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