Analisi Predittiva Churn Machine Learning Data Science Servizi

Analisi Predittiva Churn Machine Learning | Data Science | Servizi e Corsi

Chi siamo Excelle nasce nel 2012 ed è una società di consulenza nella quale si incontra la forte esperienza in ambito Data Intelligence. Sviluppiamo soluzioni e progetti utilizzando advanced analytics e tecniche di machine learning. Siamo Senior Partner e Data Scientists in grado di: strutturare e lavorare “smart data” e “big data” integrando canali tradizionali e digitali interpretare i dati e identificare strategie Utilizziamo strategie, action plan, algoritmi, metodologie statistiche e matematiche per incrementare «Revenues» e «Marginalità» dei nostri Clienti

Sviluppiamo progetti di Data Intelligence La trasformazione di dati in informazioni, le informazioni in conoscenza e la conoscenza in valore. La Data intelligence rappresenta un abilitatore di una cultura e di una strategia aziendale che basa i suoi processi sulla conoscenza che deriva da raccolta, lettura, analisi e interpretazione di dati. Data Intelligence è. . . La Data Intelligence diventa uno dei vettori principali per la trasformazione digitale di ogni azienda. L’utilizzo dei dati appare in grado di generare miglioramenti nell’efficacia ed efficienza dei processi aziendali, nelle linee di ricavi, nella soddisfazione della clientela, nello sviluppo di nuovi prodotti e servizi. La sfida per le aziende consiste nella capacità di acquisire un vantaggio competitivo lavorando sui dati.

Sviluppiamo progetti di Data Intelligence ü Data Intelligence non è un tool o una tecnologia ü Big Data non vuol dire Data Intelligence NON è. . . ü Smart & Big Data e Tecnologia sono alcuni degli ingredienti fondamentali per una approccio aziendale basato sulla Data Intelligence ü Gli analytics non sono frullatori di dati dove magicamente escono soluzioni ü Senza obiettivi, percorsi e metodologia non si ottiene nulla e quello che si ottiene è deviante

Aree aziendali e servizi Digital & Innovation L’Accademia del Dato nasce con l’obiettivo di divulgare conoscenza agli attori che ruotano intorno al magico mondo della Data Science, ingrediente fondamentale per una cultura aziendale basata sul Dato. Percorsi formativi per Manager e per Data Scientist. Ogni corso può essere personalizzato in base alle esigenze e agli obiettivi del Cliente. Analytics Assessment Una diagnosi puntuale sull’attuale situazione analitica e una roadmap futura con i benefici ottenibili se verranno adottate metodologie e processi guidati dall’analisi dei dati. Descriptive Analytics Tabelle, grafici e principali KPI’s per una prima descrizione e conoscenza della clientela. Reporting & Monitoring Capire e dare un senso al business sulla base di eventi passati. Es. : • reporting per prodotto / cliente / rete di vendita • cruscotti direzionali • Etc. Predictive Analytics & Machine Learning Modelli predittivi avanzati che abbracciano tutto il ciclo di vita, dall'acquisizione al win back. Modelli di forecasting e what-if. Data Science + Market Research Le nostre partnership con gli Istituti di Ricerca ci permettono di rafforzare l’offerta di Data Intelligence integrandola con evidenze provenienti dall’esterno dell’azienda (es. trovare target strategici anche quanto manca l’informazione sui DB aziendali). Marketing Mix Model Analisi per comprendere: • Qual è il ROI delle attività di marketing e comunicazione? • Quanto contribuiscono alle vendite? • Qual è il ROI per canale? • Qual è il ROI per cliente? • In quanto tempo raggiungo il break even point? • Etc. Marketing (Engagement Plan, Loyalty & CRM Program, Fundraising, etc. ) Comunication Sales Training

Abbiamo sviluppato e stiamo sviluppando progetti e formazione per:

Business Case Analisi predittiva Churn – Settore Energy

Modello interpretativo della nostra Data Intelligence Obiettivo Cross Selling Previsione Churn Identificazione Frodi Customer Journey Advertising Conversion Customer Care Pricing Optimization Analytics Capabilities Al fine di raggiungere l’obiettivo, ogni soluzione può essere caratterizzata da un certo numero di capacità analitiche. Metodologie Ogni capacità analitica viene ottenuta grazie all’adozione di metodologie Dati e tecnologie Dati strutturati / non strutturati e tecnologia rappresentano gli ingredienti di base.

