Clientes /

SAS INSTITUTE ARGENTINA SA.
Alicia Moreau de Justo 550, 2º G
(C1107AAL) Ciudad Autónoma de Buenos Aires
Tel:(+54-11)-4878-4500
Fax: (+54-11)4878-4509
E-mail: informes@sas.com
SAS Institute, Argentina.
Alicia Moreau de Justo 550 2º G
http://www.sas.com/offices/latinamerica/argentina/success/index.html
(C1107AAL) Ciudad Autónoma de Buenos Aires
Tel:011-4878-4500

Clientes

Versión para imprimirVersión para imprimirPDF PDF

Casos de Clientes

 

Telefónica Negocios de Argentina

Las soluciones de SAS ayudan a Telefónica a construir una nueva era en materia de satisfacción del cliente.

Desde que en la Argentina las telecomunicaciones dejaron de ser brindadas en exclusiva por el Estado y pasaron a funcionar como un mercado, pasó a ser crucial para los proveedores de este tipo de servicios retener y aumentar su base de clientes. No sólo en telefonía básica sino, principalmente, en otras ofertas en las que hay plena competencia.

Para cumplir este objetivo, hay un solo camino: mejorar la percepción de la calidad de servicio por parte de los clientes. En el caso de Telefónica, al principio su estrategia en este sentido apuntaba a sumar abonados de telefonía básica. Con el avance de la competencia, el objetivo se amplió a los servicios de mayor valor agregado, como Internet y telefonía móvil. Consecuentemente, Telefónica pasó de segmentar los clientes según Riesgo, Actividad, Valor e Impacto (el llamado modelo RAVI), a hacerlo según el denominado RAVI 2.0, que añade el Nivel de Satisfacción a la ecuación. En todas estas etapas, la herramienta de Telecommunication Marketing Modelling Research utilizada fue SAS.

Luego de un riguroso análisis, la alta dirección de Telefónica, en conjunto con el grupo de Desarrollo Comercial de la Dirección de Marketing, decidió que su equipo de Inteligencia Comercial implementara un modelo de segmentación destinado a mejorar la priorización de los clientes en los procesos de atención, instalación, reparación y ventas, para mantenerlos satisfechos y aumentar su permanencia en la compañía. Básicamente, los pasos a seguir para además de ofrecerles alta tecnología de comunicación, se atendiera a los clientes según sus necesidades y problemas reales, eran:

  • Definir categorías significativas de cada tipo de cliente y sus necesidades, es decir, segmentarlos.
  • Encontrar una muestra representativa de cada segmento.
  • Encuestar a la muestra para saber cuáles son sus demandas e insatisfacciones.
  • A partir de esa información, analizar acciones a tomar y priorización de las mismas mediante la construcción de variables predictivas.
  • Brindarle a cada segmento dentro de lo posible lo que requiera para incrementar su grado de satisfacción.
  • Como resultado, reducir el churn (propensión de los clientes al abandono) y aumentar el nivel de satisfacción.

Por qué SAS fue elegido para llevar a cabo el proyecto
En el camino hacia un modelo de negocios óptimo para cumplir los objetivos propuestos, hubo que sortear numerosas dificultades operativas en el relevamiento y recolección de las variables predictivas de satisfacción.

Como suele suceder en estos casos, había información proveniente de diversos orígenes. Además, era imprescindible hacer un "data cleansing" de los millones de registros generados en la interacción entre la empresa y sus más de 230 mil clientes. Finalmente, como destaca Martín Volpacchio, Gerente de Inteligencia Comercial de Telefónica Negocios, "las variables en las bases de datos obtenidas poseían muchos ceros, producto de la inactividad de los clientes en muchas de las variables predictoras. Y la meta era encontrarlos en el Datawarehouse Corporativo".

Ante estos desafíos, SAS era un serio candidato para proveer la solución, por dos motivos. Por un lado, porque SAS y Telefónica sostienen una relación de más de dieciséis años, desde que en 1993 esta última incorporara tecnología de la primera para realizar diseños muestrales y modelos necesarios para el rebalanceo de tarifas de telecomunicaciones que entonces se efectuó.

Por otro lado, porque la herramienta SAS MINER era ideal para el trabajo, por su enorme flexibilidad para recolectar y manipular datos para la modelación, su abundante oferta de modelos complejos y su facilidad para comparar resultados, explorar y construir modelos alternativos con un alto rigor científico.

