České Success Stories 2014

Transkript

České Success Stories 2014
Reálný přínos analytiky na
praktických příkladech v českém
prostředí.
SAS CI Roadshow 2014
24. 9. 2014 Praha
Pavel Šiška
Kdo jsme
Center of Excellence pro střední a východní Evropu
Podstatná část - Customer Analytics (analýza klientských dat)
Finanční sektor – Retail Banking Growth Engine
Technologie – vlastní laboratoř (HW, Storage),
spolupráce se SASem
Projekty v ČR i v zahraničí
SOFTWARE!
© 2014 Deloitte Česká republika
2
Obsah
Digitální marketing
Analýza nestrukturovaných dat
3
Digitální marketing
© 2014 Deloitte Czech Republic
4
Proof of Concept
Zákazník:
Finanční sektor
Cíl:
Využití dat o chování klienta na webu pro identifikaci nabídky zajímavé pro
klienta i pro banku… Obohacení stávajících modelů založených na
transakčních datech.
Fokus na internetové bankovnictví. Identifikace cca 3000 sekvencí kroků v
rámci internetového bankovnictví...
5
Výsledky
Identifikovali jsme a napočítali 31 spouštěcích událostí (triggers), 294 prediktorů a 2962 sekvencí kroků v
rámci internetového bankovnictví.
Kombinace modelů přinesla výrazně lepší výsledky, než jakých by dosáhnul každý model zvlášť.
Jenom během pilotní kampaně vydělala banka o cca X mil CZK* víc, než pokud by kampaň vedla sama na
celém portfoliu (vyjádřeno v Lifetime Value).
Konečné výsledky - Conversion Rate
8,00%
6,90%
7,00%
6,00%
5,00%
4,00%
3,60%
3,17%
2,81%
3,00%
2,18%
2,00%
1,55%
2,13%
1,34%
1,00%
Champion
Challenger
0,00%
Osobní půjčka
Konsolidace
Kontokorent
Kreditní karta
* Částka je vypočítaná jako skutečný zisk, tedy zisk z kontraktů, které byly uzavřeny navíc oproti situaci, kdy by celou kampaň vedla banka sama.
6
Náš přístup
Deloitte obohatil existující propenzitní modely o analýzu typických sekvencí kroků v internetovém
bankovnictví, které vedou k nákupu nového produktu.
Pilotní kampaň se uskutečnila na čtyřech vybraných produktech, které byly nabídnuty klientům
prostřednictvím zprávy v internetovém bankovnictví. Kampaň proběhla jako tzv. Champion/Challenger –
Deloitte a banka si rozdělili portfolio v poměru 20:80.
Typické sekvence kroků
eBanking login
Účty a
transakce
Spoření
Přehled
karet
Půjčky
Karty
Nezaúčtované
transakce
Přehled
transakcí
…
…
…
Hypotéky
Doplňkové
služby
Investování
Zablokování
karty
Propenzitní modely
…
…
Hledali jsme typické sekvence kroků v rámci internetového
bankovnictví, které vedou k nákupu produktu.
Událostně řízené kampaně
ANALYTICKÁ PRAVIDLA
OBCHODNÍ PRAVIDLA
Client
information
database
Trigery jsou předem definované události, které když
nastanou, nárazově zvyšují pravděpodobnost, že si klient
koupí
nějaký
produkt.
© 2014
Deloitte
Czech
Republic
Propenzitní modely kalkulují s jakou pravděpodobností si
klient koupí produkt, který mu banka aktivně nabízí.
Výkonnost modelu byla zvýšena vstupy z ostatních dvou
modelů.
7
Digitálni marketing – shrnutí
Vybrané poznatky
 Vyžití dat z internetu vylepšuje výkon stávajících modelů
 Nutnost mít čerstvá data. Neaktuální výrazně snižují sílu prediktivních modelů.
 Nutno exekuovat kampaně hned – PtB rychle klesá už během dní (zvláště sekvence stránek zastarává
u konkrétního klienta velmi rychle)
Potenciál pro další rozvoj a zlepšení
