Social Network Analysis for IBM SPSS Modeler Premium - The Future of Customer Churn Prediction and a Lot More

Moçada, esta palestra foi a mais bacana até o momento. Há mais de um ano eu escuto falar de monitorar redes de relacionamento pode trazer bons resultados para satisfação do cliente e para sua fidelização e conseqüente redução do churn, mas NUNCA tinha visto uma simulação e um resultado real e consistente sobre o assunto. Pois bem, estes caras conseguiram. Na verdade a apresentação foi um “hands on” onde podemos participar do passo a passo (utilizando o SPSS) da “construção” do modelo (na verdade o algoritmo já está lá, a única coisa a ser feita era selecionar as variáveis J). Pois bem, relacionando simplesmente os números de telefone do “ligador”, do “receptor” e adicionando os minutos da conversa, você aperta um botão e... abracadabra: surge uma teia (ou alvéolos pulmonares) com os principais “nós” da rede (os influenciadores) identificados.

A partir daí, entra um conceito muito louco que há uns 15 anos não ouvia falar. Ele se chama “energia de difusão” (tem um ppt interessante aqui) e basicamente mede o impacto que um influenciador (o nó da rede) tem na sua rede – seja para comprar mais ou para deixar o seu provedor de serviços. Bacana, né!? Mas e na prática? Bem, por acaso, o grupo de indianos que estava apresentando tinha um exemplo de Telco e me disseram que a propensão de churn numa rede de relacionamento cujo influenciador sai é 37 vezes maior que qualquer outro membro desta rede!! Puta resultado. Vou parar de descrever a apresentação por aqui pois nada mais pode ser tão útil quanto esse resultado.

Bem procurei o pessoal da apresentação e o chefe de pesquisas do SPSS para saber se havia alguma coisa deste tipo para PJ, eles disseram que ainda mas tinham interesse em abrir uma linha de trabalho neste sentido.

Quando voltar converso com todos pessoalmente mas já adianto que esta será uma de nossas linhas de trabalho para o Mapa de Risco.

Driving Business to Business sales with predictive analytics

Esta sessão foi conduzida por uma empresa chamada ADP (http://www.adptotalsource.com ) uma das maiores empresas de outsourcing de serviços de RH (pagamentos, seguros, saúde, sistemas,..) dos EUA e que também é focada em B2B. Na sessão foi apresentada a estratégia de implementação de aplicações de Predictive Analytics para identificar oportunidades de vendas e propensões de compra de mais de 9.000.000 (nove milhões!!!) de itens de venda disponíveis para os seus clientes.

Uma discussão corrente que teve nessa e em outras sessões foi o tempo de base necessário para montar os modelos de propensão e todos (até o momento) dizem que 6 meses é um bom prazo pois como o comportamento do cliente está mudando, dados mais antigos tendem a piorar a previsão de curto e médio prazo.  Uma outra discussão que veio a tona é a necessidade de identificar e expurgar das análises comportamentos muito fora do padrão – por exemplo, uma pessoa costuma comprar livros de ficção científica num site de compras e no natal resolve comprar uma Barbie para sua sobrinha. Na maioria dos sites, quando esta pessoa volta, passa a oferecer produtos da Barbie para este cliente...

O apresentador acabou discutindo muito o SPSS (ferramenta de mining da IBM) e facilidades de drag-and-drop para fazer modelos (algo que o SAS 9.2 também tem), mas acabou não falando nada a respeito das campanhas em tempo real que eles realizam e os savings ($$) que a implementação trouxe.

Reducing Customer Churn Rates through Predictive Analytics an Proactive Communication

Esta foi uma tremenda sessão pois se tratava de um caso real de definição e implantação de um programa consistente de redução de churn na “XO Communications” (http://www.xo.com/) uma provedora de redes VOIP para o varejo e atacado nos EUA. Eles começaram mostrando como encaravam o problema do churn (figura 1) – no fundo de reduzir perdas e melhorar as margens da empresa propondo como indicador a seguinte equação: Vendas – Churn = razão de crescimento de receitas (com um detalhe: sempre olhando margem).

Como resultado eles mostraram a redução do churn para grandes e médios/pequenos clientes (figura 2) e depois passaram a explicar como conseguiram o resultado. Todo começa com a definição de uma estratégia de fidelização e retenção de clientes onde o grupo de Analytics mais segmentos de negócio e canais de atendimento definem uma única visão de ciclo de vida de clientes (figura 3) e o que deve ser oferecido a este cliente em cada uma destas etapas.