La gestione proattiva del “ciclo di vita” del Cliente Acquisition Supporto alle attività di new acquisition Value Stimulation Up sell. & Share of Wallet Churn Prevention Churn Retention Dormienza Supporto per le attività di marketing e comunicazione Win Back Supporto per le attività di win back Win Back Deactivation NEW il modello di “churn” ovvero, come aumentare la “retention” dei Clienti 9

OBIETTIVO STRATEGICO: INCREMENTARE LA RETENTION OBIETTIVI TATTICI 1. Quanto è il rischio churn? 2. Cosa incide sul churn? 3. Come posso gestire l’abbattimento del churn ?

• Ogni modello predittivo restituisce un risultato, ma non tutti i risultati sono utili. Si può creare modellistica anche solo su 2 variabili (es. genere, provincia) ma è questo quello che serve? Considerazioni iniziali sui modelli predittivi • Nella fase di Data Management e Data Preparation si creano le basi per un modello predittivo vincente. • Le analisi di contesto e di trend, la definizione dell’universo, la conoscenza delle principali metriche sull’andamento della Customer Base sono condizioni necessarie per lo sviluppo di modellistica predittiva. • La componente umana, i percorsi metodologici, il know how matematico e statistico, la conoscenza del settore e del business sono fattori indispensabili e non ancora sostituibili.

• L’obiettivo dei modelli di Churn è quello di determinare, per ogni Cliente, una probabilità di abbandono/chiusura dei rapporti. I modelli predittivi di Churn • L’analisi del Churn è fortemente dipendente dalla definizione che viene data di “abbandono/chiusura dei rapporti” (può comportare in alcuni casi l’analisi dell’abbandono totale, in altri dello switch, del downgrading contrattuale, etc. ) • Nei modelli di Churn, la variabile che si vuole predire è dicotomica (0: non abbandono 1: abbandono); il modello predittivo di Churn restituisce dunque una probabilità tra 0 e 1 che l’evento avvenga.

L’approccio al modello di churn Nelle successive slide verrà esploso il fenomeno del churn in modo da ottenere: - Visione di contesto: trend churn e base active - Evidenza di uno strumento gestionale che pone una lente di ingrandimento sui clienti a maggior rischio: Il modello churn come generatore di efficienza nella gestione dei clienti a rischio - Dettaglio delle principali aree informative e della relazione con il rischio di abbandono.

METODOLOGIA CICLICA CRISPDM CRISP-DM (Cross Industry Standard Process for Data Mining): una metodologia aperta in cui confluiscono obiettivi di business che di analisi. CRISP-DM prevede almeno 6 fasi non vincolate tra loro da rigidità temporali, che si susseguono. È sempre possibile tornare alla fase precedente o rivedere le idee alla base dell’analisi, alla luce dei risultati emersi in un punto qualunque del processo. Il progetto pertanto non è un processo lineare, caratterizzato rigidamente da un inizio, un numero determinato di step prefissati e una fine, ma un processo ciclico, che rappresenta una guida per i progetti che possono iniziare successivamente. Digital C&D - All Rights Reserved

ANALISI DETERMINISTICA PRIMO STEP DEL MODELLO PREDITTIVO Sulla base dell’obiettivo progettuale vengono e�ettuat e analisi di contesto propedeutiche. L’obiettivo è ottenere insight utili per lo sviluppo del modello predittivo e migliorare l’identificazione del target da contattare. Digital C&D - All Rights Reserved

Ouput: focus rischiosità della provincia (Agenzia, etc. ) Evoluzione rischio Nella dashboard sottostante i clienti agganciati alle principali province nel periodo «X» . % di rischio Churn medio ultimo trimestre: 4, 7% 16