 Implemetace real-time analytiky a nabídek (nebo aspoň near-real time) – infrastrukturální projekt
(pořízení dat, scoring, exekuce kampaně)
 Data z dalších kanálů jako je například mobilní bankovnictví
 Sledování aktivity klienta přes cookies i neidentifikovaného na webu banky (na jiných webech je právní
problém, ale je to možné).
8
9
Proof of Concept
Zákazník:
Finanční sektor
Cíl:
Prokázat reálnou využitelnost nestrukturovaných dat především v oblasti
- propenzitního modelování a
- retence
Analyzovaly se poznamly v CRM…
10
Výsledky
Propensity to Buy
Churn
Očekávaný zisk X mil. EUR (lifetime value)
Náklady obětované příležitosti cca X mil. EUR
Gini: 0,764
Prediktivní síla modelu:
CZK m
PTB Target
Gini
Hodnocení
modelu
Overall
0,29
0 – 0,30
Financing
0,46
0,45 – 0,60
80
70
60
50
Opportunity costs
40
Investments
0,61
0,60 – 1,00
Everyday banking
0,53
0,45 – 0,60
Campaign costs
30
20
10
Technical products
0,46
0,45 – 0,60
0
1
Other
0,32
0,30 – 0,45
2
3
4
5
6
7
8
9
10
Decily
11
Výsledky
Předmět konverzace
Téma konverzace
Stížnost
Finanční plán
Žádost klienta
Bankovní
nabídka
Bez tématu
2%
18%
Životní styl
Diskutované produkty
Kreditní karta
Hypotéka
2%
3%
Spoření a investice
7%
Debetní karty
7%
Spotřebitelské půjčky
7%
22%
31%
Pojištění
27%
Účty a balíčky
Jiné
Téma
18%
53%
3%
Kategorie
produktu
Affluent
Entrepreneur
Risk averse
Loyal
Conservative
Prestige
Influential
Interacting
Cost sensitive
Married
Single
Has grown up kid
We
Has small kid
Girlfriend
Has a newborn baby
Renting a flat
Dissatisfied
Undecided
Has car
On welfare
Building a house
12,7%
11,1%
8,9%
7,1%
2,3%
1,7%
1,2%
0,6%
0,4%
14,3%
6,3%
5,6%
4,2%
1,1%
0,9%
0,8%
6,3%
3,8%
1,8%
1,2%
0,9%
0,3%
Behavioral
Family
Situational
12
Náš přístup
Příprava dat
Tokenizace
Vyloučení
„výplňových“
slov
Analýza
Lematizace
Term Document
Matrix
Tokenizace
Vyloučení „výplňových“ slov
• Všechna slova byla
porovnána s českým
slovníkem a ta, která nebyla
nalezena, byla klasifikována.
• „Výplňová“ slova jsou slova s
omezeným významem
• Zaznamenání speciálních
symbolů jako: !!!,???, :-), :-(
• Zaznamenání ostatních
anomálií: VŠECHNA VELKÁ
PÍSMENA …
• Překlad zkratek (zaznamenali
jsme více než 1000 zkratek)
• Tyto slova jsou vyloučena z
analýzy, protože nemají
význam pro účel analýzy.
• „Výplňová“ slova jsou
většinou funkční slova jako
spojky, předložky atd.,
například: „ta”, „kdo”, „což”,
„tedy”, „Vám”, „na”.
Klasifikace
Lematizace
• V další fázi jsou slova
převedena na základní
gramatický tvar (lemma).
• V rámci tohoto procesu jsou
také tvary v množném čísle
převedeny do jednoduchého
a všechna slova jsou
přepsána do prvního pádu.
13
Náš přístup
Příprava dat
Tokenizace
Vyloučení
„výplňových“
slov
Term Document Matrix
• Frekvence každého slova v každé
poznámce je spočítána a uložena
do Term Document Matrix.
• Term Document Matrix je matice,
kde jednou dimenzí jsou různé
poznámky a druhou různá lemmata
(slova), která se v poznámkách
vyskytují.
• Tyto data slouží k trénování
klasifikačních modelů.
Analýza
Lematizace
Term Document
Matrix
Klasifikace
Klasifikace
• Klasifikace nestrukturovaného textu
představuje „big data“ problém.
Term Document Matrix byla proto
