Metodi Quantitativi per Economia, Finanza e Management Lezione n° 13

1. Metodi Quantitativi per Economia, Finanza e ManagementLezione n° 13

2. Orari di ricevimento Gennaio-Febbraio 2008 • 08/01/2008 11.00-12.00 • 15/01/2008 09.30-10.30 • 22/01/2008 09.30-10.30 • 12/02/2008 11.00-12.00 • Aula 224

3. November 22nd, 2006 Individuals Churn Model Prepared by Alberto Saccardi, Paola Bauce, Elena Pallini (Nunatac) for XXX Banka Version: 5.0 – Final Review

4. Modello di Churn su “Losts” e “Technically Losts” Dopo una serie di analisi preliminari si è deciso di considerare come evento target per il modello di Churn la prima volta in cui un cliente attivo diventa “technical lost” (TL2) oppure “lost” (LOS) all’interno di un periodo di previsione fissato. La scelta di tale evento target è stata supportata anche dal numero dei cosidetti “eventi positivi” osservati. Per avere un modello di Churn (e in generale un modello statistico) robusto è necessario un numero minimo di eventi positivi.

5. CT Jul05 History Dark Period Prevision Period Latency Period ACTIVE in the end of Jul05 Not TL2 or LOST or OLD Target Event: TL2 or LOST in one of the 2 months Jan06 Aug05 Sept05 Oct05 Nov05 Dec05 Feb06 Struttura dei dati • Per definire l’evento target sono stati considerati i seguenti intervalli di tempo: • Dark Period: dipende dal gap tra l’aggiornamento della base dati e il momento in cui si stima il modello • Latency Period: dipende dalla scelta dell’evento target e dalle esigenze di business • Prevision Period: dipende dal numero di eventi positivi osservati e dalla stagionalità. • Nel nostro caso sono state fissate le durate seguenti: • Dark Period: due mesi • Latency Period: tre mesi, che è l’intervallo minimo perchè un clienti passi da attivo a TL2 o LOST • Prevision Period: due mesi. • I dati più recenti disponibili sono aggiornati a Febbraio 2006. Questo significa che è necessario considerare le variabili dipendenti relative alla CT di Luglio 2005. Inoltre, possono essere considerate solo variabili relative ad uno storico di sei mesi.

6. T5 T-2 T0 T3 E’ necessario analizzare almeno due fotografie distinte per essere sicuri che il fenomeno (evento target) sia stazionario nel tempo. E’ stata verificata la stabilità per i mesi di Luglio 2005 e Febbraio 2005. Il tasso di abbandono di Lug05 è 2.3%, quello di Feb05 è 2.4%. CT 6 MONTS History Dark Period Prevision Period Latency Period Il modello viene sviluppato sulla base della CT di Luglio 2005, per la quale si ha un numero di eventi positivi sufficientemente elevato, adeguato per sviluppare il modello. Non è pertanto necessario considerare CT relative a periodi anteriori. MONTH T +4 MONTH T -2 MONTH T -1 MONTH T +1 MONTH T +2 MONTH T +3 MONTH T +5 Due fotografie

7. Filtri Il clienti attivi alla fine di Luglio 2005 sono 729.73, con un tasso di abbandono di circa 2.3%. Vengono applicati i seguenti filtri: Black list, Dipendente, Età (<=70), Non residente, Prestito a lungo termine. Il numero di clienti attivi diminuisce (570.397), il numero di eventi positivi ha un abbattimento dell’11% (passa da 16920 a 13419) e il nuovo tasso di abbandono è di circa 2.35%. (*) Questi clienti sono attivi alla fine di Luglio 2005, attivi/dormienti nel Dark Period e Latency Period e attivi/dormienti/TL2/LOST nel Prevision Period.

8. ... eventuali ulteriori filtri: Tenure

9. Popolazione target Dopo l’applicazione dell’ulteriore filtro Tenure la numerosità della popolazione target è di 550.258 clienti attivi. Gli eventi positivi sono circa il 9% (passano da 13419 a12320), con un tasso di abbandono di circa 2.24%. • 6° FiltroEsclusione dei clienti che hanno aperto il loro primo c/c entro gli ultimi sei mesi.

