Credit collection e churn retention

Energy

La Sfida

Una importante società di Energia ha richiesto lo studio una soluzione di Machine Learning per prevenire il rischio di abbandono dei Clienti (Churn Retention) da affiancare ai sistemi tradizionali di monitoraggio della segmentazione Clienti presente in azienda. Più in particolare il problema è stato focalizzato sulla conoscenza del Cliente a 360° osservando il workflow dei pagamenti e delle azioni di Credit Collection (Recupero Crediti). 

La Soluzione

La soluzione è stata la fornitura di Advanced Analytics basati sulla osservazione del workflow dei pagamenti e delle azioni di Credit Collection (Recupero Crediti) su tutta la base Clienti della Azienda. La Credit Collection è tipicamente un flusso che coinvolge diverse Business Unit e diverse tipologie di dati , dalla Business Unit di Gestione e Controllo che detiene i dati dei pagamenti, i dati contrattuali e anagrafici, alla Business Unit di Credit Collection che opera con azioni sul Cliente generando dati delle fasi del flusso di Recupero Crediti, dalla Business Unit commerciale e marketing che utilizza criteri di segmentazione per  definire/rinnovare i contratti o azioni promozionali. 

Tecniche avanzate di Clustering e Pattern Recognition hanno permesso di riclassificare la segmentazione dei Clienti, basandola sia sul rischio di abbandono, sia sulla dinamicità e frequenza dei pagamenti e dei loro ritardi, sia sul valore del danno economico.  

I Benefici

Il beneficio dell’utilizzo di un sistema di Machine Learning in affiancamento o in sostituzione di criteri basati su regole consiste soprattutto nel valore del “Continuous Learning” che permette di monitorare la variazione dei “comportamenti” del Cliente in modo costante.  

Un tale riclassificazione dei Clienti basati del Rischio sia di perdita del Cliente sia di danno economico permette alla struttura di Business di intervenire con politiche specifiche per adeguare/rinnovare contratti per determinati segmenti o costruire specifiche campagne per un certo segmento a “rischio”. 

Il Ruolo di Humanativa  

Realizzazione del servizio Pilota di Machine Learning, dalla realizzazione di Modelli di Machine Learning agli Advanced Analytics. Pianificazione del Progetto Esecutivo di Governance del Rischio con strumenti di Machine Learning.