 Assim a cada contato com o cliente e independentemente do canal, o atendente sabe qual a propensão e oferta (de venda, retenção ou apenas de relacionamento) do cliente.

Na segunda parte da apresentação eles se concentraram nos modelos de propensão (figuras 4 e 5) mostrando parte das variáveis testadas e a estratégia de deploy.

Resultados:

Foram exibidos os lifts de cada modelo e em seguida o resultado financeiro medido (contra um grupo de controle – figuras 7 e 8). O Luiz vai ficar contente com esta parte, pois a equipe interna (in house) conseguiu melhorias expressivas. Também acho que conseguimos o mesmo mas o ponto é que é preciso primeiro atender a demanda (como eles fizeram com o parceiro) e depois buscar saltos qualitativos.

Eles também destacaram as seguintes lições aprendidas:

- Ter uma estratégia de fidelização de clientes é uma questão de sobrevivência. Para isso é necessário que os times de Analytic, Segmentos e Canais caminhem na mesma direção e estratégia;

- Você pode começar a implementar a estratégia com um parceiro de Analytics, Consultoria de Negócios e depois assuma o controle;

- Selecione uma plataforma consistente e meios de distribuir a informação aos segmentos e canais de atendimento. Socialize e discuta a informação com todos os envolvidos;

- 80% do esforço é preparação de dados e só o restante de Analytics;

- Disciplina: sempre use grupos de controle para provar seus resultados;

- Procure apoio da organização para implantar e priorizar a iniciativa

- Use uma metodologia consistente (CRISP-DM no caso) para implantar uma estratégia consistente de modelagem.

Predictive Analytics to improve customer insight, decision making and profitability

A palestra foi em ritmo de aquecimento, mas ressaltou a mudança de comportamento do consumidor (veja a figura 1) que vem obrigando as empresas a conhecerem mais os seus cliente e se relacionar com ele de maneira personalisada. Isto gera a necessidade das empresas terem uma estratégia de Business Analytics e assim conseguir vantagem competitiva, fornecendo agilidade para resolver os problemas de negócios mais críticos e dar a visão de valor imediato para depois, dinamicamente, posicionar o negócio para o crescimento e mudança destes clientes e do próprio mercado.

Na palestra foram discutidos meios de alinhar os dados operacionais com análise do negócio e soluções de data warehousing para satisfazer o uso crescente de analytics nas empresas “sem” onerar tanto os custos e complexidade de TI. Também foram discutidos alguns aspectos de priorização de seleção e monitoramento de dados (figura 2) e a necessidade básica de ter as principais informações de negocio estruturadas na organização.

Por último o "novo" ciclo de vida do cliente batizado de CEF (Customer Experience Framework) foi apresentado (figura 3) e dele decorre o monitoramente das ações do clientes e a avaliação em tempo real de suas propensões - o exemplo dado, foi de um cliente que passou a ligar para o Call Center várias vezes numa semana para reclamar e o seu "rating" de risco (cresceu 27 vezes) sendo necesária uma ação proativa para manter este cliente na base.

Baixar a apresentação inteira

Abertura

A primeira surpresa que tive ao chegar na abertura foi a infra-estrutura colossal que o hotel tem para realizar uma convenção pois são mais de 10.000 pessoas e nem momento houve grandes filas ou dificuldade de locomoção. A abertura foi num ginásio com a capacidade similar a do Ibirapuera (isso mesmo!!) e como toda abertura de um grande evento, os principais lideres da IBM estiveram no palco para motivar a todos que estavam presentes.

A primeira surpresa foi ver o logo da Vivo no telão principal. Eu conhecia o projeto, sabia que ele era importante mas não tinha idéia o tamanho do impacto que ele causou na operação e a importância dele para a IBM. A outra surpresa foi ver o tamanho do investimento que a IBM esta fazendo para criar toda uma suíte de hardware e software para cuidar especificamente de Analytics e seu uso em Campanhas, Call Center e demais canais de atendimento assim como para otimizar a operação (reduzir custos!)  da empresa como um todo. Note, não é apenas vender e reter, é usar melhor os recursos da empresa para entregar valor ao cliente.

Particularmente fiquei muito contente, pois vi que os projetos e iniciativas da área (MOVER, MAPA DE RISCO, DECISÃO BASEADA EM MARGEM DE CONTRIBUIÇÃO) estão entre as maiores recomendações da indústria para o mercado. Vou compartilhar algumas das palestras e colocar as minhas impressões com vocês ao longo dos dias.