]LDOL]]D]LRQH�1α =

=∑

1Q\L

L

Q

2. &LFOR���SHU L=1, 2..., j=1,..., S

I 6 IM

L

M N

L

N MN

( ) ( )= − −

−

≠∑< ;α 1

3. )LQR�D��FLDVFXQD�IXQ]LRQH����������q XJXDOH�DOOD�IXQ]LRQH .I M

L( )I M

L( )−1

( )SMII MM ,,1,0 == ...

GAM

$OJRULWPR�GL�$OJRULWPR�GL�EDFNILWWLQJEDFNILWWLQJ

93HU�LO�QRVWUR�SUREOHPD�GL�SUHYHGHUH�LO�FKXUQ VXL�SRVW�SDJDWL��VL�VWLPD�XQ�PRGHOOR�*$0�FRQ�OH�VFHOWH�VHJXHQWL�

• IXQ]LRQH�OHJDPH ORJLVWLFD�• SHU�OH�YDULDELOL�FRQWLQXH��VWLPDWRUH�XQLYDULDWR VSOLQHFXELFKH• VHOH]LRQH�GHL�SDUDPHWUL�GL�³OLVFLDPHQWR´ DWWUDYHUVR�LVSH]LRQH�JUDILFD�WXQLQJ PDQXDOH• VWLPD�FRQ�DOJRULWPR�GL EDFNILWWLQJ

9/H�YDULDELOL�ULVXOWDWH�QRQ�VLJQLILFDWLYH�HIIHWWXDQGR�WHVW�VWDWLVWLFL�DVLQWRWLFL�DSSURVVLPDWL�VRQR�VWDWH�HVFOXVH

9&DOFROR�GHOOD�VWLPD�GL�XQD�PLVXUD�GL�SURSHQVLRQH�DO�FKXUQSHU�FLDVFXQ�FOLHQWH�XWLOL]]DQGR�LO�PRGHOOR�VWLPDWR�H�GHWHUPLQD]LRQH�GL�HYHQWXDOL�FODVVL�GL�ULVFKLR�

GAM

-2.5

-1.0

0.0

N Y

Pro

pens

ione

alla

dis

attiv

azio

ne

Internet Mailbox

-1.5

-0.5

0.5

N Y

Pro

pens

ione

alla

dis

attiv

azio

ne

Opzione Segreteria

-1.0

0.0

1.0

1 2 3 4

Pro

pens

ione

alla

dis

attiv

azio

ne

Zona di Attivazione

Traffico ougoing

Pro

pens

ione

alla

dis

attiv

azio

ne

0 20000 40000 60000 80000

-1.0

0.0

1.0

Traffico incoming Tariffa ’Picco’

Pro

pens

ione

alla

dis

attiv

azio

ne

0 5000 10000 15000

-1.0

0.0

1.0

Traffico incoming Tariffa ’Ordinaria’

