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
Scarica

Analisi Quantitativa: Modello a variabili latenti