la statistica a supporto delle strategie di...
TRANSCRIPT
Bruno ScarpaBruno ScarpaBruno ScarpaBruno Scarpa
Facoltà di Scienze Statistiche Facoltà di Scienze Statistiche Facoltà di Scienze Statistiche Facoltà di Scienze Statistiche –––– Università di PadovaUniversità di PadovaUniversità di PadovaUniversità di Padova
La statistica a supporto delle strategie di marketingLa statistica a supporto delle strategie di marketingLa statistica a supporto delle strategie di marketingLa statistica a supporto delle strategie di marketing
La Statistica come supporto ai bisogni conoscitivi delle aziendeLa Statistica come supporto ai bisogni conoscitivi delle aziendeLa Statistica come supporto ai bisogni conoscitivi delle aziendeLa Statistica come supporto ai bisogni conoscitivi delle aziende
2 febbraio ’07
2Case history
Un pool di analisti e statistici “negli” uffici di marketing
Le analisi dei prodotti, ma soprattutto dei clienti, mirano a scoprire le propensioni, gli interessi, le potenzialità economiche, in modo da poter suggerire al marketing manager le azioni da intraprendere per massimizzare i risultati aziendali.
Gli analisti sfruttano moltissime informazioni che sono a disposizione dell’azienda grazie a potenti sistemi informativi, che si riferiscono a ciascun cliente e addirittura a ciascuna azione (telefonata, sms, email,…) che il cliente compie.
3Case history
Customer satisfactionCustomer satisfactionCustomer satisfactionCustomer satisfaction indexindexindexindex: alcune schermate di esempio: alcune schermate di esempio: alcune schermate di esempio: alcune schermate di esempio
4Case history
CustomerCustomerCustomerCustomer satisfactionsatisfactionsatisfactionsatisfaction indexindexindexindex: alcune schermate di esempio: alcune schermate di esempio: alcune schermate di esempio: alcune schermate di esempio
5Case history
Analisi delle vendite: Analisi delle vendite: Analisi delle vendite: Analisi delle vendite: reportreportreportreport giornaliero attivazionigiornaliero attivazionigiornaliero attivazionigiornaliero attivazioni
6Case history
Esempio distribuzione oraria del traffico telefonicoEsempio distribuzione oraria del traffico telefonicoEsempio distribuzione oraria del traffico telefonicoEsempio distribuzione oraria del traffico telefonico
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
feb-97
apr-97
giu-97
ago-97
ott-97
dic-97
feb-98
apr-98
giu-98
ago-98
ott-98
dic-98
feb-99
apr-99
giu-99
ago-99
ott-99
dic-99
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
Distribuzione oraria del traffico telefonico
Fascia oraria
% di traffico telefonico
Mese
7Case history
0% VALORE DEL CLIENTE 100%
0% VALORE DEL CLIENTE 100%
0% FEDELTA’ DEL CLIENTE 0% FEDELTA’ DEL CLIENTE 100%100%
MASSIMIZZARE MASSIMIZZARE IL VALOREIL VALORE
�� OPERATORE CC PERSONALEOPERATORE CC PERSONALE�� NUOVI VASNUOVI VAS�� MEMBER GETS MEMBERMEMBER GETS MEMBER�� CURA & ATTENZIONECURA & ATTENZIONE
AZIONI A BASSO AZIONI A BASSO COSTO/ NO COSTO/ NO PROMOZIONIPROMOZIONI
�� NON COSTI AGGIUNTIVI PER LA NON COSTI AGGIUNTIVI PER LA GESTIONE DEL CLIENTEGESTIONE DEL CLIENTE�� AZIONI DI “MASSA”AZIONI DI “MASSA”
AUMENTARE IL AUMENTARE IL VALOREVALORE
�� AZIONI DI UP / CROSS SELLAZIONI DI UP / CROSS SELL
�� INCENTIVARE L’USOINCENTIVARE L’USO
�� INCENTIVARE ATTIVAZIONE DI INCENTIVARE ATTIVAZIONE DI VASVAS
COSTRUIRECOSTRUIREFELDELTA’FELDELTA’
�� DIFFERENZIAZIONE DEI SERVIZIDIFFERENZIAZIONE DEI SERVIZI
INBOUND & OUTBOUNDINBOUND & OUTBOUND
�� SCHEMA DI LOYALTY (Incentivi)SCHEMA DI LOYALTY (Incentivi)
�� BLOCCHI (Disincentivi alla fuga)BLOCCHI (Disincentivi alla fuga)
…ALLA CONCORRENZA!…ALLA CONCORRENZA!
