Алексей Чурин, sap cis

Сценарии предиктивного анализа.

Примеры внедрений KXEN.

Алексей Чурин,

Директор по развитию бизнеса, Телекоммуникационный сектор, SAP СНГ

© 2013 SAP AG. All rights reserved. 2

Много, сложные и

индивидуальные

предложения/кампании

близкие к реальному

времени

Несколько кампаний,

планирование за

месяцы, слабое

таргетирование

Маркетинговые кампании


В сентябре 2013 года SAP заявил о приобретении KXEN

“KXEN is a

disruptor in the

predictive

analytics market.”

Leader

“KXEN’s focus on

automating key

modeling and

analytical tasks is

a 'blessing’”

“KXEN customers

build predictive

models 3x faster.”

Strong Performer

“KXEN’s low-

touch approach to

predictive will

boom in

popularity.”

Vendor

Rating

Customer

Analytics Wave

Predictive

Benchmark

Big Data

Predictive Wave


KXEN: большое число клиентов

в Телекоммуникационной отрасли

Фикс./ ТВ Мобильные, pre-paid

Мобильные,post-paid Quad-play

4 group companies

6 group companies

6 group companies


Net Loss

Net Profit

Отток Обновление

Це

нн

ос

ть

Утилизация

Активация

Приобретение

Acquisition

Сегментация &

Таргетинг

Cross-Sell

Up-Sell

Модели склонности

к продукту

Удержание

Retention

Модели

удержания

Соц. сети

Приобретение

обратно

Win Back

Таргетирование

Оптимизация на каждой стадии ЖЦ абонента

Разные типы моделей по стадиям


Данные о поведении - мощнейший инструмент

CRM ERP Billing

Профиль

продукта

История

продаж

CDR

До 2010

(Транзакции)

Web Mobile Social

Media

Сейчас

(Поведение)

Call

Logs Email

Ad

Servers


Website: огромный объем данных с каждого клина

Shopping Cart &

Покупки

Реклама

Сайт Теги

Устройства & Browser

Профиль

Потоки кликов

Social Media

Big Data I


Больше Данных – Лучше Модели

20 переменных

Демографич. +

Простые агрегаты

200 переменных

Поведение

во времени

Соц.сети


Сценарии предиктивного анализа

1. Управление оттоком

2. Обнаружение абонентов с несколькими SIM-картами

3. Управление вирусным оттоком

4. Повышение продаж Cross-Sell, Upsell

5. Повышение удовлетворенности абонента

6. Повышение эффективности привлечения абонентов

7. Обнаружение ротационного оттока абонентов


Отток – фокус №1 для оператора

The constant advent of prepaid and the

targeting of competitors’ customers are making

customer loyalty increasingly important within

operators’ strategies. LoyaltyAndChurn.com

For mobile operators in mature

markets, EBITDA margins are visibly

impacted by churn rates. Operational Efficiency Benchmarking Insight Paper.

Вызовы рынка

Растущие

рынки

Развитые

рынки

Prepaid

Postpaid

MNP, cancellation,

soft/hard churn, ...

Отток

Inactivity, recharge,

grace period churn,

...


SFR Dials Into Churn

50 churn models in production up

from only 3

Decreasing 3% monthly churn rate

on postpaid

Cut score deployment time over

70% (from 30 days down to 8)

Huge productivity improvements


We needed an automated approach that would let us

analyze the massive amounts of data we collect daily.

Mobilink Boosts Response Rates Up to 380%

Uptake of customer retention offers

soared 8x (.5% to 4%)

Found 50% of potential churners

were within 10% of subscribers

Big Data approach includes:

• 1,250 customer attributes

• 4.3 billion raw monthly CDRs

(900TB)

- Mirza Yousaf

Assistant Manager of Advanced Analytics


Vodafone Germany Dials In Retention

Seamless integration for in-

database scoring

Building up to 700 models

annually due to business

complexity

Reduced data prep time by

70%

It's no longer just about propensity models; now there’s

community analyses and customer loyalty KPIs.

- Verbena Meuther

Marketing Strategy Market & Customer Insights


Multi-SIM – быстро растущий феномен

“Multi-SIM drives handset sales in

India” Multi-SIM phones accounted for 38.5% of the

total sales during Apr-Jun 2010 against less

than 1% during Apr-Jun 2009. “50% of our subs are

multi-SIM” Etisalat, Egypt

116 M$ monthly loss for

Etisalat Egypt


Подход KXEN

• Собрать точную информацию

• Определить мульти-SIM пользователей

• Сделать скоринг

• Понимать мотивцию и Профиль таких пользователей

• Почему они делают это, куда они идут, как вы адрес

• Кто будет таргетирован первым?

• Какое маркетинговое сообщение для каждого клиента?

• Измерение и управление влиянием на кампании (response rates, share of wallet, etc.)

Патентованный подход для multi-SIM идентификации


Detection of Multi-SIM users

Built a predictive model based on

a customer survey with 6k

responses containing 52% multi-

SIM users

Detected and Profiled multiple

operator multi-SIM users.

The predictive model detects multi-SIM users with a

precision of 87%, and the second SIM is identified from

off-net numbers

Etisalat – Egyptian

Telco with 18M subs


Профиль пользователя Multi-SIM

“High value (Platinum segment),

high ARPU, highly active and

mobile, middle age male customers,

having unlimited voice/SMS/internet

postpaid packages...”

Based on the descriptive report provided by InfiniteInsight®’s

predictive model, Etisalat determined the following multi-SIM

user profile…


Клиенты доверяют людям, а не организациям

Вы недооцениваете силу недовольных абонентов?

Факты об абонентах,

оказывающих влияние на отток:

Они наиболее активно и

жалуются в блогах, соц.