Pro

pens

ione

alla

dis

attiv

azio

ne

0 2000 4000 6000 8000

-1.0

0.0

1.0

Altre Sim Attive

Pro

pens

ione

alla

dis

attiv

azio

ne

0 1 2 3 4

-1.0

0.0

1.0

Data di Attivazione

Pro

pens

ione

alla

dis

attiv

azio

ne

-10

12

3

1995 1996 1997 1997 1998 1998

-0.5

0.0

0.5

1.0

15 - B

usine

ss Tim

e

20 - G

old

50 - V

alore

51 - V

alore

50

52 - V

alore

25

Pro

pens

ione

alla

dis

attiv

azio

ne

Piano Tariffario

-0.5

0.0

0.5

1.0

Bollettin

o Pos

tale

Carta d

i Cred

ito

Domici

liazio

ne B

ancari

a

Pro

pens

ione

alla

dis

attiv

azio

ne

Metodo di Pagamento-2

02

4

Cellula

r Prom

oters

Franchise

e

GDO Deale

rs

Indipen

dent D

ealers

Major Acc

ounts

OPI Stor

es

Office A

utomati

on

Special

Chan

nels

Pro

pens

ione

alla

dis

attiv

azio

ne

Canale di Vendita

-0.5

0.5

1.5

N Y

Pro

pens

ione

alla

dis

attiv

azio

ne

Programma Affari

lmn o m p oqr s lmn o m p oqr t lmn o m p oqr u

Variabile D Variabile E

SI NO

Variabile I

a b c d e

Variabile F

a b c d e f g h

Variabile H

a b c

Variabile I

Variabile H Variabile M Variabile N

GAM

È necessario un diverso approccio t ra prepagate e post-pagate perché

■ Per il post -pagato

➡I l cliente &+,('(&+,('( di essere disat t ivato via raccomandata

■ Per il pre-pagato

➡I l cliente 9,(1(9,(1( disat t ivato quando non r icar ica per 12 mesi

,�FOLHQWL SUHSDJDWL GHFLGRQR GL DQGDUH DOOD FRQFRUUHQ]DPROWR�SULPD�GHOOD�GLVDWWLYD]LRQH�³WHFQLFD´

il churn: esem pio

7/&�� 0RELOH

il churn: esem pio

Per il post -pagato, perdisat t ivare il servizio è necessario inviare una raccomandata

C’è un chiaro evento: l’azienda sa quandol’ut ilizzatore vuole disat t ivare

Non c’è evidenza di quando il cliente decide di abbandonare

I l prepagato non viene disat t ivato. Esce dallaCustomer base dopo 12mesi consecut ivi senza r icar ica

&KXUQ��SUHSDJDWR�SRVWSDJDWR

il churn: esem pio

� I dent ificazione di un VHJQDOHVHJQDOH del churn effet t ivo

7DOH7DOH VHJQDOH�GRYUHEEH�HVVHUHVHJQDOH�GRYUHEEH�HVVHUH¾ “ intuit ivo” e “ sem plicesem plice” da calcolare¾ “ legato” alla decisionedecisione del cliente di

andarsene

¾¾ accuratoaccurato e autoesplicat ivo

¾¾ ,O�³,O�³VHJQDOHVHJQDOH´́ YLHQH�LQGLYLGXDWR�VXOODYLHQH�LQGLYLGXDWR�VXOOD EDVHEDVH GLGL¾ Traffico outgoing¾ Traffico incom ing

/¶RJJHWWR�GHOOD�SUHYLVLRQH/¶RJJHWWR�GHOOD�SUHYLVLRQH����SUHSDJDWRSUHSDJDWR

�Alberi che crescono in maniera r icorsiva

�Un nodo term inale g è diviso in due part i ( figli di dest ra e di sinist ra, gL e gR) in maniera da aumentare maggiormente il cr iter io di divisione (split )

DJ-DJ/-DJ5

�dove D è una m isura della bontà di adat tamento (JRRGQHVV RI�ILW)

�Tipicamente gli VSOLW vengono definit i come part izioni univariate di ogni singola variabile di input

�Una volta costruito l’albero più grande viene generalmente “potato” (SUXQHG) seguendo un cr iter io (generalmente basato su una funzione di costo)

�Principali Vantaggi:Facile da capire e da interpretareConsidera facilm ente osservazioni m ancant i

at t raverso la creazione di var iabili f it t izie�Principali Svantaggi:

Enfat izza le interazioniLa superficie di previsione non è liscia

CART: Alberi di classificazione

3UHGLVSRVL]LRQH3UHGLVSRVL]LRQH GDWD�VHWGDWD�VHW

churn: data m ining

dataset

t rain + test

evaluate

deact iv

act iv

evaluate

deact iv

act iv

evaluate evaluate m odel

t rain

test

evaluate

build models

test and selectm odel

%UXQR�6FDUSDEUXQR�VFDUSD#XQLSY�LWKWWS���ZZZ�XQLSY�LW�GLSVWHD�EUXQR