CustomerCustomerCustomerCustomer base: segmentazione di basebase: segmentazione di basebase: segmentazione di basebase: segmentazione di base
8Case history
Presentazione casi reali
9Case history
Analisi delle disattivazioni
Case history 1
10Case history
ScenarioScenarioScenarioScenario
Un’azienda di telecomunicazioni mobile ha di solito una clientela piuttosto numerosa (milioni di utenti).…e la società gradirebbe che tutti questi (…o quantomeno quelli “interessanti”) rimanessero fedele e non scappassero alla concorrenza!Ma certo cercare di “coccolare” tutti i singoli clienti è chiaramente alquanto oneroso per l’azienda!Cosa fare?Una possibilità è quella di individuare i clienti più a rischio di andarsene… e coccolare solo quelli!Come individuarli?
11Case history
Valutazioni al marketing meetingValutazioni al marketing meetingValutazioni al marketing meetingValutazioni al marketing meeting
Intera
Customer
base
Clienti ad alta propensione
alladisattivazione
Clienti chestanno
disattivando
Clienti già disattivati
Costi della Costi della prevenzione della prevenzione della disattivazionedisattivazione
MediAlti Alti N/A
Grado di successo Grado di successo dell’azione preventivadell’azione preventivadelladella disattivazionedisattivazione
Alto MedioBasso N/A
Stadio più efficiente
Azioni di retention
12Case history
Valutazioni al marketing meetingValutazioni al marketing meetingValutazioni al marketing meetingValutazioni al marketing meeting
�Caratteristiche demografiche�Usage del telefono�Comportamenti di traffico�Contatti con l’azienda�Informazioni sul billing�Copertura della rete
Comportamento Comportamento dei clienti sul dei clienti sul churnchurn
�Promozioni della concorrenza�Eventi della vita
Chi è a Chi è a rischio di rischio di disattivazionedisattivazione?? QuandoQuando è è
maggiore il rischio maggiore il rischio di disattivazionedi disattivazione??
PerchéPerché sonosono a a rischiorischio didi
disattivazionedisattivazione??�Offerte della concorrenza�Convenienza dei prezzi�Prezzo dell’Hardware�Servizio al cliente�Programmi a premi
13Case history
Come, quindi, individuare chi è a rischio di disattivazione?
14Case history
L’analista affronta il problema…
15Case history
I dati a disposizioneI dati a disposizioneI dati a disposizioneI dati a disposizione
InformazioniInformazionisocio demografichesocio demografiche
DATAWAREHOUSEDATAWAREHOUSE
InformazioniInformazionisulla attivazionesulla attivazione
Dati sull’uso & Dati sull’uso & sulla retesulla rete
Informazioni da Informazioni da ricerche di mercatoricerche di mercato((customer satisfactioncustomer satisfaction , U & A, …), U & A, …)
dati dal dati dal callcall centercenter((callscalls , , complainscomplains , , billing problemsbilling problems ))
Pattern di utilizzoPattern di utilizzo(traffico, log (traffico, log filesfiles , , cookiescookies …)…)
16Case history
Che cosa c’entra la statistica?Che cosa c’entra la statistica?Che cosa c’entra la statistica?Che cosa c’entra la statistica?
Una delle cose che gli statistici sanno fare è trasformare dati e informazioni elementari in nuove conoscenze e previsioni utili per prendere delle decisioni.
Nel caso della disattivazione dei clienti, uno studente a metà del secondo anno di una laurea in Statistica avrebbe le competenze per dare dei primi suggerimenti sensati ai Marketing managers dell’azienda.
Grazie a questi suggerimenti e alle azioni di marketing predisposte dagli esperti di marketing sul target proposto dallostatistico, si riesce a “salvare” una quantità di clienti almenodoppia (rispetto al target individuato dall’esperto di mktg)
17Case history
Come si muove uno statistico?Come si muove uno statistico?Come si muove uno statistico?Come si muove uno statistico?
La prima idea è quella di usare i dati sui clienti del passato per prevedere i clienti futuri, di cui non sappiamo le intenzioni
Prima di tutto, assieme fianco a fianco al “makettaro”, seleziona un sottoinsieme di informazioni ritenute rilevanti per prevedere la disattivazione e le organizza in una grande tabella:
Attivo
…
Attivo
Attivo
Disattivo
Attivo
Attivo
Attivo/Disattivo
…2651871451244/04/2002FN
……………………
…2473212562148/12/2001F5
…3502032561477/11/2005M4
…420122349/03/2003F3
…26755425/05/1998M2
…1981352141264/10/2001M1
…SMS febbraio
Numero chiamate febbraio
SMS gennaio
Numero chiamate gennaio
Data attivazione
SessoCliente
18Case history
Come si muove uno statistico?Come si muove uno statistico?Come si muove uno statistico?Come si muove uno statistico?
