Pozwoliło to zwiększyć skuteczność cyklicznych kampanii poprzedzających subskrypcję (early bird) oraz kampanii w trakcie okresu subskrypcji (follow up), obniżyć ich koszty i uniknąć „przeciążenia” komunikatami klientów o niskim zainteresowaniu tą ofertą.
PROBLEM
- Dotychczasowe kampanie produktów inwestycyjnych prowadzone były bez analitycznego wsparcia. Skutkowało to wysokimi kosztami obsługi tych kampanii, zarówno po stronie kanałów komunikacji elektronicznej i call center, jak i w oddziałach banku.
- Przeciążenie oddziałów i call center koniecznością kontaktów z klientami zaspokajającymi ciekawość, ale nie finalizującymi transakcji.
- Niska efektywność kampanii sprzedażowych dla tego typu produktów.
ROZWIĄZANIE
- Budowa modelu predykcyjnego dla Klientów detalicznych, opisującego skłonność do korzystania z oferty lokaty strukturyzowanej.
- Budowa po stronie hurtowni danych banku analitycznego widoku danych dla produktów depozytowych. Umożliwiło to przygotowanie modeli predykcyjnych i scoringu tych modeli.
- Wdrożenie cyklicznego, miesięcznego procesu skoringowego dostarczającego informację o skłonności do skorzystania z oferty na lokatę strukturyzowaną.
- Cykliczne, realizowane co 2-4 subskrypcje, odświeżanie modelu.
Efekt/korzyści:
- Redukcja kosztów działań sprzedażowych poprzez powstrzymywanie oferowania produktów do klientów o niskiej skłonności.
- Lista Klientów uporządkowana od tych o najwyższej skłonności do korzystania z lokaty strukturyzowanej.
- Zbudowany i wdrożony mechanizm comiesięcznego scoringu klientów pod kątem skłonności do zakupu lokaty strukturyzowanej.
Powiązania pomiędzy produktami pomagają obliczyć szanse akceptacji oferty
Szczegóły projektu
| Czas realizacji | Oprogramowanie | Zaangażowany zespół |
| 4 tygodnie |
|
|
