INTELIGENCIA COMERCIAL EN TELEFONICA NEGOCIOS - Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
INTELIGENCIA COMERCIAL
EN
TELEFONICA NEGOCIOS
TELECOMMUNICATIONS MARKETING
MODELLING RESEARCH
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
Índice
Information Modelling
Valor de la Información
Valor de la Información
Por Qué?
Proceso de Inteligencia Comercial en TN
WAR
Inteligencia de Bases de datos en TASA
Casos Prácticos
Hacia donde vamos?
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
Por que tiene valor la
Información?
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
…Porque impacta directamente en la Ecuación de Ingresos
Existen Relaciones,
asociaciones, patrones y
principios que gobiernan
estas variables
Las
Conocemos?
Si?
Predecimos
Controlamos
Optimizamos
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
FUNCIÓN DE BUSINESS INTELLIGENCE: MAXIMIZAR LA ECUACIÓN DE INGRESOS CON
RESPECTO AL TANDEN DATOS-INFORMACIÓN-CONOCIMIENTO
Detectar De Valor
Nuevos No Cualquier Cliente
Clientes
Conocerlo su
comportamiento
+ ∆+ Clientes ⋅ I ∆+
− Shared
INGRESOS = + StockClientes ⋅ I Stock ⋅ (1 + ∆Wallet
I )
−
− ∆ Churn Clientes ⋅ I Churn
Detectar
Señales y
Alarmas
Segmentarlos IC
Detectar
Detectar Evaluar Nuevos
Clientes trade-off Necesidades
Insatisfechos entre costo
de retención
e incentivo
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
FUNCIÓN DE BUSINESS INTELLIGENCE: MAXIMIZAR LA ECUACIÓN DE INGRESOS CON
RESPECTO AL TANDEN DATOS-INFORMACIÓN-CONOCIMIENTO
Nuestro Primer Objetivo:
Tener Poder sobre la ecuación de
Ingresos
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
Conocimiento=Poder??
Corolario: Para Controlar la ecuación
de ingresos debemos,
•Observar lo que ocurre
•Recolectar datos
•Extraer reglas
•Realizar acciones para que ocurra lo
que deseamos
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
FUNCIÓN DE BUSINESS INTELLIGENCE: MAXIMIZAR LA ECUACIÓN DE INGRESOS CON
RESPECTO AL TANDEN DATOS-INFORMACIÓN-CONOCIMIENTO
…Entonces
Debemos entender cual es el
proceso del conocimiento que
aspiramos para poder replicarlo
en Telefónica Negocios…
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosExiste una evolución desde la recolección de Datos hasta tener la capacidad de
Lograr que Ocurra lo que queremos …
Datos Información Conocimiento Sabiduría
Futuro: Visión y Diseño
Pasado: Que ha ocurrido
Consistencia
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosEl proceso evoluciona como una función del nivel del conocimiento y de la
conectividad de los datos…
Datos Información Conocimiento Sabiduría
Conectividad El cliente XX es tecnológico, creció muy rápido, tuvo
problemas en el momento de las instalaciones (año
Sabiduría pasado) y en la primera facturación. Sus Clientes
Entendiendo transmiten imágenes y la mayoría posee enlace de
Principios datos. Su principal cliente esta en el Norte y posee
tramas con la competencia y en función del trafico
Conocimiento entrante ………..
Entendiendo Si un cliente posee un alto trafico corporativo
local y posee contactos con clientes que utilizan
Patrones
Información Datos es probable que los imiten y descienda el
Trafico Corporativo
Entendiendo XX SA amplio sus sucursales en Julio Bajo
Relaciones el trafico LDN con un proveedor YY SA
Datos que tiene enlace dedicado de datos y luego
el trafico urbano cayó
Hechos Entendimiento
( XX SA; Novi/06; 3.000 Min locales )
Observables
( XX SA; Mar/06 ; 15.000 Min locales )
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosY en Telefónica Negocios donde
nos ubicamos a lo largo de este
proceso teniendo en cuenta….
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios…el escenario de una empresa de Telecomunicaciones…
• Sector regulado de la economía. • Elasticidad diferencial:llamadas
• Grandes volúmenes de información. coyunturales vs Alta frecuencia
• Escaso valor de datos de demanda del • Precios en múltiples dimensiones.
tipo agregada. • Formas no triviales de Tasación.
• Demanda no compulsiva. Second Best. • Múltiples servicios asociados a un solo
• Primero consume luego paga. bien.
• Bienes consumidos divisibles y con • Localización , densidad telefónica y
excedente del Consumidor medible nivel de actividad zonal.
