Zwiększenie efektywności kampanii sprzedażowej overdfratu

Tekst przeczytasz w: 2 minuty.
Przygotowaliśmy model na potrzeby kampanii oferującej limit w rachunku klientom mikro i MŚP.

Głównym wyzwaniem było nie tylko podniesienie efektywności sprzedaży oraz zmniejszenie kosztów, ale także uniknięcie kanibalizacji produktów, czyli sytuacji, w której skorzystanie z  overdraftu  będzie skutkować wycofaniem się z korzystania z innych usług banku. Wymagało to odpowiedniego planowania targetów kampanijnych.

 

PROBLEM

  • Niski poziom i wysokie koszty sprzedaży w obszarze produktów kredytowych – w tym limitów kredytowych w rachunku.
  • Oczekiwania co do wzrostu efektywności oferowania tego typu produktów.
  • Duża część klientów wycofywała się z transakcji na etapie rozpatrywania wniosku - wymagało to pracy na poziomie produktu, polityki ryzyka oraz adresowania wariantów overdarftu do różnych grup zainteresowanych produktem.

ROZWIĄZANIE

  • Budowa modelu predykcyjnego dla klientów instytucjonalnych (mikro przedsiębiorstwa i MŚP) opisującego skłonność do aktywnego korzystania z overdraftu.
  • Identyfikacja i profilowanie grup klientów o wysokiej skłonności do korzystania z limitu w rachunku, ale go nie posiadających, w tym profili produktowych z uwzględnieniem innych posiadanych produktów kredytowych (w celu zarządzania kanibalizacją produktów).
  • Wdrożenie cyklicznego, miesięcznego procesu scoringowego dostarczającego informacji o skłonności do skorzystania z oferty na kredyt obrotowy.

 

 

Efekt/korzyści:

  • Redukcja kosztów działań sprzedażowych poprzez powstrzymywanie oferowania produktów do klientów o niskiej skłonności do korzystania z produktu.
  • Dobór grup w odniesieniu do ryzyka kanibalizacji kart kredytowych i kredytów gotówkowych.
  • Lista klientów uporządkowana od tych o najwyższej skłonności do korzystania z limitu w rachunku.
  • Zbudowany i wdrożony mechanizm comiesięcznego scoringu klientów pod kątem skłonności do zakupu limitu kredytowego w rachunku.

 

Kredyt w rachunku

Skumulowany lift pokazuje o ile lepiej przewiduje się skłonność do korzystania z overdraftu na podstawie modelu, niż gdybyśmy to robili bez modelu (na podstawie rozkładu zjawiska).

 

Szczegóły projektu

 

Czas realizacji

6 tygodni

Oprogramowanie

PS CLEMENTINE PRO

Zaangażowany zespół

Predictive Solutions - 2 osoby.

Po stronie klienta - 2 osoby zaangażowane bezpośrednio i 2 osoby odbierające wyniki.


Udostępnij artykuł w social mediach



Branże:
bankowość

Zainteresowaliśmy Cię?

Chętnie porozmawiamy na tematy dotyczące zastosowania analizy danych w twoich działaniach.
Dysponujemy wiedzą z wielu obszarów i znamy specyfikę branż.

Ustawienia dostępności
Zwiększ wysokość linii
Zwiększ odległość między literami
Wyłącz animacje
Przewodnik czytania
Czytnik
Większy kursor