zredukována na 1300 nejčastěji se
vyskytujících lemmat (slov). I tak
matice o rozměrech 2,7 mil. x 1300
zabrala cca 28 GB RAM.
• Klasifikační modely byly původně
fitovány v R a LIBSVM, ale později
kvůli lepšímu výkonu v SASu.
14
Analýza nestrukturovaných dat – shrnutí
Vybrané poznatky
 Nestrukturovaná data vylepšují existující analytické modely a pomáhají odhalit další důležité skutečnosti
 Vytěžení nestrukturovaných dat není extrémně náročná úloha (finančně, časově, technologicky)
 Více než technologie rozhoduje schopnost stavět modely pro danou industrii a konkrétní úkol
Potenciál pro další rozvoj a zlepšení
 Hledání dalších oblastí – například ochota klientů sdělovat informace o konkurenci a produktech, které
využívají jinde
 Využití pro analýzu cenové elasticity – jaká sleva je třeba (nebo není sleva potřeba)
 Vyžít data i z dalších datových zdrojů
 Jít do většího detailu například u uvěrových produktů
15
Děkuji za pozornost!
16
Kontakty
PAVEL ŠIŠKA
Partner | Consulting
Deloitte Advisory s.r.o.
Nile House, Karolinská 654/2, 186 00, Praha 8, Czech Republic
Tel/Direct: +420 246 042 300 | Mobile: +420 737 264 273
[email protected] | www.deloitte.cz
FLAVIO PALACI
Partner | Applied Analytics
FILIP TROJAN
Manager | Applied Analytics
17
Deloitte označuje jednu či více společností Deloitte Touche Tohmatsu Limited, britské privátní společnosti s ručením omezeným zárukou („DTTL“), jejích
členských firem a jejich spřízněných subjektů. Společnost DTTL a každá z jejích členských firem představuje samostatný a nezávislý právní subjekt.
Společnost DTTL (rovněž označovaná jako „Deloitte Global“) služby klientům neposkytuje. Podrobný popis právní struktury společnosti Deloitte Touche
Tohmatsu Limited a jejích členských firem je uveden na adrese www.deloitte.com/cz/onas.
Společnost Deloitte poskytuje služby v oblasti auditu, daní, poradenství a finančního a právního poradenství klientům v celé řadě odvětví veřejného
a soukromého sektoru. Díky globálně propojené síti členských firem ve více než 150 zemích a teritoriích má společnost Deloitte světové možnosti a poskytuje
svým klientům vysoce kvalitní služby v oblastech, ve kterých klienti řeší své nejkomplexnější podnikatelské výzvy. Přibližně 200 000 odborníků usiluje o to,
aby se společnost Deloitte stala standardem nejvyšší kvality.
Společnost Deloitte ve střední Evropě je regionální organizací subjektů sdružených ve společnosti Deloitte Central Europe Holdings Limited, která je členskou
firmou sdružení Deloitte Touche Tohmatsu Limited ve střední Evropě. Odborné služby poskytují dceřiné a přidružené podniky společnosti Deloitte Central
Europe Holdings Limited, které jsou samostatnými a nezávislými právními subjekty. Dceřiné a přidružené podniky společnosti Deloitte Central Europe
Holdings Limited patří ve středoevropském regionu k předním firmám poskytujícím služby prostřednictvím více než 3 900 zaměstnanců ze 34 pracovišť
v 17 zemích.

České Success Stories 2014

Transkript

Podobné dokumenty

Cancún 2010

Katalog MoTip - MOTIP DUPLI sro

Přednáška na VŠE Praha

Detekce dopravních znacek z kamery ve vozidle

Prague market in detail: trends, segments and prices

Stavba obchodního systému