(opción de comunicarse, externalidad • Alto progreso tecnológico. Evolución
de red). de Sustitutos Perfectos (Telcos
• Múltiples dimensiones en el consumo Cableras Móviles).
de los bienes. • Curva de oferta decreciente (Costos
• Utilidades diferenciadas por tipos de marginales decrecientes). Rent. Extra.
clientes. Insumo vs gasto • Distribuciones de consumo
• Conocimiento diferencial de la Telco fuertemente asimétricas a la derecha
con respecto al consumidor • WWW Revolution
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios…Y teniendo en cuentas que a partir de los datos se obtiene mucha
información…
Capacidad de Conocimiento
Sin Limites
Capacidad Conocimiento Diferencial de Nuestros Clientes Capacidad Financiera,Logística
de almacenar y procesar Información Incluso MAS QUE ELLOS MISMOS Marketing
Ley Moore Hora de Inicio/Fin de ocupación
Trans/Pul_C(18 m)=2 x Trans/Pul_C(hoy) Utilización intradiaria
650 Millones LL locales Momentos de relax
90 Millones LL LDN Momentos de Actividad
6 Millones LDI Tipos de destino(D/D-N/N)
1Mil l Usuarios Internet Agenda
Horario de Ubicación
Nivel de Ingreso
Quien lo llama, con que frecuencia, cuando, etc
Contactos cruzados de su comunidad de interés
Banco Probable
Tarjeta de Credito
Proveedores
Cantidad de habitantes
Club
Colegios de sus hijos
Si hace caridad
etc,etc,etc
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosUbiquemos en el proceso
Primero: Empecemos con los
Datos…Cómo los Recolectamos …de
forma confiable?
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosConectividad
Sabiduría
Conocimiento Entendiendo
Principios
Entendiendo
DW
Información
Patrones
Entendiendo
Datos Relaciones
Entendimiento
Hechos
Observables Colección DW Corporativo
de Hechos
Implementación 1999
Creció de 1.6 TB 16 TB
e Unifica fuentes de datos
res az os d 4.5 Mill de Clientes + 160.000
u l a P l go s
Cel Pa
Er
Ba
das
Empresas
Ba
la
n
a
ng
da
ja s ha
m
Lla q ue
12 meses en línea + Histórico
An
Par ias ites
c
n c
Tra
m Acceso simple a información
Do ream
ta
Dis
St
wn s
s
Av
M
ma compleja
-
ail mos
a
Lo
r
er
Re
T
ías
c
+ 30 Sistemas Fuentes
cla
al i
s
De
icio
za
Al
v Ahorrar recursos de desarrollo
sti
ci ó
Ser
res
ta
no
o
s
ne
et id
s
en Sistemas
s
o mp ció
n
C u r a
S at
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosConectividad
Sabiduría
Conocimiento Entendiendo COMPROBANTES,
Principios
Entendiendo DETALLE DE FACTURAS RECAUDACIONES, AJUSTES, CAJAS,
Información
Patrones DE OTROS GESTION DE IMPAGOS
Entendiendo
Datos Relaciones CONSUMO
Entendimiento COMPROBANTES, LOCAL, LDN, LDI,
TRÁMITES RI, CPP,
DETALLE DE
Hechos COBROS
AUDIO,
FACTURAS
Observables TERCEROS
FACTURACIÓN TRÁFICO
RECLAMOS INFOR.
PRODUCTOS ORGANIZAC. CLIENTES CALL
RECLAMOS CONTACTOS
Y SERVICIOS CENTER
PARQUE DOMICILIOS
AREAS DE AVERIAS
CAMPAÑAS
INFORMACION AVERIAS DE
CAMPAÑAS Y
RED
FIDELIZACIÓN LEADS ELABORADAS
PRODUCTOS
Y SERVICIOS CARTERIZA
-CION FVD
PROGRAMAS DE
CABLES, CENTRALES, FIDELIZACION DE LA EMPRESA
CAJAS, MANZANAS CANALES EJECUTIVOS Y
RELACION CON CLIENTES
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosConectividad
Sabiduría
Conocimiento Entendiendo
Principios
Información Entendiendo
Patrones
Entendiendo
Relaciones Vip Git
Datos Sivetel CEAP
Entendimiento
Carrier Atis
Hechos s Cidi
Observables Facturación Trafico
Cooper
Sigeco
ativas Interco
PSSBA
Perseu Factura nexió
s ción PC Infrenet
Cobros
Sidi
ALGUNOS Pioneer
GPyM Fadeud
a
SISTEMAS Cota
Gestión
FUENTES Comercia
l Simple
x Red
Vip
Vantive Otros
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosConectividad
Sabiduría
Conocimiento Entendiendo
Principios
Información Entendiendo
Patrones
Entendiendo
Datos Relaciones
Entendimiento
Cadena de Valor de
Inteligencia Comercial
Segundo: Datos tenemos…
Cómo creamos un proceso que
mimetice la cadena de valor del
conocimiento?
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosDefinamos la Cadena de Valor de Inteligencia Comercial en TN…
…adaptando el proceso del conocimento a las necesidades de una empresa…
Incremento
Problema Conocimiento Decisión
DATOS INFORMACIÓN CONOCIMIENTO ACCION RESULTADOS
INPUT ALGORITMOS OUTPUT FEEDBACK
Acceso al Sistema de Variables Procesamiento Transformar en En base a los
para el proceso de Inteligencia complejo de datos e Accionable el resultados generar
Comercial. Dominio complejo de Información. Conocimiento Nuevo
DW. Transformar los Datos en Conocimiento que
Problem Solving Generación de
Información para los Clientes retroalimente al
Datamining Campañas
Internos y externos de IC. Sistema de IC.
