Tekst przeczytasz w:
2 minuty.
Głównym celem projektu było wytypowanie klientów, którzy będą skłonni do skorzystania z oferty lokaty strukturyzowanej.
Pozwoliło to zwiększyć skuteczność cyklicznych kampanii poprzedzających subskrypcję (early bird) oraz kampanii w trakcie okresu subskrypcji (follow up), obniżyć ich koszty i uniknąć „przeciążenia” komunikatami klientów o niskim zainteresowaniu tą ofertą.
PROBLEM
- Dotychczasowe kampanie produktów inwestycyjnych prowadzone były bez analitycznego wsparcia. Skutkowało to wysokimi kosztami obsługi tych kampanii, zarówno po stronie kanałów komunikacji elektronicznej i call center, jak i w oddziałach banku.
- Przeciążenie oddziałów i call center koniecznością kontaktów z klientami zaspokajającymi ciekawość, ale nie finalizującymi transakcji.
- Niska efektywność kampanii sprzedażowych dla tego typu produktów.
ROZWIĄZANIE
- Budowa modelu predykcyjnego dla Klientów detalicznych, opisującego skłonność do korzystania z oferty lokaty strukturyzowanej.
- Budowa po stronie hurtowni danych banku analitycznego widoku danych dla produktów depozytowych. Umożliwiło to przygotowanie modeli predykcyjnych i scoringu tych modeli.
- Wdrożenie cyklicznego, miesięcznego procesu skoringowego dostarczającego informację o skłonności do skorzystania z oferty na lokatę strukturyzowaną.
- Cykliczne, realizowane co 2-4 subskrypcje, odświeżanie modelu.
Efekt/korzyści:
- Redukcja kosztów działań sprzedażowych poprzez powstrzymywanie oferowania produktów do klientów o niskiej skłonności.
- Lista Klientów uporządkowana od tych o najwyższej skłonności do korzystania z lokaty strukturyzowanej.
- Zbudowany i wdrożony mechanizm comiesięcznego scoringu klientów pod kątem skłonności do zakupu lokaty strukturyzowanej.
Powiązania pomiędzy produktami pomagają obliczyć szanse akceptacji oferty
Szczegóły projektu
Zainteresowaliśmy Cię?
Chętnie porozmawiamy na tematy dotyczące zastosowania analizy danych w twoich działaniach.
Dysponujemy wiedzą z wielu obszarów i znamy specyfikę branż.
