La segmentazione
comportamentale nel mercato
finance
Bologna, 21 novembre 2003
Michele Crescenzi, Ph.D.
CRM and Data Mining Solutions, SPSS Italia
© 2003, SPSS Italia & SPSS Inc.
Agenda

SPSS, know what’s next… Now

Segmentazione comportamentale

Conclusioni
© 2003, SPSS Italia & SPSS Inc.
2
SPSS, la società
© 2003, SPSS Italia & SPSS Inc.
3
SPSS, la società

Fondata nel 1968

Sede a Chicago

Leader nelle Predictive Analytics

Uffici in 40 paesi nel mondo

Oltre 1300 dipendenti

Quotata dal ’96 al Nasdaq
© 2003, SPSS Italia & SPSS Inc.
4
Awards & reviews
© 2003, SPSS Italia & SPSS Inc.
5
Awards & reviews
“Companies are quickly discovering
that their CRM efforts aren’t worth
much if they don’t include analysis.”
Nel 2003, per il quarto anno
consecutivo Clementine è stato
riconosciuto da KDnuggets come lo
strumento di Data Mining più utilizzato
© 2003, SPSS Italia & SPSS Inc.
“………. we expect that there will be
less than five analytical CRM vendors
left. The others will be absorbed or will
have gone away. We expect those
vendors to be IBM, SAS, NCR, and
SPSS.”
“SPSS Inc.’s Clementine is the most
popular data mining package on the
market, according to the KDnuggets Web
site. In its early days (pre-1998)
Clementine’s interface pioneered the visual
programming approach to data mining.
This modality proved so intuitive and
successful that both IBM and SAS Institute
adopted it for their data mining tools as
well.”
6
Partner
System Integrator
© 2003, SPSS Italia & SPSS Inc.
7
SPSS industry experience
Finance
Telco
Gas & Power
Retail & CPG
Pharmaceutical
Manufacturing
Academic
© 2003, SPSS Italia & SPSS Inc.
8
Clienti
Other Industries
© 2003, SPSS Italia & SPSS Inc.
9
Clienti
Finance
© 2003, SPSS Italia & SPSS Inc.
Retail
Other Industries
10
Agenda

SPSS, know what’s next… Now

Segmentazione comportamentale

Conclusioni
© 2003, SPSS Italia & SPSS Inc.
11
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
12
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
13
Business Understanding

Fornire una segmentazione della clientela basata
sulla valutazione del comportamento finanziario

Affiancare alla segmentazione business driven,
un’analisi data driven in grado di cogliere la
dinamica della customer base

I due approcci non sono alternativi ma convivono
per dare al marketing una visione più accurata dei
profili che caratterizzano la clientela della Banca
© 2003, SPSS Italia & SPSS Inc.
14
Business Understanding

Obiettivi aziendali



Definizione dell’unità cliente



Descrizione della customer base
Monitoraggio dei flussi
NDG primari
Selezione di un insieme omogeneo (es. persone fisiche)
Scelta del periodo di osservazione

La decisione viene presa in funzione di alcune
caratteristiche della Banca, quali lo storico disponibile, il
dinamismo della clientela, etc…
© 2003, SPSS Italia & SPSS Inc.
15
Business Understanding

Approccio misto (business/data driven)




Si valuta, basandosi su indicazioni di tipo business,
l’opportunità di diversificare l’analisi per sottopolazioni
Questo per poter sviluppare la fase di modeling, con le
variabili più adatte a descrivere i vari profili
Una suddivisione standard è, per esempio, quella in
correntisti e non
I clienti appartenenti a queste due sottopopolazioni
hanno evidentemente un comportamento finanziario
molto diverso
© 2003, SPSS Italia & SPSS Inc.
16
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
17
Data Understanding

Scelta delle tabelle del DWH o Data Mart

Selezione delle variabili attive


Fase di selezione diversificata per le sottopopolazioni
Variabili statiche



Vengono generalmente considerate le informazioni di
relazione più significative (es. canale contatto ed operatività)
Gli attributi anagrafici non sono esaminati perché inadatti a
valutare la dinamica comportamentale dei clienti
Variabili dinamiche
Gli indicatori di asset vengono aggregati sull’arco temporale
definito (es. ultimi sei mesi)
 Per la sottopopolazione dei correntisti, si prendono in esame
anche gli indicatori relativi all’uso del c/c

© 2003, SPSS Italia & SPSS Inc.
18
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
19
Data Preparation

Identificazione della popolazione



Analisi outliers


Inclusione dei soli intestatari primari di rapporto
Esclusione delle unità non appartenenti alla popolazione
di riferimento (es. società, figure garanti, etc)
Basandosi su criteri multivariati, si vanno a scartare i
clienti con profili anomali
Imputazione valori mancanti

Pulizia e, dove necessario, ricodifica delle variabili attive
© 2003, SPSS Italia & SPSS Inc.
20
Data Preparation

Calcolo delle informazioni di asset




Selezione dei soli asset aperti
I prodotti finanziari devono essere considerati ad un
certo livello della tassonomia, generalmente si esamina
la famiglia o la macrofamiglia
Calcolo delle medie di giacenza sul periodo osservato
Aggregazione

Tutte le informazioni ricavate vengono riportate a livello
di NDG primario
© 2003, SPSS Italia & SPSS Inc.
21
Data Preparation
© 2003, SPSS Italia & SPSS Inc.
22
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
23
Modeling

Confronto tra tecniche tradizionali e reti neurali




K-Means
Two-Step
Mappe di Kohonen
Considerazioni


Il risultato delle Mappe di Kohonen è estremamente
variabile ed è influenzato dalla fase di inizializzazione dei
pesi numerici
Il K-Means ed il Two-Step risultano più affidabili e
dimostrano una maggiore robustezza
© 2003, SPSS Italia & SPSS Inc.
24
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
25
Evaluation

Valutazione statistica




K-Means
Two-Step
Mappe di Kohonen
Profiling marketing


Scelta del K-Means
Scartati il Two-Step e le Mappe di Kohonen


Bassa eterogeneità tra i cluster
I profili individuati risultavano difficilmente interpretabili in ottica
marketing
© 2003, SPSS Italia & SPSS Inc.
26
Segmentazione comportamentale

Business understanding

Data understanding

Data preparation

Modeling

Evaluation

Deployment
© 2003, SPSS Italia & SPSS Inc.
27
Deployment

Messa in produzione


Il processo di segmentazione viene aggiornato
periodicamente
L’output del processo consiste in due informazioni
riportate in una tabella del DWH



Nome del cluster
Distanza dal centro
In un ulteriore tabella viene conservato lo storico dei
periodi precedenti, in modo tale da consentire la
misurazione dei flussi
© 2003, SPSS Italia & SPSS Inc.
28
Agenda

SPSS, know what’s next… Now

Segmentazione comportamentale

Conclusioni
© 2003, SPSS Italia & SPSS Inc.
29
Conclusioni

Le informazioni generate dal Data Mining possono
essere poi inserite a livello di front end per fornire
un supporto decisionale agli utenti marketing
© 2003, SPSS Italia & SPSS Inc.
30
Delivery delle informazioni
© 2003, SPSS Italia & SPSS Inc.
31