Система для увеличения продаж (Cross- Up- Sale)

Задача, стоящая перед клиентом

Один из крупнейших банков СНГ был заинтересован в увеличении объема продаж розничных продуктов, повышении эффективности кампаний по перекрестным продажам и снижении операционных расходов на маркетинг посредством применения современных инструментов аналитики.


Перед банком стояли следующие сложности:

  1. Отсутствие знания о профилях клиентов и сегментах для розничных банковских продуктов
  2. Отсутствие связей между источниками информации о клиентах (банковские системы)
  3. Отсутствие доступа к информации необходимой для принятия бизнесс-решений
  4. Отсутствие эффективных средства для выгрузки, обработки и анализа данных

Основные заинтересованные стороны проекта были представлены Департаментом маркетинга, Департаментом розничного бизнеса и Департаментом стратегии.

Решение от Deloitte Analytics Institute

Для достижения поставленных клиентом целей Deloitte Analytics Institute применил комплексный подход, который включал в себя следующие этапы:

  1. Структурирование задачи.

    Deloitte Analytics Institute собрал информацию об ожиданиях, задачах и требованиях, имеющихся у департаментов и заинтересованных экспертов банка. Специалисты Deloitte Analytics Institute провели встречи с заинтересованными сторонами (представителями основных бизнес-функций, департаментом маркетинга, ИТ) в рамках которых были уточнены требования к системе и сформулированы ожидания клиента.
  2. Сбор и предварительная обработка данных.

    На данном этапе Deloitte Analytics Institute собрал все необходимые данные из системы управления отношениями с клиентами (CRM) и из транзакционной системы. Набор данных включал социально-демографическую информацию, историю покупок клиента, информацию по ежемесячным платежам и динамике остатков на счетах, информацию о взаимодействии банка с клиентом. Далее, осуществлялась проверка на предмет непротиворечивости данных, полученных из различных источников, и устранение имеющихся противоречий. Также была проведена работа с дублирующимися данными и пропущенными значениями. Были сформированы словари данных, проведены статистические расчеты. Банку была представлена информация об обнаруженных проблемах в данных и способах их устранения.
  3. Анализ данных и разработка алгоритмов.

    Deloitte Analytics Institute начал работу с обогащения исходных данных, дополнив их информацией о динамике расходов и доходов клиентов банка. Для обеспечения понимания финансового поведения и состояния клиента, Deloitte Analytics Institute сделал расчет совокупных остатков и доходов/расходов на различные временные периоды. Эти рассчитанные признаки были скомбинированы с признаками из CRM системы (социал-демографические и история покупок клиента). К созданному массиву признаков были применены различные алгоритмы машинного обучения для прогнозирования какой продукт и какому клиенту рекомендовать. Затем на основании тестирования на исторических данных был выбран алгоритм предоставляющий наиболее точные рекомендации.
  4. A/B-тестирование.

    С целью подтверждения эффективности разработанного решения Deloitte Analytics Institute запланировал проведение эксперимента, предусматривающего A/B-тестирование. Для каждого рекомендуемого продукта клиенты Банка были разделены на три группы: по рекомендательному алгоритму, по социал-демографической сегментации и без рекомендаций. Банк предлагал кредитные карты и кредиты, используя обзвоны через колл-центры, а дебетовые и премиальные дебетовые карты, используя SMS-оповещение клиентов. Эксперимент был завершен спустя месяц, после того как звонками из колл-центра были охвачены клиенты всех групп. Результаты A/B-тестирования показали высокую конверсию и продажи при применении рекомендательного алгоритма.

Методы

  • Машинное обучение
  • Рекомендательные системы
  • A/B-тестирование

Результаты

Анализ качества данных: Deloitte Analytics Institute представил клиенту отчет о состоянии имеющихся данных, дал оценку согласованности данных, в также подготовил предложения по решению проблем, связанных с обработкой данных.

Рассчитаны рекомендуемые профили клиентов (сегменты) для основных розничных продуктов Банка.

Разработана рекомендательная система, способная точечно выбирать клиентов для продажи им банковских продуктов.


По результатам A/B тестирования получена оценка эффективность системы для каждого продукта Банка:

  1. Кредитные карты: рост продаж более чем на 80% по сравнению с социал-демографическими рекомендациям
  2. Кредиты: рост продаж более чем на +376% по сравнению с социал-демографическими рекомендациям
  3. Классические дебетовые карты: рост продаж более чем на 50% по сравнению с социал-демографическими рекомендациям

Влияние решения на стоимость бизнеса

Shareholder Value

  1. Revenue Growth
    1. Volume
      1. Acquire New Customers
      2. Retain & Grow Current Customers
      3. Leverage Income Generating Assets
    2. Price Realization
      1. Strengthen Pricing
  2. Operating Margin (after taxes)
    1. Selling General & Administrative (SG&A)
      1. Improve Customer Interaction Efficiency
      2. Improve Corporate/ Shared Service Efficiency
    2. Cost of Goods Sold (COGS)
      1. Improve Development & Production Efficiency
      2. Improve Logistics & Service Provision Efficiency
    3. Income Taxes
      1. Improve Income Tax Efficiency
  3. Asset Efficiency
    1. Property, Plant & Equipment (PP&E)
      1. Improve PP&E Efficiency
    2. Inventory
      1. Improve Inventory Efficiency
    3. Receivables & Payables
      1. Improve Receivalables & Payables Efficiency
  4. Expectations
    1. Company Strenghs
      1. Improve Managerial & Governance Effectiveness
      2. Improve Execution Capabilities
    2. External Factors

Как решение Deloitte Analytics Institute помогает повышать стоимость бизнеса

ROI проекта (за год) = 923%