Como lo explica el ejecutivo, "SAS nos permitía modelar un problema con decenas de variables de una manera fácil, amigable y rigurosa".


La solución
Elegida la herramienta, se avanzó en la implementación de una solución cuyo modelo de segmentación tenía en cuenta variables de Valor, Riesgo y Satisfacción. El Valor está definido como la propensión de los clientes a consumir determinados productos. El Riesgo se establece por medio de un índice calculado en base a la presencia regional de la competencia. La novedad consistía en obtener variables que midieran la Satisfacción en las distintas interacciones de los clientes con la compañía y en las dimensiones de Averías, Instalación, Reclamos de Facturación, Quejas y Consultas Comerciales. Para cada una de esas circunstancias de definió un número que debía ser alcanzado por la variable ya definida.

En la práctica, esto generó un problema de datamining desbalanceado, lo cual, como observa el Gerente de Inteligencia Comercial de Telefónica Negocios, "si bien era un dato alentador, debido al nivel de satisfacción de nuestros clientes, generaba un problema de estimación por desbalance de datos". Esto era producto de la escasa cantidad de valores de insatisfacción (no todos los insatisfechos se quejan, así que se necesitan saber cuántos realmente son).

Una vez que se consiguió saber cuántos eran los realmente insatisfechos, se consideraron dos formas de predecir cuáles serían los clientes con mayor probabilidad de darse de baja: árboles de decisión y función logística.

Ambas maneras tienen un poder predictivo equivalente, pero la solución se inclinó por los árboles de decisión, debido a su mayor facilidad de interpretación.

Beneficios: impulso para todas las líneas de negocio
A partir de la implementación del Ravi 2.0 se generó un nuevo modelo de atención comercial y de relacionamiento con los clientes. "El impacto fue directo en el call comercial y técnico, en el modelo de ventas, en operaciones comerciales, en el soporte técnico e instalaciones y en las islas de retención. Esto nos permitió priorizar al 11% de los clientes en riesgo que contribuían con el 40% de la ecuación de ingresos. Se generaron nuevos canales de venta (televenta y presencial) y se reorganizaron todos los canales comerciales en base a segmentos RAVI 2.0, llegando a los clientes con un oferta de valor diferencial en base a las necesidades direccionadas por las variables de valor, satisfacción y competencia. Ravi 2.0 permitió modificar el modelo de atención, reduciendo la tasa de abandono en los call center del 10% al 5%. Asimismo, a los tres meses de su implementación se redujo la tasa de bajas tempranas del 43% al 35% y se redujo el Churn de Speedy en un 6%.

Hoy, el balance final es positivo. "SAS aporta una flexibilidad de solución de problemas que independiza al dataminer del dominio de éstos. Ocuparse de la satisfacción de los clientes es fundamental para toda empresa y la herramienta de SAS ha demostrado tener las capacidades necesarias para enfrentar este desafío", asegura Volpacchio. "Con SAS – concluye —, los modelos matemáticos complejos que sólo eran utilizados por centros científicos de alto nivel están hoy al alcance de empresas como la nuestra".

 

Copyright © SAS Institute Inc. All Rights Reserved.

Martín Volpacchio
Gerente de Inteligencia Comercial, Telefónica Negocios

Telefónica Negocios de Argentina

Problemática /Reto de negocio:

Mejorar los niveles de satisfacción de clientes.

Solución:

Marketing Modelling Research

Beneficios:
  • Construcción de un nuevo modelo integrado de segmentación.
  • Incremento de las probabilidades de identificación de clientes insatisfechos para actuar en consecuencia.
  • Reducción de la tasa de churn en los call centres en lugar de un decimo como esta ahora.
  • Mejoras en la atención, velocidad de reparación e instalación, propensión de ventas, y cross-selling de productos.
Producto(s):
Telefonía básica, internet y datos.

Antes del nuevo modelo de segmentación, los clientes no se segmentaban por variables predictivas de satisfacción y la segmentación no tenía en cuenta el nivel de bienestar; solo consideraba el nivel de riesgo, su valor, su actividad y el nivel de impacto de las telecomunicaciones en su negocio."

Martín Volpacchio

Gerente de Inteligencia Comercial