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.

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.