Entender Relaciones Entender Patrones Acciones
Entender Principios
Cada área específica de IC surge como una necesidad genuina a
partir de cada etapa del Proceso de Generación de Conocimiento
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Una vez observado el proceso de IC surge
naturalmente la división de tareas dentro del área.
Análisis
DATOS INFORMACIÓN CONOCIMIENTO ACCION Mesoeconómico
RESULTADOS
INPUT ALGORITMOS OUTPUT FEEDBACK
Central de Central de Central de Central de
Información Inteligencia Operaciones I-Learning
Modelos Datamining Campañas Respuesta del
Analíticos cliente
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Actua sobre datos
previamente conocidos
en TASA
Función:
Acciona sobre el Stock General de
Datos Pre-existentes en TASA para
generar Tableros y Estudios Ad-hoc.
DATOS INFORMACIÓN Consultoria in-house en Marketing
Modelling Research.
Analizar la evolución de los
INPUT
comportamientos sobre
productos/servicios/segmentos/clientes.
Se concentra sobre lo que aconteció
Quien, Que, Donde y
Cuando.
Central de Clientes: Ejecutivos de cuenta, Jefes
Información de Productos, Segmento y otras áreas
Modelos de la Unidad de Negocio
Analíticos
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Una vez observado el proceso de IC surge
naturalmente la división de tareas dentro del área.
Análisis
DATOS INFORMACIÓN CONOCIMIENTO ACCION Mesoeconómico
RESULTADOS
INPUT ALGORITMOS OUTPUT FEEDBACK
Central de Central de Central de Central de
Información Inteligencia Operaciones I-Learning
Modelos Datamining Campañas Comportamiento
Analíticos del cliente
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Función:
Desarrollar modelos
Clientes: Predictivos de Churn,
Segmento, Jefes CONOCIMIENTO
propensión y Wallet Shared.
de Producto. Establecer Métodos de
Internamente Búsqueda de Señales que
posee como afecten la ecuación de ingreso
clientes a la ALGORITMOS
de TN.
Central de
Información y a la Entender Patrones
central de
Operaciones Generalizar e
Interpolar
Central de Descubre NUEVO
Inteligencia conocimiento
“Interpolando” sobre
Datamining Información disponible
en bases de TASA
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Una vez observado el proceso de IC surge
naturalmente la división de tareas dentro del área.
Análisis
DATOS INFORMACIÓN CONOCIMIENTO ACCION Mesoeconómico
RESULTADOS
INPUT ALGORITMOS OUTPUT FEEDBACK
Central de Central de Central de Central de
Información Inteligencia Operaciones I-Learning
Modelos Datamining Campañas Comportamiento
Analíticos del cliente
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Datamining=Conocimiento Accionable
Función:
Administrar e Implementar las
Acciones que surgen del Proceso ACCION
anterior por medio del CRM de TN,
llevando adelante toda la
administración de las campañas
segmentadas. OUTPUT
Proceso sumamente complejo
D + I + C … ACCION
Clientes: Ejecutivos de cuenta,
Segmento y Call-in.
Central de
Operaciones
Campañas
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Una vez observado el proceso de IC surge
naturalmente la división de tareas dentro del área.
Análisis
DATOS INFORMACIÓN CONOCIMIENTO ACCION Mesoeconómico
RESULTADOS
INPUT ALGORITMOS OUTPUT FEEDBACK
Central de Central de Central de Central de
Información Inteligencia Operaciones I-Learning
Modelos Datamining Campañas Comportamiento
Analíticos del cliente
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosComo nacen las áreas de IC a partir del proceso de conocimiento…
Descubre NUEVO conocimiento
a partir de cada contacto ,
respuesta e investigación.
Función:
Generar datos e información Nuevos
sobre los clientes, en base a las
Análisis
respuestas de las campañas y a todo
nuevo contacto que los clientes efectúen Mesoeconómico
RESULTADOS
con TN.
Diseña una ficha de cliente óptima y
maximizar la extracción de información FEEDBACK
desde el call-in, call-out, oficinas
comerciales, mercado, tráfico, etc.
Hacia el Entendimientos de Principios
Clientes: Ejecutivos de cuenta, Jefes de
Productos, Segmento y otras áreas de la
Unidad de Negocio Central de
I-Learning
Comportamiento
del cliente
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosEn General y en Telecomunicaciones en
particular…
Cuando mas complejo es el escenario en el que
opera la ecuación de ingresos
Mayor es el valor del Tanden
Datos+Información+Conocimiento
Corolario: Es vital conformar un grupo de IC
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosCual es la estrategia de una
Telco...
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosEscenario
• Apertura de Competencia • Activos del Incumbente
– Eliminación Ingresos – Red de enorme
Extraordinarios capilaridad.
