La segmentazione comportamentale nel mercato finance Bologna, 21 novembre 2003 © 2003, SPSS Italia & SPSS Inc. Michele Crescenzi, Ph.D. CRM and Data Mining Solutions, SPSS Italia

© 2003, SPSS Italia & SPSS Inc. 2 Agenda  SPSS, know what’s next… Now  Segmentazione comportamentale  Conclusioni

© 2003, SPSS Italia & SPSS Inc. 3 SPSS, la società

© 2003, SPSS Italia & SPSS Inc. 4  Fondata nel 1968  Sede a Chicago  Leader nelle Predictive Analytics  Uffici in 40 paesi nel mondo  Oltre 1300 dipendenti  Quotata dal ’96 al Nasdaq SPSS, la società

© 2003, SPSS Italia & SPSS Inc. 5 Awards & reviews

© 2003, SPSS Italia & SPSS Inc. 6 Awards & reviews Nel 2003, per il quarto anno consecutivo Clementine è stato riconosciuto da KDnuggets come lo strumento di Data Mining più utilizzato “Companies are quickly discovering that their CRM efforts aren’t worth much if they don’t include analysis.” “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.” “………. 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.”

© 2003, SPSS Italia & SPSS Inc. 7 System Integrator Partner

© 2003, SPSS Italia & SPSS Inc. 8 SPSS industry experience Finance Telco Gas & Power Retail & CPG Pharmaceutical Manufacturing Academic

© 2003, SPSS Italia & SPSS Inc. 9 Other Industries Clienti

© 2003, SPSS Italia & SPSS Inc. 10 Other Industries Finance Retail Clienti

© 2003, SPSS Italia & SPSS Inc. 11 Agenda  SPSS, know what’s next… Now  Segmentazione comportamentale  Conclusioni

© 2003, SPSS Italia & SPSS Inc. 12 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 13 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 14 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. 15 Business Understanding  Obiettivi aziendali  Descrizione della customer base  Monitoraggio dei flussi  Definizione dell’unità cliente  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. 16 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. 17 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 18 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. 19 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 20 Data Preparation  Identificazione della popolazione  Inclusione dei soli intestatari primari di rapporto  Esclusione delle unità non appartenenti alla popolazione di riferimento (es. società, figure garanti, etc)  Analisi outliers  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. 21 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. 22 Data Preparation

© 2003, SPSS Italia & SPSS Inc. 23 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 24 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. 25 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 26 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. 27 Segmentazione comportamentale  Business understanding  Data understanding  Data preparation  Modeling  Evaluation  Deployment

© 2003, SPSS Italia & SPSS Inc. 28 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. 29 Agenda  SPSS, know what’s next… Now  Segmentazione comportamentale  Conclusioni

© 2003, SPSS Italia & SPSS Inc. 30 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. 31 Delivery delle informazioni