CUSTOMER VALUE “IL VALORE DEL SERVIZIO” Obiettivi Metodo Primi risultati

Il Progetto Obiettivo: Metodologia 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

rilevazione quantitativa Piano di lavoro Presentazione a Focus Group Modello & rilevazione qualitativa rilevazione quantitativa Modello interazione cliente-azienda Colloquio circa 1 ora Questionario pre-spedito Gruppo ristretto aziende Analisi dati Incontro verifica risultati Dati campione rappresentativo KPI selezionati in rilevazione qualitativa Analisi Granger Analisi Variabili Latenti Personalizzazione catena Investment Variables Process & System Behavior Customer’s value variables Financial Variables Rapporto sintetico sulla metodologia e sui finding Dati anonimi Indicazioni metodo Commenti

La catena causale : schema semplificato Investment Variables Process & System Behavior Customer’s Value Variables Financial Variables HR Education Work Environment Communication Lines One call resolution Response time Etc. Customer Satisfaction Index, Churn rate Customer Loyalty Etc. EBIT Sales Asset (LTV)

La catena causale : mappa relazioni (esempio) Investment Variables Process & System Behavior Customer’s Value Variables Financial Variables Customer’s value D EBIT One call resolution & escalation rate HR Education New costumer Average wait time & Abandoned calls D Sales & market share Churn & Retention Headcount Profitability Thecnology capability and alike D LTV Contact duration (IVR, Voice) D Asset Customer’s incurred cost 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 Regressione lineare multipla 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 DESCRIZIONE PERIODO GRANULARITA’ adn Spesa pubblicitaria nei principali media, pro capite. US $ 1956 - 1975 trimestrale ucgn Spesa di beni per consumo personale, pro capite. Migliaia US $ Copyright © 2006, SAS Institute Inc. All rights reserved. 13

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 Tabella 2 - Post Sample MSE dei modelli analizzati 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 goods gdp Consumer credit Personal consumption expenditure on durable goods Personal consumption expenditure on services Life quality

Confirmatory Factor Analytic Approach 1/2 E3 Var=? E4 Var=? E5 Var=? Personal consumption expenditure on durable goods Personal consumption expenditure on goods Personal consumption expenditure on services Var=? L=? gdp L=? L=? Cov=? Life quality Cov=? Cov=? Var=? Var=1 Cov=? Consumer credit

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 Life quality Personal consumption expenditure on durable goods Personal consumption expenditure on goods Personal consumption expenditure on services L=0.6048 gdp L=0.7640 L=0.3370 P=0.5185 Life quality Cov=0.505 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 Utente Manuale di Riferimento

Manuale Utente Metriche Indicatori Griglia Variabili Indipententi e Dipendenti

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