– Gobiernos declaran W y – Base de clientes.
L. Licuación M. Share Distintos Tipos
– Desarrollo Tecnológico. – Interconexión
Sustitutos. Celulares- – Inteligencia Comercial
Datos-Internet-Tarjetas- – Multitud de Productos
Triple-Play
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosBásicamente...
WAR
W A R
Wallet Share Acquisition Retention
Maximizar la participación Ganar Clientes Rentables Evitar el churn
en el ingreso de los clientes tanto de bienes clásicos Defensa Entrantes
Incentivar el Gastos en como nuevos Escenario Competitivo
telecomunicaciones Sustitución
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosGanar nuevos clientes
• Distintas dimensiones
– Zona Norte: Como Entrantes.
• Líneas locales Pumas/ATD
• Clientes de Larga Distancia/Speedy/0800
– Zona Sur : Crecimiento. Cazadores.
– Recuperar Clientes Perdidos: Winback Sur - Larga
Distancia/Banda Ancha.
– Nuevos Productos. Nos convertimos en Entrantes.
Prioridad:Banda Ancha, Cam24, Redes Privadas, Datos
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosGanar nuevos clientes
• Clientes Sin historia?
– Captura con retroalimentación (Cazadores). Mapas
Inteligentes
– Intersección de atributos con clientes Con Historia
• Clientes Con historia PERO No Consumen
nuestros Productos
– Modelización de los atributos consistentes con el
producto. Búsqueda dirigida
– Clasificación/Asociación con clientes Semejantes
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosRetención
• Advertencia I: Es distinto Ganar a Retener.
• Advertencia II: Ganar y perder clientes es
Normal
• Detectar los Probables Churn.
– Quienes
– Por que? Estudiamos el proceso
• Una vez detectados hacer algo (Cambiar algo)
para disuadir
• Problema I: Timing. Si detecto tarde = Fracaso.
• Problema II: Disminución de Ingresos. Detectar
Churner Profesionales. Economía del Churn.
• Localización y actividad de la Competencia
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosRetención
• Churn Absoluto: Número de Clientes Perdidos
sobre el total de clientes Base en un período.
• Churn de Productos: Número de Líneas o
servicios perdidos sobre el total de los clientes.
• Churn de Tráfico: Caída de tráfico sin perder el
cliente por sustitución (ldi x Internet, ldn x
móvil, Spm, etc.)
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosWallet Share
• Objetivo: Minimizar Contactabilidad
• Up-Selling: Vender productos adicionales a clientes que
pensaban comprar un solo producto (Paquetes de pulsos,
Up-grade Speedy)
• Cross-Selling: Vender nuevos productos a partir de patrón
de compras pasadas del mismo cliente o de otros clientes
(SVA, TB, Speddy)
• Bundling:
– Reglas de Asociación. Fija+Movistar.
– Identificar productos y servicios relacionados para
ofrecerlos en grupo. Ej: Línea Posnet+Speedy.
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosInteligencia de Bases de datos en
Telefónica Negocios
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosUn Caso Practico:
Churn de Clientes Speedy
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosChurn de Speedy
EMPRESA: Telefonica de Argentina – Unidad de Negocio Preferencial
Resumen
Detectar a los clientes con alta Probabilidad de Churn de ADSL en una
OBJETIVO:
ventana de 15 días posterior a la corrida y por una validez de 30 días.
POBLACIÓN Todos los segmentos de UNPre
OBJETIVO:
UNIDAD MUESTRAL: Cliente - Línea ADSL
VARIABLE DE Variables de Tráfico, facturación, reclamos, líneas, etc
ANALISIS:
POBLACIÓN: 34.616 Speedy TARGET: 492 Speedy dados de baja por mes
PERÍODO DE Inicio: 01/011/2005 Termino: 31/06/2006
ANALISIS:
TECNICA
Regresión Logística
