Baza dobierana według wcześniejszych kryteriów okazała się zbyt wąska. Dlatego zdecydowaliśmy się na typowania klientów posiadających w innych bankach zobowiązania , które można przejąć oraz klientów o większej skłonności do korzystania z kredytów.
PROBLEM
- W kampaniach na kredyt gotówkowy stosowana jest przede wszystkim lista kryteriów biznesowych. Wykluczenia te tak dalece wpływają na grupę docelową w kampanii, że kwestia scoringu prawdopodobieństwa staje się nieistotna w odniesieniu do oczekiwanej wielkości miesięcznych baz.
- Wykorzystywana baza klientów, po obowiązkowych wykluczeniach, jest rotowana w 100% przez kampanię na kredyt gotówkowy kilka razy do roku. Cechuje się słabą responsywnością – klienci przyzwyczaili się do komunikatów na temat kredytu gotówkowego i w niewielkim stopniu na nie reagują.
- Oczekiwanie wzrostu efektywności oferowania tego typu produktów.
ROZWIĄZANIE
- Kampania na kredyt gotówkowy realizowana jest na 3 sposoby – jako rolowanie kredytu bliskiego spłacie, jako konsolidacja zobowiązań oraz jako klasyczny cross sell.
- W przypadku konsolidacji należy znaleźć zobowiązania zewnętrzne klientów banku, które można by było przejąć (wymagane jest przetestowanie i poprawa istniejącego mechanizmu monitorowania danych transakcyjnych).
- W przypadku cross sellu potrzebne było zbudowanie modelu skłonności do korzystania z kredytu gotówkowego i naniesienie prawdopodobieństwa na bazę przed wykluczeniami obowiązkowymi. To pozwoliło monitorować potencjalny lejek kampanijny i dowieść, że redefinicja niektórych wykluczeń ma sens biznesowy.
- Przykładem powyższego było poszukiwanie dowodów na „kredytowy” charakter klienta - jedno z kryteriów dzieliło klientów na kredytowych i depozytowych według posiadanych aktualnie produktów w Banku. Dzięki analizie transakcji można było zidentyfikować klientów korzystających z kredytów w innych bankach.
Efekt/korzyści:
- Wzrost liczebności bazy potencjalnych klientów kredytowych o 30% (dobrej jakości)
- Wzrost o 20% bazy do kampanii konsolidacyjnej.
Ocena transakcji pod kątem występowania informacji o typie produktu w innym banku
Szczegóły projektu
|
Czas realizacji |
Oprogramowanie |
Zaangażowany zespół |
|---|---|---|
|
8 tygodni |
PS CLEMENTINE PRO |
Predictive Solutions - 2 osoby. Po stronie klienta - 1 osoba zaangażowana bezpośrednio i 1 osoba odbierająca wyniki. |
