Busness Customer Profiling develpoment in collaboration with SAS

1. TIM
Stefano Maria De’Rossi
Salvatore Donnarumma
CAMPAGNE DI MARKETING &
SEGMENTAZIONE
Quali e quanti profili comportamentali compongono la clientela delle Piccole e Medie Imprese?
L'obiettivo è creare indicatori di classificazione e di previsione utili in fase di segmentazione per impostare e coordinare
campagne di marketing. Attraverso la Cluster Analysis vengono individuati gruppi di clienti TIM omogenei al loro interno e al
contempo molto diversi tra loro.
Obiettivi
Impostare e gestire in modo più efficiente ed efficace le
campagne nell'ottica delle strategie di business:
» Delineando gruppi comportamentali confrontabili con i
segmenti del portafoglio clienti
» Raffinando la classificazione fornita dai segmenti aziendali
» Indirizzando su ciascun gruppo appropriate azioni/campagne
di marketing
Soluzione
Per l'analisi di un fenomeno complesso si è definita una » Aggregazione dei 24 cluster in 5 gruppi orientata alle
strategia metodologica altrettanto complessa che ha in un esigenze di campagne di business
primo momento analizzato gli indicatori comportamentali di » Assegnazione delle etichette ai 5 cluster
Fonia/VAS/GPRS, definendone delle trasformate di sintesi
temporali, in un secondo momento si è dedicata all'analisi Gli strumenti forniti per poter fruire dei risultati dell'analisi
degli individui. sono i più diversi, da report e grafici ad approfondimenti dei
La complessità dell'analisi sugli indicatori è basata sul fatto gruppi individuati che evidenziano il profilo di ciascun
che si è voluto considerare un anno di storico per profilare in gruppo e forniscono precise informazioni e misure per
maniera più robusta e stabile i comportamenti dei clienti programmare attività di loyalty e retention nell'ottica del
combinando insieme sia le informazioni a livello linea che business.
quelle a livello cliente.
Di conseguenza si sono ideate e costruite delle trasformate Inoltre vengono elaborati indicatori statici:
temporali tali da garantire la rappresentatività dei diversi » Indicatori aggregati di consumo e comportamentali
aspetti del fenomeno oggetto di studio » Tabelle descrittive dei cluster rispetto a KPI di business
(l'intensità del fenomeno “media”, la tendenza nel tempo » Misure di distanza tra singoli cluster e popolazione
“trend”, la variazione del fenomeno “indicatori di variabilità”). ed indicatori dinamici:
La Cluster Analysis è stata effettuata sui clienti TIM Business » Indicatori di monitoraggio dei cluster nel tempo
PMI definendo dei gruppi di clienti (i cluster) in base al » Comportamento dei clienti nel tempo (cambio del
comportamento espresso da indicatori ottenuti da cluster di appartenenza)
trasformate di sintesi temporale su un periodo di tempo pari
ad un anno.
La strategia metodologica segue i seguenti passi:
» Aggregazione dei dati da livello linea a livello cliente
» Generazione di nuove variabili partendo dalle
aggregazioni del traffico
» Generazione di nuovi indicatori (fattori) attraverso
analisi fattoriale
» Selezione, attraverso appropriati criteri statistici, dei
fattori più importanti (proporzione di variabilità
spiegata pari al 95%)
» Procedure di Cluster Analysis con gestione dei clienti
anomali (outlier)
• Definizione di cluster utilizzando il metodo k-means
Benefici
• Aggregazione dei cluster tramite tecniche di cluster Migliorata la comprensione
gerarchiche delle caratteristiche dei singoli
» Determinazione del numero ottimale di cluster (24 cluster) clienti associando un profilo a
controllando i principali indicatori di valutazione (valore
di Cubic Clustering Criterion e Pseudo F Statistic elevati, ciascun cliente.
valori di Pseudo T-Squared Statistic bassi e successivi ad
un picco, valori di R-Squared elevati) e alcuni strumenti
grafici “dendogramma”
» Analisi discriminante su ciascun cluster per individuare
gli indicatori più rilevanti