CUSTOMER VALUE “IL VALORE DEL SERVIZIO” Obiettivi Metodo Primi risultati Il Progetto • Obiettivo: – Misurare il valore creato dal rapporto con il cliente – Correlare la qualità dei servizi forniti, fedeltà e valore patrimoniale del cliente • Metodologia – Comitato Scientifico che presidia i contenuti metodologici/definizione modello – Incontri mirati con focus group – Validazione metodologia con panel campione – Presentazione risultati in un Convegno Piano di lavoro •Colloquio circa 1 ora •Questionario pre-spedito Modello & Modello & rilevazione rilevazione quantitativa qualitativa Modello interazione clienteazienda Personalizzazione catena Customer’ s value variables Investment Variables Process & System Behavior •Gruppo ristretto aziende •Analisi dati •Incontro verifica risultati Financial Variables Dati campione rappresentativo •Dati anonimi •Indicazioni metodo •Commenti KPI selezionati in rilevazione qualitativa Analisi Granger Analisi Variabili Latenti Presentazio ne a Focus Group Rapporto sintetico sulla metodologia e sui finding La catena causale : schema semplificato Investment Variables • • • • HR • Education • Work Environment Communicati • on Lines Customer’s Value Variables Process & System Behavior One call resolution Response time Etc. • • • • Customer Satisfaction Index, Churn rate Customer Loyalty Etc. Financial Variables • • • EBIT Sales Asset (LTV) La catena causale : mappa relazioni (esempio) Investment Variables HR Education Headcount Thecnology capability and alike Process & System Behavior One call resolution & escalation rate Average wait time & Abandoned calls Contact duration (IVR, Voice) Customer’s incurred cost Customer’s Value Variables Customer’ s value Financial Variables D EBIT New costumer Churn & Retentio n Profitabilit y D Sales & market share D LTV D Asset Loyalty Catena causale Financial Institution Catena causale Telco e Media Catena causale Automotive L’analisi ha specializzato anche gli indicatori 73 indicatori individuati Investment : 11 Process & System : 40 Customer’s Value : 16 Financial : 6 Criteri di Analisi • Modello di Granger – Analisi bivariata • Regressione lineare multipla – Stima dei valori dei nessi di causalità individuati dal Modello di Granger • Modello a Variabili Latenti – Analisi multivariata Procedimento utilizzato per l'analisi quantitativa Analisi Quantitativa: Modello di Granger Catena Causale Legenda Analisi quantitativa: Modello di Granger • Obiettivi: – Individuare nessi di causalità tra coppie di variabili – Associare ai nessi di causalità i parametri (pesi) stimati • Procedimento: – Step 1: Costruzione di un modello univariato per le due serie storiche relative alle variabili selezionate – Step 2: Costruzione di un modello bivariato delle due serie storiche basato sui modelli univariati calcolati nello step precedente. – Step 3: Calcolo degli errori quadratici medi (mse) di predizione dei due modelli e confronto dei risultati ottenuti. – Regressione lineare multipla Esempio. Test di causalità di Granger • Obiettivo : NOME adn ucgn DESCRIZIONE PERIODO GRANULARITA’ Spesa pubblicitaria nei principali media, pro capite. US $ 1956 - 1975 trimestrale Spesa di beni per consumo personale, pro capite. Migliaia US $ 1956 - 1975 trimestrale Andamento delle serie analizzate ADN UCGN Stazionarietà e stagionalità delle serie • UCGN - Univariato Plot Correlazioni serie originale Plot Correlazioni serie con le differenze del primo ordine Risultato dell’analisi MODELLO (POST SAMPLE) MSE UNIVARIATO – ARIMA(0,1,4)(0,1,0)s 0.0021896 UNIVARIATO – ARIMA(1,1,4)(0,1,0)s 0.0022003 UNIVARIATO – ARIMA(2,1,4)(0,1,0)s 0.0021886 UNIVARIATO – ARIMA(4,1,4)(0,1,0)s 0.0021811 BIVARIATO – VARIMA(4,1,4) 0.114742 In prima analisi, il modello bivariato non migliora la descrizione di UCGN. Variabili latenti: Equazioni strutturali • Analisi Granger insufficiente • La catena causale presenta anche variabili latenti p.e. il valore percepito dal cliente: – sappiamo che esiste – non possiamo misurarlo in modo diretto • Occorre individuare le relazioni fra variabili latenti e variabili manifeste (KPI). – Metodo da utilizzare: le equazioni