Calcola, quindi, quanti clienti tra quelli che erano attivi un mese fa, si sono disattivati nell’ultimo mese.
Identifica una “propensione alla disattivazione”, una misura della “voglia” del cliente di abbandonare i servizi dell’azienda.
Non avendo informazioni sulla volontà dei clienti, può misurare tale quantità come proporzione di clienti con determinate caratteristiche(ad esempio maschi, attivati nel 2001, con meno di 50 chiamate nel mese di gennaio e nel mese di febbraio…) che si sono disattivati.
19Case history
Come si muove uno statistico?Come si muove uno statistico?Come si muove uno statistico?Come si muove uno statistico?
Costruisce poi un modello per spiegare come la “propensione alla disattivazione” vari al variare delle altre informazioni utilizzate: sesso, età, traffico, …
Un modello di questo tipo ci serve per poter calcolare delle previsioni sulla propensione alla disattivazione nel prossimo mese per un cliente che ora è ancora attivo e che possiede le stesse caratteristiche
Questo modello permette quindi di prendere una decisione (a chi facciamo un regalo? A chi spediamo una lettera?) sulla base di adeguate informazioni quantitative sul cliente
20Case history
Modelli di regressioneModelli di regressioneModelli di regressioneModelli di regressione
Un modello che descrive come una variabile, chiamata usualmente risposta o dipendente, varia al variare di una o più altre variabili, chiamate variabili indipendenti o esplicative, viene usualmente chiamato modello di regressione.
( )erroretiindipenden
variabili
risposta
variabile+
=
f
21Case history
Modelli di regressioneModelli di regressioneModelli di regressioneModelli di regressione
Un modello che descrive come una variabile, chiamata usualmente risposta o dipendente, varia al variare di una o più altre variabili, chiamate variabili indipendenti o esplicative, viene usualmente chiamato modello di regressione.
( )erroretiindipenden
variabili
risposta
variabile+
=
f
Variab
ile ri
spost
a
=
disatti
vazio
ni Variabile esplicative=
anagrafiche, traffico, call center, rete …
22Case history
Modelli di regressione logisticoModelli di regressione logisticoModelli di regressione logisticoModelli di regressione logistico
È basato sull’assunzione che
dove α,β,γ,δ e η sono dei parametri (costanti) che devono essere determinati dai dati disponibili.
...
...
4
32
1
4321
4321
1 +++++
+++++
+=
xxxx
xxxx
e
e
x
xx
x
ηδγβα
ηδγβα
disattiva si... febbraio, in chiamate
gennaio, in SMS febbraio, in chiamate
gennaio, in chiamate con cliente un
Prob
23Case history
Modelli di regressione logisticoModelli di regressione logisticoModelli di regressione logisticoModelli di regressione logistico
Per semplificare, consideriamo una sola variabile esplicativa: il numero di chiamate effettuate nell’ultimo mese
Il modello si può scrivere allora
Dove questa volta a e b sono i parametri (costanti) che devono essere determinati dai dati disponibili.
bxa
bxa
e
ex+
+
+=
12007 gennaio a disattiva si
2006 dicembre a chiamate con cliente unProb
24Case history
Modelli di regressione logisticoModelli di regressione logisticoModelli di regressione logisticoModelli di regressione logistico
25Case history
Modelli di regressione logisticoModelli di regressione logisticoModelli di regressione logisticoModelli di regressione logistico
26Case history
Modelli di regressione logisticoModelli di regressione logisticoModelli di regressione logisticoModelli di regressione logistico
È un modello probabilistico non deterministico.
Ci dice la probabilità di disattivarsi, non quanti clienti si disattiveranno se a dicembre hanno fatto x chiamate.
In questo modo, “permette” che due clienti con le stesse caratteristiche possano comportarsi in maniera diversa in quanto a disattivazione
Questo è il mondo. Perciò così “ragiona” il modello!
27Case history
Utilizzo dei dati sui clienti precedentiUtilizzo dei dati sui clienti precedentiUtilizzo dei dati sui clienti precedentiUtilizzo dei dati sui clienti precedenti
Quali valori sono appropriati in questo caso per b?
La teoria della statistica insegna come utilizzare efficacemente i dati per calcolare delle stime di questi parametri.