ESTADÍSTICA:
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosPreparación del Data Set: 45 días
CREATE SET TABLE TMP_MOD_UNPRE.DST_SPEEDY ,NO FALLBACK , Cant_Incomunic INTEGER, Cant_SVAS_TOTAL INTEGER,
NO BEFORE JOURNAL, fl_Incomunic BYTEINT, fl_Cambio_de_Numero BYTEINT,
NO AFTER JOURNAL, Cant_Lineas_Cliente INTEGER, fl_Cambio_de_Producto BYTEINT,
CHECKSUM = DEFAULT cd_postal CHAR(10) CHARACTER SET LATIN NOT CASESPECIFIC, fl_Cambio_de_Domic BYTEINT,
( tx_localidad CHAR(30) CHARACTER SET LATIN NOT CASESPECIFIC, CANTIDAD_DIAS_MORA INTEGER NOT NULL,
cd_producto_instancia CHAR(25) CHARACTER SET LATIN NOT tx_distrito VARCHAR(40) CHARACTER SET LATIN NOT FLAG_ENTRO_EN_MORA BYTEINT NOT NULL,
CASESPECIFIC NOT NULL, CASESPECIFIC, CANT_FACTURAS INTEGER NOT NULL,
cd_producto CHAR(13) CHARACTER SET LATIN NOT CASESPECIFIC, tx_region VARCHAR(40) CHARACTER SET LATIN NOT COD_FRECUENCIA_FACTURACION BYTEINT NOT NULL,
tx_producto VARCHAR(100) CHARACTER SET LATIN NOT CASESPECIFIC, FL_DESCUENTO_FACTURA BYTEINT NOT NULL,
CASESPECIFIC, cd_provincia INTEGER, FL_BONIFICACION_FACTURA BYTEINT NOT NULL,
cd_estado_instancia CHAR(2) CHARACTER SET LATIN NOT tx_provincia CHAR(30) CHARACTER SET LATIN NOT CASESPECIFIC, VL_TENDENCIA_VALOR_PROPIO DECIMAL(18,2),
CASESPECIFIC, fl_Bloqueo BYTEINT, VL_TENDENCIA_VALOR_TERCEROS DECIMAL(18,2),
cd_producto_instancia_prd CHAR(25) CHARACTER SET LATIN NOT fl_Serv_Adiccionales BYTEINT, CANT_RECLAMOS_AVERIA INTEGER,
CASESPECIFIC, fl_Otros_Multitel BYTEINT, CANT_RECLAMOS_FACTURACION INTEGER,
fc_alta_Linea DATE FORMAT 'YYYY-MM-DD', fl_Otros_Desvios BYTEINT, cant_conexiones INTEGER,
fc_baja_Linea DATE FORMAT 'YYYY-MM-DD', fl_Notif BYTEINT, fc_inicio_ultima_conexion DATE FORMAT 'YY/MM/DD',
fl_target_tb_vol BYTEINT, fl_Multiring BYTEINT, nu_duracion_segundos INTEGER,
Antig_Linea_Meses INTEGER, fl_Inf_Detallada BYTEINT, Fc_Baja_Speedy DATE FORMAT 'YY/MM/DD',
Antig_Linea_Dias INTEGER, fl_Inter_Call_Waiting BYTEINT, fl_target_speedy_15 BYTEINT NOT NULL,
fl_reempadronamiento VARCHAR(1) CHARACTER SET LATIN NOT fl_Mant_Domiciliario BYTEINT, fl_target_speedy_30 BYTEINT NOT NULL,
CASESPECIFIC, fl_MemoBox BYTEINT, Cant_Prod_Larga_Distancia INTEGER,
cd_sistema_origen CHAR(2) CHARACTER SET LATIN NOT fl_Mensaj_Unificada BYTEINT, Cant_Prod_URB INTEGER,
CASESPECIFIC, fl_Speedy BYTEINT, Cant_Prod_Internet INTEGER,
cd_localizacion CHAR(21) CHARACTER SET LATIN NOT fl_SpeedyNet BYTEINT, cant_llam INTEGER,
CASESPECIFIC, Antig_Speedy_Meses INTEGER, cant_llam_0800 INTEGER,
cd_central SMALLINT, Antig_Speedy_Dias INTEGER, cant_llam_CPP INTEGER,
cd_party CHAR(12) CHARACTER SET LATIN NOT CASESPECIFIC fl_MegaLine BYTEINT, cant_llam_CPP_INT INTEGER,
NOT NULL, Cant_Bloqueo INTEGER, cant_llam_CPP_LDN INTEGER,
cd_tipo_party CHAR(2) CHARACTER SET LATIN NOT CASESPECIFIC, Cant_Serv_Adiccionales INTEGER, cant_llam_desc INTEGER,
fc_alta_Cliente DATE FORMAT 'YYYY-MM-DD', Cant_Otros_Multitel INTEGER, cant_llam_HN INTEGER,
cd_Estado_Cliente CHAR(10) CHARACTER SET LATIN NOT Cant_Otros_Desvios INTEGER, cant_llam_HN_desc INTEGER,
CASESPECIFIC, Cant_Notif INTEGER, cant_llam_HR INTEGER,
Antig_Cliente_Meses INTEGER, Cant_Multiring INTEGER, cant_llam_HR_CPP INTEGER,
Antig_Cliente_Dias INTEGER, Cant_Inf_Detallada INTEGER, cant_llam_HR_desc INTEGER,
cd_actividad INTEGER, Cant_Inter_Call_Waiting INTEGER, cant_llam_HR_inet INTEGER,
cd_comportamiento_pago CHAR(3) CHARACTER SET LATIN NOT Cant_Mant_Domiciliario INTEGER, cant_llam_HR_INTL INTEGER,
CASESPECIFIC, Cant_MemoBox INTEGER, cant_llam_HR_LDN INTEGER,
tx_actividad VARCHAR(60) CHARACTER SET LATIN NOT Cant_Mensaj_Unificada INTEGER, cant_llam_HR_urb INTEGER,
