Presentación de Adolfo Kvitca en AMDIA INTERGA 2010

1. Optimización de Campañas

2. Datos
- Demográficos
- Tenencia
- Utilización
- Pagos
- Uso de canales
- Quejas
- Encuestas
- …
Monitoreo de
Resultados
Realizar una oferta a los
clientes que aplican
Generar Candidatos
Clientes
12435
56437
59235
45276
Campañas de Marketing (Segmentación)
Clientes
Filtrar
Aplicar Exclusiones

3. tiempo
Las campañas son costosas, muchos clientes no responden
A
Respuesta
Problema

4. A
tiempo
RIGHT PERSON
Solución:
Predecir quienes van a responder a una oferta de un producto
Tecnología:
Data Mining
Beneficios típicos:
Reducción de costos del 25%-40%
Respuesta

5. El modelo permite ordenar las cuentas de
acuerdo a la probabilidad de respuesta
50%
70%
90%
80%
No solo bajar los costos…
Esto permite realizar acciones diferenciadas:
limites, incentivos, precios, canal, etc distintos
segun el nivel de respuesta esperado
Y aumentar la Respuesta!

6. Datos
- Demográficos
- Tenencia
- Utilización
- Pagos
- Uso de canales
- Quejas
- Encuestas
- …
Modelos Predictivos
Probabilidad de
Respuesta
Realizar una oferta a los
clientes con mayor
propensión a aceptarla
Generar Scores
Cliente Score
12435 0.22
56437 0.13
59235 0.02
45276 0.05
Campañas de Marketing (Data Mining)
Clientes
Monitoreo de
Resultados

7. RIGHT OFFER
RIGHT CHANNEL
RIGHT TIME
RIGHT PERSON
• Propensiones de cada cliente
• Rentabilidad de cada producto
• Costo y Efectividad del canal
• Restricciones de contacto
• Objetivos mínimos de venta
• Capacidad de cada canal
• Limitaciones de presupuesto
La promesa del Marketing

8. tiempo
A B C
Foco en la Campaña y no en el Cliente
La respuesta a las campañas incrementa drasticamente la carga
del call center y las sucursales en forma despareja.
A?
Problema

9. tiempo
RIGHT TIME
Solución:
Elegir los clientes que tengan mas propensión en cada momento
Tecnología:
Data Mining y Optimizacion
Beneficios típicos:
Mejor aprovechamiento de los recursos.
Aumento de la respuesta de un 30%-50%.

10. Cada individuo tiene preferencia (manifiesta o teorica) a ser contactado por
distintos canales
El costo de cada canal es muy diferente
?
Problema

11. RIGHT CHANNEL
Solución:
Seleccionar el mejor canal para cada cliente
Tecnología:
Data Mining (por canal) y optimización
Beneficios típicos:
Mayor tasa de respuesta. Menores Costos.
?

12. tiempo
Campañas superpuestas.
Se satura al cliente con ofertas. Los distintos departamentos se disputan los
clientes. Se pierden oportunidades.
Se prioriza las campañas y luego se asignan los clientes.
En las llamadas entrantes no se hace ofertas. En la Web la oferta es distinta.
No se tiene en cuenta la contribución del producto.
Problema

13. OPTIMIZACION
100 120 134
P1 P2 P3
A 40 50 60
B 35 40 50
C 20 39 20
P1 P2 P3
A 40 50 60
B 35 40 50
C 20 39 20
P1 P2 P3
A 40 50 60
B 35 40 50
C 20 39 20
P1 P2 P3
A 40 50 60
B 35 40 50
C 20 39 20
Oferta Renta Score
Renta
Esperada
430$ 9.3% 40
714$ 4.9% 35
606$ 3.3% 20
Cada Canal tiene distinta capacidad
Existe un Presupuesto Limitado
Cada Producto tiene objetivos mínimos de venta
Cada campaña tiene un tamaño mínimo para ser rentable
Las restricciones de contacto son diferentes para cada canal

14. %? $?
%? $?
%? $?
?
?
?
42
87
A
B
C
Productos
Datos y
Modelos
A
A
B
C
B
C
A B C
Seleccionar la mejor campaña,
el mejor momento, la mejor oferta,
y el mejor canal, para cada cliente.
Ejecutar Campañas
en cada Canal
RIGHT OFFER (SALIENTE)
Asignacion optima considerando
limitaciones de presupuesto,
capacidad de cada canal,
objetivos mínimos de conversion,
restricciones de periodicidad, etc
Solución:
Seleccionar el mejor producto para cada cliente
Tecnología:
Data Mining (por producto) y Optimización
Beneficios típicos:
Automatización de todas las acciones. Beneficio de un 50% a 100%.

15. 15
Marketing Tradicional
Centrado en el Producto
Encuentra los mejores clientes para cada producto
Solo Canales Salientes
 Correo
 Telemarketing
 Email
Customer Centric Marketing
Centrado en el Cliente
Encuentra los mejores productos para cada Cliente
Canales Salientes y Entrantes (Real Time)
A B C
• Correo
• Telemarketing
• Email
• WEB
• Call Center
• Sucursales
• ATM
• Mobile
A
Tendencia en Marketing

16. Cross-sell?
<context data>
<customer data>
Oferta
¿Aplica
a este
caso?
Margen
Probabilida
d de
Respuesta
Valor
Esperad
o
A No
B Yes 90 54% 49
C Yes 85 62% 64CC
Inbound Outbound
Percepción Apropiada Conveniente
Respuesta 30% 5%
RIGHT OFFER (ENTRANTE)

17. Datos
- Demográficos
- Tenencia
- Utilización
- Pagos
- Uso de canales
- Quejas
- Encuestas
- …
Múltiples
Modelos Predictivos
Probabilidad de
Respuesta
Realizar una oferta a los
clientes con mayor
beneficio
Generar Scores
Cada producto tiene
diferente Ganancia
Cliente Scores
12435 0.22 0.31 0.11
56437 0.13 0.04 0.28
59235 0.02 0.17 0.14
45276 0.05 0.01 0.09
Campañas de Marketing (Customer Centric)
Clientes Múltiples Canales
Inbound & Outbound
Diferentes Costos
Diferente Efectividad
Diferentes Mensajes
Restricciones de Contacto
Objetivos mínimos de venta
Capacidad de cada canal
Limitaciones de presupuesto
OPTIMIZAR
Monitoreo de
Resultados

18. Ejemplo Banca
Desarrollaron un modelo de Cross Selling para prestamos en 3 semanas
Duplicaron la tasa de respuesta de la campaña
Inmediatamente comenzaron a realizar modelos para el resto de los
productos y etapas del ciclo de vida del cliente (aprox. 30 campañas)

19. Ofertas en todos los Canales
Ejemplo Banca

20.  Propensiones de cada cliente
 Rentabilidad de cada producto
 Costo y Efectividad del canal
 Restricciones de contacto
 Objetivos mínimos de venta
 Capacidad de cada canal
 Limitaciones de presupuesto
Considerando
Ejemplo Banca
 Definieron la estrategia comercial centrada en el cliente (no en el producto)
 La acción optima significó una mejora en la rentabilidad del 40%

21. Redes Sociales
Pero luego de recibir la oferta…
y con NO clientes también!
estos clientes hablan con otros clientes