10. Variabili Esplicative Nella CT di Luglio 2005 sono state selezionate le seguenti variabili esplicative Selezionate Problemi relativi ai dati Ulteriori informazioni Non selezionate

11. Scelta del primo set di variabili Una prima selezione delle variabili è stata effettuata dopo aver analizzato le distribuzioni univariate di tutte le variabili presenti nella CT di Luglio 2005. Criteri di selezione: • forma della distribuzione (ad es. il numero totale di transazioni per investimenti è stato scartato per la bassa % di casi ≠0) • esclusione delle variabili definite su 12 mesi, dal momento che i dati disponibili consentono un’analisi limitata ad un orizzonte temporale di 6 mesi. • altri problemi relativi ai dati

12. Trasformazioni delle variabili • Oltre alle variabili originarie sono state prese in considerazione alcune loro trasformate sulla base dei seguenti criteri: • trend • Δ comportamenti dei clienti • In genere variabili di questo tipo hanno una buona capacità predittiva nell’ambito delle dinamiche dell’abbandono.

13. Products Products Churn Rate % Customers CORE Accounts CORE Accounts 2.23% 99.5% Current Account Current Account 1.93% 89.4% FX Accounts FX Accounts 1.61% 46.2% Savings and Deposits Savings and Deposits 1.16% 32.0% Giro Accounts Giro Accounts 2.54% 18.6% Investments Investments 0.61% 1.8% Credit Card Credit Card 18.0% 0.30% Loans not LT Loans not LT 0.58% 20.6% Total # Customers Total # Customers 2.24% 550.258 Prodotti (*) (*) I dati si riferiscono a Luglio 2005

14. Prodotti (CR+FX+SV+GR) (*) (*) I dati si riferiscono a Luglio 2005

15. Età dei clienti (*) Dati relativi alla popolazione target dopo l’applicazione di tutti i filtri.

16. Modelli di Churn • Modello n°1 Variabili in input: variabili originarie della CT • Modello n°2 Variabili in input: Variabili originarie della CT+trasformate

17. Scelta del modello Modello n°1 Modello n°2 Peggior 5% dei clienti: il tasso di abbandono atteso è 7.45 volte il tasso di abbandono medio. Peggior 10% dei clienti: il tasso di abbandono atteso è 5.63 volte il tasso di abbandono medio. Peggior 5% dei clienti: il tasso di abbandono atteso è 8.37 volte il tasso di abbandono medio. Peggior 10% dei clienti: il tasso di abbandono atteso è 6.04 volte il tasso di abbandono medio. Dopo aver analizzato le statistiche di fit e la curva lift è stato scelto il Modello n°2

18. Modello n°2 - Lift Chart sulla popolazione target Peggior 5% dei clienti: il tasso di abbandono atteso è 8.37 volte il tasso di abbandono medio. Peggior 10% dei clienti: il tasso di abbandono atteso è 6.04 volte il tasso di abbandono medio.

19. Modello n°2 - % di risposta catturata Il peggiore 10% dei clienti contiente il 60.36% dei lost/TL. Il peggiore 5% dei clienti contiente il 41.83% dei lost/TL.

20. Δ %: monthly avg. balance for all COR C:>0.4 B:-0.4/-0.02 or 0.02/0.01 B:-0.4/-0.02 or 0.02/0.01 B:-0.4/-0.05 or 0.05/0.4 Monthly avg. balance for Loans in T1 A:-0.02/0.02 A:-0.05/0.05 A:-0.02/0.02 B:-1600/1300 A:<-1600 or D:>=9000 Last Product assigned is a COR account # of transaction on SV in T1 # of transaction on COR in T1 Bill pay service Δ %: # of transactions on COR Δ % : amount of debit transaction on COR Δ %: amount of credit transaction on COR Δ between Products holding in the previous half-year and in the current month Δ amount of credit and debit transaction on COR in T1 Monthly avg. balance for all COR in T1 Age of Customer Sex of Customer Regressori selezionati - - - - - + - + - + - - - - - - + + + + + + - - - - - - - + - + - - - +