CASESPECIFIC, Cant_Speedy INTEGER, cant_llam_inet INTEGER,
fl_Carterizado BYTEINT, Cant_SpeedyNet INTEGER, cant_llam_INTL INTEGER,
cd_Ejecutivo_Cta CHAR(12) CHARACTER SET LATIN NOT Cant_MegaLine INTEGER, cant_llam_INTL_desc INTEGER, Sigue…
CASESPECIFIC, Cant_Grupos_SVAS INTEGER, cant_llam_LDN INTEGER,
Cant_Estados_Cliente INTEGER, Cant_SVAS INTEGER, cant_llam_LDN_desc INTEGER,
Cant_Cambios_Estados_Cliente INTEGER,
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosSelección del Modelo: 3 días
• Se probaron 3 alternativas: Mejor Validación
•Redes Neuronales
• CART
•Regresión Logística
B Standard Wald T P- Odds Partial Std
Column Name Coefficient Error Statistic Statistic Value Ratio Lower Upper R Coefficient
(Constant) -5,964 0,8854 45,373 -6,7359 0 N/A N/A N/A N/A N/A
Cant_Speedy 2,4617 0,8823 7,7843 2,79 0,0053 11,7246 2,08 66,088 0,0337 0,1535
FLAG_ENTRO_EN_MORA 0,1832 0,1068 2,9435 1,7157 0,0862 1,201 0,9743 1,4806 0,0136 0,0422
flg_llam_CPP -0,3306 0,1352 5,9793 -2,4453 0,0145 0,7185 0,5512 0,9365 -0,028 -0,0901
flg_llam_LDN -1,0438 0,1152 82,0943 -9,0606 0 0,3521 0,2809 0,4413 -0,125 -0,2671
Cant_Prod_Larga_Distancia -0,0085 0,0062 1,9006 -1,3786 0,168 0,9915 0,9796 1,0036 0 -0,0404
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosAlgoritmo para generar el modelo
DROP TABLE
"TMP_MOD_UNPRE"."dst_speedy_prueba"; ,CASE WHEN _tm_px < 0.5
CREATE TABLE THEN 0
"TMP_MOD_UNPRE"."dst_speedy_prueba", ELSE 1
NO FALLBACK, NO BEFORE JOURNAL, NO AFTER END AS _tm_ex
JOURNAL ( FROM
"cd_producto_instancia" CHAR(25) CHARACTER (SELECT
SET LATIN "cd_producto_instancia"
,"Probability" float ,(-5.964001e+000
,Estimate float + 2.461689e+000 *"Cant_Speedy"
) + 1.831920e-001 *"FLAG_ENTRO_EN_MORA"
PRIMARY INDEX ( "cd_producto_instancia") + -3.306320e-001 *"flg_llam_CPP"
; + -1.043811e+000 *"flg_llam_LDN"
INSERT INTO + -8.522000e-003 *"Cant_Prod_Larga_Distancia"
"TMP_MOD_UNPRE"."dst_speedy_prueba" ) AS _tm_bx
SELECT FROM "tmp_mod_unpre"."DST_SPEEDY_Model"
T2."cd_producto_instancia" WHERE (_tm_bx IS NOT NULL)
,_tm_px )T1
,_tm_ex )T2
FROM ;
(SELECT
"cd_producto_instancia"
,CASE WHEN _tm_bx >= 35
THEN 1.0
WHEN _tm_bxValidación - Lift
Decil Response Captured Cumulative Cumulative Cumulative Captured Cumulative
e Response (%) Response (%) Lift Response Response (%) Response (%) Lift
1 150 4,6111 30,4878 3,0669 150 4,6111 30,4878 3,0669
2 48 2,0219 9,7561 1,3448 198 3,5187 40,2439 2,2058
3 96 2,3027 19,5122 1,5315 294 3,0012 59,7561 1,9811
4 27 0,9982 5,4878 0,6639 321 2,5678 65,2439 1,6518
5 25 1,1328 5,0813 0,7534 346 2,3525 70,3252 1,4721
6 41 0,8504 8,3333 0,5656 387 1,9817 78,6585 1,321
7 34 1,0287 6,9106 0,6842 421 1,8437 85,5691 1,23
8 23 0,7783 4,6748 0,5177 444 1,7217 90,2439 1,141
9 17 0,7119 3,4553 0,4735 461 1,6361 93,6992 1,0668
10 31 0,6819 6,3008 0,4535 492 1,5035 100 1,0055
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosValidación 2 meses después…
Response Captured Cumulative Cumulative Cumulative Captured Cumulative
Decile Response (%) Response (%) Lift Response Response (%) Response (%) Lift
1 292 9,1709 41,4773 4,2966 292 9,1709 41,4773 4,2966
2 58 2,5328 8,2386 1,1866 350 6,3939 49,7159 2,7416
3 87 2,0529 12,358 0,9618 437 4,4996 62,0739 2,1483
4 41 1,6606 5,8239 0,778 478 3,9241 67,8977 1,8058
5 52 1,3538 7,3864 0,6343 530 3,308 75,2841 1,5715
6 39 1,0364 5,5398 0,4856 569 2,8759 80,8239 1,3905
7 26 0,9178 3,6932 0,43 595 2,6306 84,517 1,2533
8 41 1,3107 5,8239 0,6141 636 2,4703 90,3409 1,1734
9 22 0,8807 3,125 0,4126 658 2,3297 93,4659 1,0888
10 46 0,9707 6,5341 0,4548 704 2,1344 100 1,0254