28Case history
Propensione alla disattivazionePropensione alla disattivazionePropensione alla disattivazionePropensione alla disattivazione
Disponendo delle stime dei parametri possiamo calcolare, ad esempio, delle stime del numero di clienti che nel prossimo mese mediamente dovrebbe abbandonare l’azienda per ogni tipologia di clienti (numero di chiamate effettuate a dicembre)
29Case history
Stime, stime … ma se c’è una stima, c’è un errore! Stime, stime … ma se c’è una stima, c’è un errore! Stime, stime … ma se c’è una stima, c’è un errore! Stime, stime … ma se c’è una stima, c’è un errore!
Il grafico di prima contiene solamente delle stime. Potrebbero non corrispondere alla realtà. Ad esempio sono basate sui “dati” disponibili ed anche il “modello” utilizzato potrebbe essere sbagliato.È per questo che la statistica insegna anche a valutare la dimensione degli errori.Ad esempio permette di “produrre” delle affermazioni del tipo
%90>
mese prossimo nel
disattivi si Rossi Mario
cliente il che àprobabilit
30Case history
Statistici non maghi! Statistici non maghi! Statistici non maghi! Statistici non maghi!
L’affermazione precedente è di tipo probabilistico.Non abbiamo la presunzione di essere Mago Merlino.Del resto questo è il bello della vita. E del mestiere dello statistico.È in ogni caso sufficiente per prendere una decisione:Il cliente Mario Rossi avrà un simpatico regalo, o un’offerta promozionale per il prossimo mese, mentre per Paolo Bianchi, la cui probabilità di andarsene era solo del 20%, il collega markettaro non ha previsto nulla!
31Case history
L’utilizzo in praticaL’utilizzo in praticaL’utilizzo in praticaL’utilizzo in pratica
L’applicazione del modello ai clienti ancora “vivi” permette l’attribuzione di un livello di rischio ad ogni cliente.Ogni singolo cliente, infatti, viene monitorato continuamente, e per l’azienda viene identificato con un colore: verde = cliente fedele; giallo = cliente in fase pre-rischio; rosso = cliente a rischio disattivazione.
cliente fedele
cliente in fase pre-rischio;
cliente a rischio disattivazione.
Tali colori appaiono sulle liste estratte dai markettari per spedire regali e attivare promozioni, o sugli schermi degli operatori del call center non appena il singolo cliente chiama per avere informazioni o reclamare… e a seconda del colore l’operatore sarà più o meno “gentile”
32Case history
E di quanto sbagliamo? E di quanto sbagliamo? E di quanto sbagliamo? E di quanto sbagliamo?
Con i dati osservati nel prossimo mese cercheremo di valutare quanto ci abbiamo “azzeccato” col nostro modello… o se potevamo fare di meglio!
accuratezza del modelloomissione:
SC = NSC = N
SC = YSC = Y 27.94%
3.57% 6.83%
29.46% 42.60 %
89.60%
( = 100%)
( = 100%)
alto alto RischioRischio medio Rischiomedio Rischio basso basso RischioRischio
comissione:
SC = NSC = NSC = YSC = Y
49.33%
34.92%
5.58%
50.67%
65.08%
94.42%
( = 100%)
( = 100%)
( = 100%)
alto alto RischioRischio
medio Rischiomedio Rischio
basso basso RischioRischio
33Case history
Il profiling e la segmentazione
Case history 2
34Case history
ScenarioScenarioScenarioScenario
Usando tutte le variabili a disposizione si vogliono capire i valori, gli interessi e i bisogni dei clientiTracciare il grafico dei clienti sottolineando le differenze nei valori e bisogniAnalizzare i bisogni e gli interessi dei clienti aiuta a capire cosa offrire loro e come interagire con loro
35Case history
La mappa dei valoriLa mappa dei valoriLa mappa dei valoriLa mappa dei valori
APERTURA
Attenzioneall’aspetto
AnomiaConsumismo
Edonismo
Interesseper la moda
Narcisismo
Amore perl’aventura
AntiproibizionismoIndustrialismo
Esoterismo
Welfare
Insicurezza
Cosmopolititsmo Semplificazione della vita
Etnocentrismo
Secolarizzazione
Chiusura mentale
Ostentazione eprestigio
Paura della violenza
Interesse apparenza
Diffidenza per la pubblicità
Centralità della famiglia
Localismo
Bisogno di radicazione
Comunitarismo
Nostalgia natura
Perbenismo
Idealismo
Interesse tecnologia
Polisensualismo
Adesione al nuovo
Liberalismo sessuale
Gestione della complessità
Partecipazione
EcologiaVita sociale
Revisione ruoli sessuali
Antiautoritarismo
Espressione personalità
Impegno
VolontariatoCreatività personale
Spiritualità
CHIUSURA
PRIVATO
SOCIALE
Ricerca interiore
PRIVATO
Cultura intessuta di valori materiali ed aspirazioni
individualistiche. Orientamento ai valori
del sé e del privato
PRIVATO
Cultura intessuta di valori materiali ed aspirazioni
individualistiche. Orientamento ai valori
del sé e del privato
SOCIALE
Cultura solidaristica impregnata di valori etici e spirituali.