strutturali a variabili latenti Analisi Quantitativa: Modello a variabili latenti Catena Causale Legenda Variabili latenti: Equazioni strutturali • Obiettivi: – Individuare indicatori che descrivano la variabile latente – Calcolare il valore dei nessi di causalità/covarianza tra le variabili • Procedimento: – Step 1: Confirmatory Factor Analytic Approach (CFA): • visione d’insieme della struttura del modello • indicazioni circa le variabili manifeste – Step 2: Structural Model (Causal Model): • individua e quantifica le relazioni di causalità tra variabili. Esempio: Equazioni strutturali a variabili latenti • Modello causale teorico di partenza Personal consumption expenditure on services Personal consumption expenditure on durable goods gdp Life quality Consumer credit Personal consumption expenditure on goods Confirmatory Factor Analytic Approach 1/2 E3 Var=? E4 Var=? Personal consumption expenditure on services E5 Var=? Personal consumption expenditure on durable goods Personal consumption expenditure on goods Var=? L=? gdp L=? Cov=? Cov=? Cov=? Life quality Var=? Var=1 Cov=? Consumer credit L=? Confirmatory Factor Analytic Approach 2/2 • Prima valutazione dell’adattamento del modello. • Indicazioni precise su Factor Loading (L): relazioni tra ogni variabile latente e le rispettive variabili manifeste. • Stime sui rapporti tra le rimanenti variabili (espressi come covarianze). • Informazioni su affidabilità, validità convergente e validità discriminante. • Valutazioni su eventualità di modifiche al modello. Structural Model (Causal Model) 1/2 • Implementazione delle equazioni strutturali che esprimono le relazioni tra le variabili considerate (latenti e manifeste) secondo lo schema di causalità che si intende seguire. • Vengono cioè sostituite le covarianze (frecce bidirezionali) con percorsi causali (frecce unidirezionali), spostandosi da una valutazione tra relazioni reciproche ad una valutazione tra relazioni causali ad una direzione. Structural Model (Causal Model) 2/2 • L’output ottenuto sarà valutato in termini di: – – – – Bontà di adattamento. Significatività delle relazioni tra le variabili. Analisi dei residui del modello. Bilanciamento tra parsimonia e bontà di adattamento del modello. – Eventuali modifiche da apportare alle equazioni per affinare il risultato finale. • Dopo aver apportato le opportune modifiche sarà possibile confrontare il modello ottenuto con quello iniziale per individuare similarità e differenze. Modello finale ESVL 1/2 Personal consumptio n expenditure on services Personal consumption expenditure on durable goods Personal consumption expenditure on goods L=0.6048 L=0.7640 gdp L=0.3370 P=0.5185 Cov=0.505 Life quality P=0.5819 Consumer credit Modello finale ESVL 2/2 • Sono individuati i percorsi causali (Path Coefficients), il loro segno ed il loro peso. • Possibilità di interpretare le relazioni in modo immediato quantificando la variazione di una variabile indipendente sulla variabile dipendente cui si riferisce. • Vengono offerte indicazioni chiare sia da un punto di vista algebrico che grafico del percorso di causalità. Documenti Analisi Quantitativa Manuale di Riferimento Manuale Utente Manuale Utente Griglia Variabili Indipententi e Dipendenti Metriche Indicatori Come si inserisce nello schema Business Intelligence • Memorizzazione serie storiche di base – Datawarehouse • Calcolo Granger ed ESVL – DSS • Memorizzazione risultati – DataWarehouse – DataMart • Pianificazione controllo e/o monitoraggio – Cruscotto Conclusioni • Verificata la fattibilità tecnica di: – Catene Causali fra variabili di Investimento/Comportamento/Risultato – Misurazione variabili qualitative (misura il percepito) • Quindi è possibile p.e.: – Misurare le variazioni del “valore percepito dal cliente” – Associare il valore percepito (variazioni) a variabili economiche patrimoniali – Mirare in senso competitivo le azioni di valorizzazione del cliente • Prossimo passo: – Validare la significatività – Valutare i fabbisogni di dati di base e le possibilità di proxy • Al fine di ottenere – La patrimonializzazione del valore del cliente Grazie per l’attenzione