Churn Prediction – Modellperformance (2)
Churn Prediction – Modellperformance (2)
Churn Prediction – Modellperformance (2)
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Churn</strong> <strong>Prediction</strong><br />
Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen<br />
CRM & Research / Ing. Werner WIDHALM<br />
Juni 2012
Datamining in der Bank Austria<br />
Datamining <strong>–</strong> Anwendungsgebiete im CRM der Bank Austria<br />
<br />
Bedarfsoptimierte Kundenansprache<br />
- Kaufwahrscheinlichkeiten<br />
- Best Offer (Amazon-Logik)<br />
<br />
Kundenprofilierungen<br />
- Kunden mit bestimmten Produktbesitz<br />
<br />
Clusteranalysen<br />
- Filialclusterungen<br />
- Segmentierungen (Verhalten/Wert)<br />
- Kundenzufriedenheitsanalysen<br />
<br />
Kundenanalysen <strong>–</strong> Business Questions<br />
- Kundenpotentiale<br />
<br />
<strong>Churn</strong> <strong>Prediction</strong><br />
- Affluent<br />
- Mass Market<br />
- Small Business<br />
- Private Banking<br />
2
Der Customer Analytical Record ist die Basis für‘s Datamining<br />
Customer Analytical Record - CAR<br />
CRM Data Mart<br />
CAR<br />
etwa 2.500 Variablen pro Kunde<br />
Analytische<br />
Kalkulationen<br />
Vergleich<br />
mit<br />
historischen Daten<br />
<br />
Kundendaten<br />
<br />
Verhaltensindex<br />
<br />
Produktdaten<br />
<br />
Umsatzberechnungen<br />
<br />
<br />
Kalkulationsdaten<br />
…..<br />
<br />
<br />
Veränderungen zu<br />
Vormonat<br />
…..<br />
Historischer CAR<br />
(letzten 24 Monate)<br />
3
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> Erkennen gefährdeter Kunden<br />
1. 2.<br />
Selektion<br />
• Abgewanderte<br />
Kunden werden<br />
ausgewählt und<br />
selektiert<br />
Attribute 1..x<br />
Attribute 1..x<br />
Attribute 1..x<br />
Datenbasis schaffen<br />
• Die Eigenschaften dieser<br />
selektierten Kunden<br />
werden 3 Monate vor der<br />
Abwanderung abgebildet<br />
Modell anwenden<br />
• Je ähnlicher ein<br />
bestehender Kunde<br />
einem Abgewanderten<br />
in seinen Attributen ist,<br />
desto höher ist die<br />
Abwanderungswahrscheinlichkeit<br />
(Score)<br />
4. 3.<br />
Attribute 1<br />
Attribute 2<br />
Attribute x<br />
Modell bauen<br />
• Bei der Entwicklung des<br />
Modells werden diese<br />
Kunden mit allen anderen<br />
Kunden verglichen<br />
• Die Attribute werden<br />
unterschiedlich gewichtet<br />
• Am Ende zeigt das Modell<br />
den Kunden mit der<br />
höchsten Abwanderungswahrscheinlichkeit<br />
4
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> wie wird Abwanderung definiert?<br />
3 Monate<br />
Technische Abwanderung<br />
des Kunden (Saldierung<br />
letztes Geschäft)<br />
Abwanderung<br />
=<br />
Kündigung von<br />
Hauptgeschäften<br />
Historische<br />
Momentaufnahme<br />
des Kunden<br />
Objektiv betrachtet „verlieren“ wir die Kunden schon vor der tatsächlichen<br />
Abwanderung<br />
Unsere Modelle haben nun das Ziel, den Zeitpunkt der Kündigung von<br />
Hauptgeschäften zu prognostizieren<br />
Analysen zeigen, dass dadurch noch Zeit für Kundenbindungsmaßnahmen bleibt<br />
Betrachtung nach Geschäftsmodellen (Affluent, Mass Market, Small Business<br />
Private Banking)<br />
5
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> <strong>Modellperformance</strong> (1)<br />
Die <strong>Modellperformance</strong> wird an historischen Daten evaluiert<br />
<br />
<br />
<br />
<br />
<br />
Datenbasis ist unser historischer Customer Analytical Record - CAR<br />
Das Modell wird zu einem bestimmten Stichtag in der Vergangenheit eingesetzt<br />
Ziel ist, Kunden zu identifizieren, welche 3 Monate später abwandern könnten<br />
Danach wird gemessen, wie viele Kunden von den vorgeschlagenen auch tatsächlich<br />
die Bank verlassen haben<br />
Das Ergebnis wird in einer Grafik dargestellt<br />
<br />
<br />
Die Kunden werden in Perzentile eingeteilt<br />
Die Abwanderungswahrscheinlichkeit ist im Perzentil 100 relativ am höchsten<br />
6
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> <strong>Modellperformance</strong> (2)<br />
Kundenanzahl (in %)<br />
67%<br />
37%<br />
Perzentile (<strong>Churn</strong>wahrscheinlichkeit)<br />
95 - 100<br />
7<br />
80 - 100
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> <strong>Modellperformance</strong> (3)<br />
Die wichtigsten Variablen und das Kundenprofil des Affluent-<strong>Churn</strong>-Modell<br />
Die wichtigsten Modellvariablen<br />
Kunde inaktiv (Produktkauf)<br />
Alter > 63 Jahre<br />
Hat in den letzten Monaten ein Geschäft<br />
gekündigt, bzw. Kapital abgezogen<br />
Kundenprofil<br />
Länger als 30 Jahre Kunde bei der Bank<br />
Häufiger Betreuerwechsel<br />
Geringe Bankverflechtung<br />
Letzter Kontakt vor mehr als einem Jahr<br />
8
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> der Kundenbindungsprozess<br />
Erledigt<br />
CRM<br />
Kampagnen<br />
(monatlich)<br />
Kunde unzufrieden,<br />
konkretes Anliegen<br />
Delegation<br />
an Filiale/<br />
Ombudsstelle<br />
10%<br />
durch<br />
Filialleiter/<br />
Betreuer<br />
Erledigt<br />
durch<br />
Ombudsstelle<br />
8%<br />
Kontakt durch<br />
CallCenter<br />
Erledigt<br />
2%<br />
durch<br />
CallCenter<br />
Kunde zufrieden,<br />
kein Anliegen<br />
90%<br />
9
<strong>Churn</strong> <strong>Prediction</strong> <strong>–</strong> das Ergebnis 2011<br />
Betrachtungszeitraum Jänner <strong>–</strong> Dezember<br />
„nicht gefährdet“<br />
1.238.000<br />
abgewandert<br />
3,6%<br />
Kundenbasis<br />
1.540.000<br />
in Kampagnen<br />
14.964<br />
5%<br />
abgewandert<br />
1,7 %<br />
„gefährdet“<br />
302.000<br />
abgewandert<br />
6,7%<br />
10
Der EXIT-Prozess <strong>–</strong> die „Ex“-Kundenbefragung<br />
Frage:<br />
Wo liegen die Gründe für Ihre Kontokündigung (Mehrfachantworten möglich)<br />
Konditionen 30%<br />
Ich bin mit den Konditionen unzufrieden<br />
Lebensumstände 26%<br />
Meine Lebensumstände haben sich geändert<br />
Betreuung 22%<br />
Ich bin mit der Betreuung unzufrieden<br />
Bank 15%<br />
Ich bin mit der Bank Austria insgesamt unzufrieden<br />
Produkte 7%<br />
Ich bin mit den Produkten unzufrieden<br />
11
Change language