21. Come utilizzare il modello • Validazione del modello • Definizione di una campagna di retention • Definizione dell’ampiezza del target • Descrizione della target list • Misurazione della campagna

22. Definizione della campagna di retention • Periodo della campagna? Un mese? Due mesi? Quante campagne posso essere fatte in un anno? • Campagna centrale vs campagna locale? Una combinazione delle due? • Canale per contattare la clientela? Posta – telefono? • Obiettivo del contatto? Visite in filiale per riesaminare le clausole del contratto? Oppure per migliorare le clausole del contratto? Oppure per vendere un’offerta speciale? • Come fare in modo che tutti i direttori di filiale seguano la stessa linea? Come guadagnarsi la loro fiducia/impegno? • Per quali ragioni i direttori di filiale dovrebbero usare la Target list basata sul modello di churn? Stanziamento di un budget su quella lista? O sul loro portafoglio? Bonus plan? • Quanto tempo dovrebbero dedicare alle politiche di retention i direttori di filiale? E durante questa attività quanti conttati dovrebbero essere in grado di gestire?

23. Definizione dell’ampiezza del target Descrizione Ampiezza Target • Clienti attivi • Non dipendenti • No prestiti a lungo termine • Età 18-70 • Apertura primo c/c > 6 month • Residenti • Totale: 550.258 Popolazione target • Il primo X% della popolazione target • Si considera ad es. Il top 10%+altre priorità di business (depositi, entrate, prestiti,…) • Totale: • Rischio Elevato (Rosso) • Rischio medio/alto (Arancione) • Rischio medio (Giallo) 55.000 11.500 16.500 27.000 Target Churn List • Campione rappresentativo della Churn Target List che non verrà considerato per la campagna di retention. • Si considera ad es. Il 10% della Target Churn List. • Totale: • Rosso • Arancione • Giallo Test Churn List 5.500 1.150 1.650 2.700

24. Descrizione della target list • Il modello di churn assegna uno score ad ogni cliente, proporzionale alla probabilità di abbandono • Utilizzando tale score si possono identificare varie popolazioni target • Il profilo di tali popolazioni deve essere descritto utilizzando le linee guida del modello di churn • Per guadagnare la fiducia dei direttori di filiale il linguaggio del modello va però semplificatoutilizzare indicatori molto semplici: • Selezionare le sei variabili più significative (criteri statistici) • Selezionare le sei variabili più comprensibili (criteri di business) • Unire i due insiemi e se quattro delle variabili sono comuni utilizzarle per definire i profili di rischio di abbandono • Confrontare il profilo dei clienti a rischio di abbandono con il profilo della popolazione target • Costruire grafici efficaci e condividerli con i direttori di filiale

25. Misurazione della campagna di retention Dicembre 2006 – Gennaio 2007 Tasso di abbandono su due mesi Control Churn Rate Target Churn Rate 585 Population Churn Rate • E’ necessario misurare la redemption della campagna considerando diversi tipi di eventi: • % contatti positivi • % retention su due mesi • % retention su sei mesi • Trend dei clienti rientrati: • A&L • Profittabilità • .... 453 412 344 250 293 229 174 100 Top 10% Rosso Arancione Giallo Popolazione target Clienti target per la campagna

26. Utilizzo del modello – Business Case

27. Utilizzo del modello – Business Case Nell’ipotesi di ripetere la campagna di retention quattro volte all’anno, è stato stimato un numero pari a 7000 clienti rientrati. Se si considera un guadagno annuo pari a 100€ per cliente, si stima che il risparmio totale ottenuto grazie alla campagna di retention è di 700.000 €. Dicembre 2006 – Gennaio 2007 Tasso di abbandono su due mesi 55.000 7.425* 1.850 3.085 2.490 Clienti target per la campagna Clienti target che avrebbero dovuto abbandonare (*) Clienti target che non sono stati contattati e hanno abbandonato (**) Clienti target contattati che hanno abbandonato (***) Clienti target contattati che non hanno abbandonato (***) (*) Calcolato usando il top 10% del tasso di abbandono della popolazione target (13.5%) (** ) Calcolato usando un “positive contact rate” di 75% (*** ) Calcolato usando come benchmark un tasso di retention di 45%