L’UNIVERSO DI ANALISI SECONDO STEP DEL MODELLO PREDITTIVO Dataset Storici Inizio Previsioni T-1 (passato) Target T 0 (presente) T+1 (futuro) Digital C&D - All Rights Reserved tm 12 …… tm 2 tm 1 t 0 t 1 t 2 t 3 t 4

ALGORITMI La SCELTA DELL’ALGORITMO DA UTILIZZARE La scelta della tipologia di algoritmo è funzione di numerosi fattori, non solo matematico/statistici ma anche di business. Ad esempio le reti neurali possono essere un buon modello di previsione, ma non forniscono dettagli sull'analisi delle componenti (quali variabili lo stimano, con che peso, etc. ). L’utilizzo invece di regressioni oppure di alberi decisionali, forniscono anche informazioni, con differente grado di dettaglio, sulle componenti che concorrono a formare la previsione. Il modello predittivo finale VIENE creato testando differenti algoritmi (regressione logistica, reti neurali, alberi decisionali, ecc. ) al fine di utilizzare il modello più “performante”. Algoritmi differenti possono essere sviluppati per obiettivi differenti. Digital C&D - All Rights Reserved

ALGORITMI A Algoritmi Principali B C Evaluation Tipologia • Regressione logistica • Supervised Learning • Alberi decisionali • Unsupervised Learning • Reti Neurali • Semi-supervised Learning • Analisi delle componenti principali • Analisi delle associazioni • Clustering Gerarchico • Clustering K-Means Performance of training vs test • Support Vector Machine 9. 00 100% Chart Title • …. 80% 7. 00 TRAINING Cumulative LIFT TEST Cumulative LIFT 5. 00 3. 00 1. 00 0% Digital C&D - All Rights Reserved 10% 20% 30% 40% 50% 60% 70% 80% 60% 40% 20% 0% 90% 100%

IL FLUSSO 2 5 TRAINING 1 DATA PREPARATION Evaluation 3 MODELLO/I TEST 4 VALIDATION 6 Application to the entire Customer Base Digital C&D - All Rights Reserved 7 Predictive Scoring

I principali output ü Contesto e trend ü Focus sui segmenti e relazione con il fenomeno abbandono ü Relazione del fenomeno con le principali metriche (es. anzianità, valore del cliente, CLTV, …) ü Misura della qualità e del rischio potenziale sulle nuove adesioni ü Fattori di rischio ü Declinazione dei fattori di rischio sui processi aziendali (es. caring) ü Scoring probabilistico ü Semaforo gestionale per simulazioni e gestione operativa

Scoring gestionale Lo scoring formulato da un modello di churn altro non è che una probabilità assegnata ad un determinato cliente di andare in disattivazione in un determinato arco temporale. Su tale score viene costruito successivamente il «semaforo gestionale»

Dashboard gestionale Il dashboard gestionale è una maschera utente attraverso la quale selezionare l’elenco di clienti da gestire. La maschera permette di applicare filtri opportuni a seconda del target churn che si vuole contattare.

Fattori di abbandono +100% -40% +100% -35% +32% -26% Con altro contratto elettrico disattivato negli ultimi 2 mesi Presenza servizi accessori Con contratto gas disattivato negli ultimi 5 mesi Se il contratto elettrico è stato attivato dopo il gas Fatturazione bimestrale Invio doc. solo per mail Cross Selling Contratti & Fatturazione Provincia +85% Agenzia +60% Fornitore di provenienza +82% Over 24 mesi Anzianità contratto -31% Presenza cambi tariffari nel tempo -36% Anagrafica Acquisizione

Ecosistema progettuale Team Data Science Partnership Tecnologica Linguaggi 1 c/o Cliente Progetto sviluppato sulla tecnologia del cliente c/o Excelle Progetto sviluppato sulla tecnologia Excelle e messo a disposizione del cliente 2

Grazie dell’attenzione! Excelle S. r. l. Via Vittoria Colonna, 17 - 20149 Milano +39. 02. 36. 57. 88. 20 www. excelle. it