сетях, среди друзей и

семьи

Они в 3 раза чаще

пересказывают

то, что говорят другие

Их около 10% от

общего числа

абонентов

Их социальные связи

в 2 раза больше чем у

других людей

When one of subscriber’s frequent callers

cancels, he is 7x more likely to leave.


Подход KXEN

Influence

Power

Churn

Risk +

-

Low Risk

Very Viral

High Risk

Very Viral

High Risk

Not Viral

Low Risk

Not Viral

+

-

Измерение вирусного влияния через KPIs • Число последователей

• Глубина влияния

• Скорость проникновения – последователей в месяц

Профиль

Раскрыть силу и структуру социальных связей, получить больше информации о динамике оттока

Определить ключевых влияющих

1. Предсказать риск оттока

2. Оценка силу влияние

Звонить этим

клиентам первым

If you take the top 1% of the churn influencers then you might retain

3.3 additional future churners, for each targeted influencer. Western European Telco, KXEN customer


SNA

Build social networks and communities from 2.6 billion voice call records in 1 hour

Improved churn model accuracy by 50% using social community attributes

Would generate 4.8M€ of yearly additional revenue

TPSA Poland Uses SNA For Retaining Customers


Detected supercommunities

Segmented the national communications into 11 big social groups (96.5% of total

traffic within nodes)

Profiled each group (nationalities, socio-demo, usage etc.)

Cluster the entire network


Подход KXEN

Предсказание склонности к покупке • Разработка cross-sell and up-sell моделей для каждого продукта/услуги и канала

• Ранжирование по всей абонентской базе

Оценка потенциала через Value сегментацию • Комбинация склонности с данными о прибыльности (MARPU) для оценки cross-sell и up-sell

value (ожидаемая прибыль) на каждого абонента

Проектирование и Запуск кампаний • Правильное предложение для правильного клиента в правильное время

• Использование лучшего канала

Усиление арсенала кампаний • Next Best Activity рекомендации – online, offline, ЦОВ

• Refer-a-Friend campaigns (MGM) – gain social community insight, catch product/VAS influencers and spread word-of-mouth boosting product adoption

If you take the TOP1% of the VAS influencers then you might bring 4

additional future adopters, for each targeted influencer South-Asian Telco Operator, KXEN client


We’re focusing on more interesting opportunities

because we’re creating models 7x faster.

Rogers Increases Revenue & Cuts Costs

SNA adds 1000 variables to

existing data sets

Creating quality propensity models

up to 7 times faster for up to 120

models annually

Creating more relevant and

persuasive campaigns

- Derek Pollitt

Director, Campaign Management & Customer Knowledge


XL Indonesia: Quantifying the Benefits from Predictive


Belgacom Makes The Call With Prospects

Modeling time reduced from months

to days

Up to 4x increase in campaign

response rates

Allowed shift to customer-centric vs.

product-centric marketing

With KXEN, we can deliver the right offer,

to the right customer at the right time.

- Dr. Jacky Huyghebaert

Customer Intelligence Expert

D. The translation of datamining results in SALES tools

Customer Name

Customer Street

Customer City


KXEN помогает спроектировать правильные

маркетинговые кампании

Пример кампании

Mobilink

После получения списка абонентов склонных к оттоку, Маркетолог должен определить

предложение, которое будет соответствовать:

• Профилю абонента Например, предложить бесплатные SMS For instance to propose free SMS

to subscribers who do not make any SMS does not make sense

• Ключевому событию, For instance, focus on subscribers with a high risk to be inactive the next

week. Are these subscribers ready to make a "money effort" (recharge) to get the offer?


Tables (36)

Facts (15)

Dimensions (21)

Attributes (1000+)

Aggregates

Social variables

Domains (19) Account

Bills/Payment

Churn / Inactivity

Event Type Data

Handset

Loyalty

Network Usage

Recharge

Revenue

SIM Information

SNA: Circle, Community...

Socio-Demographic

Usage

Value Added Services

Etc.

Packaged Use Cases

Pre and post-paid churn prediction

Rotational churn detection

Multi-SIM detection

Cross-Sell & Up-Sell modelling

Behavioural & Value segmentations

Network-based segmentation

(supercommunities)

Social influencers, etc.

Contextual Information & Methodology

Glossary

Business Overview

Analytical Methodology

Data Requirements

Marketing Actions

Key Performance Indicators

Data Model

Project Management Helper

Ready To Use Technical Components

Data assessment & clean-up scripts

Analytical Record

Predictive Model Template

Logical Data Model Telco Best Practice

Решение KXEN для телеком отрасли


KXEN Ключевые преимущества

1. Скорость и оперативность

• В среднем повышение продуктивности в 10 раз

• Makes data scientists more productive

2. Бизнес-аналитики могут создавать модели лучше

Процесс принятия решения ближе к экспертам

3. Ультраширокий набор данных управляется автоматически

• 1000+ или даже 10,000+ переменных

• Работа с Большими Данными (Big Data) (такими как weblogs, CDR-ы, machine

generated data)

4. Машина персонализаций/рекомендаций


Обнаружение 50% абонентов, склонных к оттоку.

Снижение на 3% показателя оттока для postpaid

400% увеличение показателя конверсии м.кампаний

Управление оттоком и Cross/Up-sell на 700 моделях

260% увеличение показателя конверсии м.кампаний

Улучшение точности моделей на 50% за счет SNA

Составление соц. графа при анализе 400M вызовов

Построение в 11 раз больше моделей

Модель оттока построена за 2,5 дня

Doubled campaign take-up rate

Обнаружение абонентов с будущим оттоком в 5%

списке

KXEN в Телекоммуникационной отрасли

Примеры полученных результатов

Алексей Чурин, sap cis

Documents