Live Training | Data Mining & ML per CRM nelle aziende di servizi
Tecniche avanzate di Data Analysis & Predictive Models per predire il comportamento del cliente e ridurre il churn 20 Maggio 21 Maggio 2021, Online

Programma

20 maggio 2021

9.00-17.00

In che modo approcciarsi in maniera analitica al Customer Life Cycle

  • Definizione
  • Approccio analitico al life cycle
  • Dalla gestione tradizionale al contextual marketing

Sviluppare tecniche innovative di Data mining per il CRM

  • Strumenti (open source vs enterprise | coding vs visuale)
  • Fonti dati (Gestionali, Esterni | Repository: DWH, Datamart)
  • Strumenti di segmentazione
  • Terminologia, Basi e approccio metodologico
  • Principali tecniche statistiche
  • Strumenti di predictive
  • Terminologia, Basi e approccio metodologico
  • Principali tecniche statistiche
  • Fattori esogeni e Stagionalità

Stategie per aumentare Retention & Prevention

  • Retention & Prevention due differenti fasi del rischio Churn
  • Definizione Churn/trigger di rischio: eventi, orizzonte temporale, momento di previsione
  • Segmentare la CB in relazione al rischio
  • Predittori
  • Trend storico del churn. I mercati soggetti a forte competizione.
  • Comprendere le motivazioni del churn (analisi dei fattori di rischio e survey sulle deact)
  • Gestione del rischio churn e rischio cannibalizzazione delle revenue

Analisi dei 4 use case: Telco, Bank&Insurance, Utility e No-Profit

Stefano Merighi
Chief Data Scientist & Senior Partner
Excelle

 

21 maggio 2021

9.00-15.30

Modalità e strategie di segmentazione della clientela

  • Segmentazioni Data Driven & Market research driven
  • Definizione universo di studio
  • Scelta delle dimensioni analitiche
  • Variabili categoriche e numeriche. Quali strategie adottare

In che modo sviluppare modelli di riacquisto

  • Perché riacquisto e non churn
  • Il fenomeno del repurchase: strategie di loyalty a supporto

Cross-up selling

  • Modelli a supporto: definizione universi di sviluppo, utilizzo dello score probabilistico e possibili automatismi, distinzione fra upgrade volontario o indotto
  • Strategie di sviluppo di modelli di win back

Monitoring delle campagne di marketing

  • Approccio A/B test nella gestione CB
  • Metriche da analizzare: effetto elasticità, effetto cannibalizzazione revenues, abbattimento churn
  • Contact policy e misurazione degli effetti della gestione CB
  • Unique controllo group
  • Tecniche miste

Stefano Merighi
Chief Data Scientist & Senior Partner
Excelle

16.00-16.45

Analisi dei dati relativi al comportamento dei clienti in ottica di Churn Prevention: L’esperienza di Edison Energia

Francesco Muscente
Head of Customer Experience
Edison Energia