Response Captured Cumulative Cumulative Cumulative Captured Cumulative
Decile Response (%) Response (%) Lift Response Response (%) Response (%) Lift
1 201 6,4839 35,8289 3,8968 201 6,4839 35,8289 3,8968
2 64 2,7778 11,4082 1,6694 265 4,9038 47,2371 2,7831
3 88 1,9919 15,6863 1,1971 353 3,594 62,9234 2,2544
4 24 1,0448 4,2781 0,6279 377 3,1108 67,2014 1,8478
5 32 0,682 5,7041 0,4099 409 2,4329 72,9055 1,5602
6 33 0,9784 5,8824 0,588 442 2,1899 78,7879 1,3982
7 19 0,7546 3,3868 0,4535 461 2,0307 82,1747 1,2632
8 38 1,1432 6,7736 0,6871 499 1,9173 88,9483 1,1912
9 44 1,0271 7,8431 0,6173 543 1,7915 96,7914 1,1274
10 18 0,5285 3,2086 0,3176 561 1,6639 100 1,0465
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosImbalance Problem Requiere analizar la Economía del Churn
Incentivo para bajar Churn
_ Precisión del
Algoritmo en
Política de No Intervención determinar
probabilidad de
Churn
Rentabilidad > 0
N Churn Costo _ Captura
(
CostoInc = Inc ⋅ CHRe al ⋅ P CH
Pr _OK + NCHRe al ⋅ PNCH
Pr _Error ) + IN ⋅ CH Re al (
⋅ 1+ PCH
Pr _OK )
⋅ ∆Churn EC NO _ Intervención = ∑I Cl ⋅ 1 +
I
= CH ⋅ IN
Cl =1 Captura
Donde, Falsos +
Inc: Costo del Incentivo.
Donde,
PPrCH_OK: Pr obabilidad de predecir correctamente los clientes que hacenChurn
PPrNCH
_Error: Pr obabilidad de predecir erroneamente los clientes que hacen Churn CH : Cantidad de clientes que realizan Churn.
CHRe al:Clientes Churn Re al
NCHRe al:Clientes que no hacen Churn
IN : Ingreso del cliente + Costo de Re posición.
∆Churn: Porcentaje negativo de reduccióndel churn por la aplicación del incentivo I : Ingreso medio de captura.
IN: Ingreso Neto Perdido por Churn.
I Cl: : Ingreso medio del cliente perdido
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosUn Caso Practico:
Propensión de compra de
Telefonía Básica
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosPropensión de consumo de Líneas de Telefonía básica
EMPRESA: Telefonica de Argentina
Resumen
Conocer las restricciones genuinas de comunicación de los
OBJETIVO: clientes en base a la Probabilidad de Blocking (Erlang B) del
parque de líneas de telefonía básica.
Un
Caso Practico:
POBLACIÓN
OBJETIVO:
Todos los clientes de UNPre
UNIDAD Cliente – Domicilio – líneas rotativas
MUESTRAL: Cliente- domicilio – líneas No rotativas
Propensión
VARIABLE DE
ANALISIS:
de compra de
Llamadas y duraciones emitidas y entrantes de todo origen
por línea-día-hora
Telefonía
MUESTRA:
BásicaCenso de clientes de la UNPre
PERÍODO DE Inicio: 7/6/2006 Termino: 11/10/2006
ANALISIS: Días hábiles de una semana entera.
TECNICA Aplicación de la función Erlang B para el cálculo de la
ESTADÍSTICA: Probabilidad de ocupado – Medición de Erlang
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosMODELO ESTADÍSTICO
MODELO FINAL
Técnica estadística utilizada: Probabilidad de bloqueo – Erlang B (Clásica/Extendida)
Equación del modelo:
Erlang n
n! − P día, (n + 1)
Para n líneas, P día, hora (n) = n
⇒ ∆P = hora
P día, (n)
∑
i=0
Erlang i
i! hora
Cantidad de líneas en cada domicilio
Rotatividad: Pura, Mixta, sin rotatividad
Tráfico entrante urbano, LDN, LDI, IX y celulares
Variables
del modelo Tráfico saliente urbano, LDN, LDI, IX, red inteligente y
celulares
final
Mediana de trafico en cada dimensión en las cinco
repeticiones diaria
Máximo de tráfico en cada una dimensión en las cinco
repeticiones diarias.
Ranking de las 6 primeras medianas intra-hora.
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosMODELO HEURISTICO
Estructura de Tráfico del cliente
e as L M M J V
lín Mediana
K Mediana Máximo
Máximo
LMMJV
LMMJV
0 hs
1°
LMMJV
2°
3°
Por repetición
Sumatoria
4°
Por hora
Un Caso Practico: 5°
6°
.
