Analisi Statistiche delle corrispondenze per la classificazione e l'e-CRm.

Silvia Figini, Facoltà di Economia
Relatore: prof. Paolo Giudici

Le tecniche di e-CRM si applicano con successo per la costruzione di relazioni durature con i clienti, rappresentano un alleato importante nella corsa alla conquista e al mantenimento della clientela migliore, tuttavia ancora pochi attori sfruttano le tecniche di CRM on-line al massimo del potenziale. Per essere concorrenti su un mercato in continua evoluzione, come quello di Internet, si devono affrontare tematiche di e-CRM che consentono una maggiore efficacia delle campagne di acquisizione e sviluppo della clientela. Un simile artificio, consente di migliorare in tempi rapidi l'analisi dei comportamenti e delle attitudini dei clienti, ottenere vantaggi competitivi seguendo l'incremento dei dati e di conoscenza, modificare "l'arte del possibile" attraverso la personalizzazione del contenuto e la concezione di parte attiva del cliente.

Risultati sostanziali sono possibili in tempi brevi, ma occorre:

• Chiara comprensione della clientela;
• Valutazione economica delle possibili iniziative;
• Verifica in termini economici;
• Adozione di metodologia e tecnologia necessaria.

In parole semplici e-CRM significa un processo secondo il quale bisogna attrarre i visitatori, interessarli, trasformarli in clienti e mantenerli secondo politiche di fidelizzazione. Al presente, capire i bisogni della clientela in modo univoco, la differenziazione, la classificazione, la fedeltà, gli effetti delle campagne marketing, diventano fattori critici di successo per l'azienda.

Il raggiungimento degli obiettivi è subordinato all'implementazione di soluzioni di e-CRM sia operazionali sia analitiche sfruttando l'effetto sinergico generano un ROR elevato. In un'economia digitale il ROR è un indicatore di successo che è acronimo di "Return on Relationship" ed è equivalente all'interpretazione del ROI, "Return on Investement", indicatore di profitto in un'economia industriale. Un simile indice produrrà risultati migliori davanti a processi aziendali organizzati secondo strategie di e-CRM attraverso i quali trasformare i dati del cliente in strategie di business e la relazione con il cliente in capitale.

Preliminari a questi scenari idilliaci, c'è la fase di progettazione che pone l'obiettivo sulla conoscenza approfondita del cliente.
Per giungere a questa sintesi, sono state introdotte tecniche statistiche particolarmente adatte a supportare le decisioni per le attività di marketing. Gli strumenti matematico-statistici disponibili sono molti e diversi, ma tutti hanno come scopo fondamentale la classificazione del cliente e la posizione di questi in categorie che presentano una certa similarità interna.
Un simile tipo di risultato è ottenibile mediante tecniche di cluster analysis, reti neurali e alberi di regressione.

Per analizzare il fenomeno di e-CRM, posto da un noto istituto di credito, abbiamo implementato una metodologia di analisi nuova, come l'analisi delle corrispondenze. Preliminarmente è stata applicata la cluster analysis ai dati disponibili e successivamente, data la scarsa bontà del modello, si sono cercati metodi per potenziare gli insoddisfacenti risultati ottenuti.
Un simile artificio, operato dalle corrispondenze, ha consentito di identificare le variabili che maggiormente incidono sulla classificazione della clientela e hanno consentito la creazione di un modello che riuscisse a spiegare bene le caratteristiche dei nostri clienti. La logica sottostante l'analisi delle corrispondenze è di tipo matriciale, quindi, è un metodo con origini matematiche che offre un ottimo effetto sinergico associato ai metodi statistici per il trattamento dei dati qualitativi. A questo proposito, si vuole fare emergere che un trattamento adeguato dei dati fornisce informazioni migliori e corrette. Nel nostro caso, dati qualitativi devono essere opportunamente considerati e a questi si devono applicare solo particolari metodologie statistiche adeguate al problema per ottenere sintesi e bontà dei risultati.

La scelta del modello di classificazione dipende da molti fattori, ma nel nostro caso la sintesi dei risultati e la parsimonia sono gli unici che vengono considerati.

Nei capitoli successivi si troveranno le argomentazioni relative ai metodi teorici utilizzati e negli ultimi due, la parte teorica verrà applicata a un caso studio dove si assisterà alla produzione di risultati efficaci sia statisticamente sia in termini di business.
Il connubio cluster analysis e analisi delle corrispondenze, innovativo per il problema di e-CRM, ha consentito di classificare i clienti e soprattutto di individuare variabili e aspetti di marketing rilevanti. Anche se complesse e non totalmente implementabili in SAS, l'analisi delle corrispondenze ha mostrato di essere un valido mezzo per far aumentare la bontà di classificazione; inoltre, ha rappresentato un valido supporto di studio inseribile nelle tecniche statistiche di data mining. Si è dimostrato che accanto a strumenti di data mining implementati in Enterprise Miner, possono trovare allocazione anche strumenti matematici che incrementano la bontà dei risultati.

Un'interessante possibilità di sviluppo nell'ambito dell'e-CRM sarebbe quella di trovare metodi alternativi alle corrispondenze per ottenere benefici e risultati migliori dalla sintesi dei dati, ad esempio, attraverso lo studio di misure d'associazione tra le variabili.