Orientamento alla collettività e al sociale.
SOCIALE
Cultura solidaristica impregnata di valori etici e spirituali.
Orientamento alla collettività e al sociale.
APERTURA
Cultura industriale e post-industriale,
aperta al cambiamento,
all’innovazione e alla complessità sociale.
APERTURA
Cultura industriale e post-industriale,
aperta al cambiamento,
all’innovazione e alla complessità sociale.
CHIUSURA
Cultura di stampo arcaico e
preindustriale arroccata sui valori
tradizionali e diffidente verso il
nuovo.
CHIUSURA
Cultura di stampo arcaico e
preindustriale arroccata sui valori
tradizionali e diffidente verso il
nuovo.
36Case history
La mappa dei valoriLa mappa dei valoriLa mappa dei valoriLa mappa dei valori
APERTURA
Attenzioneall’aspetto
AnomiaConsumismo
Edonismo
Interesseper la moda
Narcisismo
Amore perl’aventura
AntiproibizionismoIndustrialismo
Esoterismo
Welfare
Insicurezza
Cosmopolititsmo Semplificazione della vita
Etnocentrismo
Secolarizzazione
Chiusura mentale
Ostentazione eprestigio
Paura della violenza
Interesse apparenza
Diffidenza per la pubblicità
Centralità della famiglia
Localismo
Bisogno di radicazione
Comunitarismo
Nostalgia natura
Perbenismo
Idealismo
Interesse tecnologia
Polisensualismo
Adesione al nuovo
Liberalismo sessuale
Gestione della complessità
Partecipazione
EcologiaVita sociale
Revisione ruoli sessuali
Antiautoritarismo
Espressione personalità
Impegno
VolontariatoCreatività personale
Spiritualità
CHIUSURA
PRIVATO
SOCIALE
Ricerca interiore
37Case history
La mappa dei valoriLa mappa dei valoriLa mappa dei valoriLa mappa dei valori
APERTURA
Attenzioneall’aspetto
AnomiaConsumismo
Edonismo
Interesseper la moda
Narcisismo
Amore perl’aventura
AntiproibizionismoIndustrialismo
Esoterismo
Welfare
Insicurezza
Cosmopolititsmo Semplificazione della vita
Etnocentrismo
Secolarizzazione
Chiusura mentale
Ostentazione eprestigio
Paura della violenza
Interesse apparenza
Diffidenza per la pubblicità
Centralità della famiglia
Localismo
Bisogno di radicazione
Comunitarismo
Nostalgia natura
Perbenismo
Idealismo
Interesse tecnologia
Polisensualismo
Adesione al nuovo
Liberalismo sessuale
Gestione della complessità
Partecipazione
EcologiaVita sociale
Revisione ruoli sessuali
Antiautoritarismo
Espressione personalità
Impegno
VolontariatoCreatività personale
Spiritualità
CHIUSURA
PRIVATO
SOCIALE
Ricerca interiore
CENTRALITÀ DEL CORPO E
DEL CONSUMO [7.0%]
[12.0%]
CULTURAPICCOLO
BORGHESE[21.7%]
TRADIZIONALISMO [11.6%]
IMPEGNO[10.3%]
RADICI [17.3%]
NUOVA FRONTIERA
[12.0%]
INTERIORITÀ [8.1%]
38Case history
Non solo disattivazione! Non solo disattivazione! Non solo disattivazione! Non solo disattivazione!
Il saper trasformare informazioni elementari in nuove conoscenze, in previsioni ed in ipotesi di decisione costituisceuna abilità molto richiesta dalla società attuale.L’anno scorso Newsweek ha definito l’analista dei dati (ovvero lo statistico) come una delle professioni bollenti del nuovo secolo.Anche in Italia, tutti i dati dimostrano che le imprese, le istituzioni pubbliche e gli enti di ricerca hanno fame di statistici.
39Case history