..
Propensión de compra de
24 hs
24°
Telefonía Básica
Distintas versiones
de Erlang
n
∑ Segundos Totales i
Erlang = i =1
Ordenación
3.600
Día − hora Segundos e ntrantes i
Erlang Entrante = P(Blocking / n linesas)
3.600 - Segundos s alientes i Ó
P(Blocking; n+1/ n lineas)
A nivel de línea –Indicador de la
presión In-goining
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosUtilización del Modelo
• En primer lugar hace factible la medición del ocupado fuera del ámbito de Red, el cual era
muy limitado y caro.
• El modelo permite responder algunas cuestiones importantes: ¿El cliente tiene restricción
en sus comunicaciones? ¿Qué probabilidad de perdida de llamadas tiene? ¿En que hora?
El bloqueo se da por mayor tasa de saliente que entrante? ¿En cuales líneas se da el
fenómeno?
• Por otro lado, nos permite inferir la pregunta más importante: ¿El cliente lo sabe?. Es ahí
donde el modelo permite mostrar al cliente que nos preocupan la calidad de sus
comunicaciones.
Probabilidad de Bloqueo con de Clientes-domicilio
con líneas rotativas
0,8 • Clientes con
propensión mediana • Clientes con alta
0,6 propensión P(B) actua medianal
P(B)
0,4 P(B) actual máxima
0,2 P(B;n+1/n)
0
1 285 569 853 1137 1421 1705 1989
Ranking de líneas
• Primeros 2000 clientes con
rotativas
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosUn Caso Practico:
Tablero Inteligente de Tráfico
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosEn telefónica estamos expandiendo la orbita de los
reportes tradicionales hacia tableros inteligentes…
Esquema Up-Down
• Que?
En camino a…
•Cuanto?
•Donde?
•Quienes?
•Asociaciones/Regularidades?
•Como?
•Por qué?
Causal Modelling Ej. Redes
Bayesianas
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosEn este camino hacia CM, empezamos con los modelos de tráfico Urbano y LDN… Objetivos: Determinar que relación existe entre las variaciones de tráfico observado y pertenecer a un determinado grupo, • Tipo de cliente • Región • Presencia de ADSL en el tiempo • Relación F-F, F-M, F-ISP • Variación de Parque de líneas • Actividad Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
Se utilizan los mismos modelos predictivos del
datamining pero ahora enfocados a explicar y no a
predecir…
• Variable Target: (1,0) Subió o bajó a nivel de cliente.
• Tipo de cliente: Variables de Clase
• Presencia de ADSL en el tiempo: { (0,0), (1,1), (0,1), (1,0)}
• Relación F-F, F-M, F-ISP: El nombre de la variable refleja la
variación: XYZ, donde X, Y , Z, representa a FF, FM y F-ISP. Los
valores de X, Y, Z puede ser (M=Mayor,m=menor). Ej; Un
cliente puede ser MMm.
• Variación de Parque de líneas: Idem anterior (M,m)
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosEl algoritmo nos permite detectar que relación existe
entre pertenecer a un determinado grupo y bajar o
subir el consumo…
•Hay varias alternativas. Mencionemos dos,
•TREE en cualquiera de sus versiones. Muy utilizados para
explicar como se particiona la varianza del problema, detectar
interacciones, etc. En el caso de pocas variables no es necesario
podar el árbol. Versión Explicativa No Predictiva
• Modelo de Cangilhem Total de Clientes
Preferenciales
Intenta ordenar la Característica
discriminancia entre pertenecer Consumo Intersección dada
a un determinado grupo y la Penetración
caída de tráfico, maximizando la Cobertura
cobertura y penetración Consumo
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosAplicamos el modelo de Cangilhem a 117.750 clientes preferenciales
para analizar el impacto de móviles y Voip sobre la caída de tráfico
urbano…
Discriminante • 142 grupos sobre 269 tienen una mayor
0,5
pertenencia al grupo que decrece que al
0,4 que crece el consumo.
Fuerte
0,3 •19 grupos de los 142 agrupan el 42% de
0,2 Media los minutos perdidos. La característica
0,1 más importante de estos grupos son,
Baja
Grupos •Aumento de la cantidad de líneas
0
-0,1 1 15 29 43 57 71 85 99 113 127 141 155 169 183 197 211 225 239 253 267 •Leve presencia de ADSL
-0,2 •Localización Mixta
-0,3 •La caída del F-F es el doble que la
-0,4 caída de F-M y el triple que F-ISP.
-0,5 • La participación de NyP y Pymes
es similar, pero las primeras
duplican la caída de las segundas.
Conclusión: El modelo nos permite detectar que la caída no se debe a una sustitución de
tráfico celular ni de Voip, vía el crecimiento del celular. Adicionalmente, genera grupos
específicos para encuestas segmentadas.
Martin Volpacchio - Inteligencia Comercial - Telefónica NegociosHacia Donde Vamos? Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
Notas Martin Volpacchio - Inteligencia Comercial - Telefónica Negocios
También puede leer
