Analytika zvýšila v ZUNO efektívnosť kampaní takmer štvornásobne

Kým v minulosti prejavil o ponuku záujem zhruba každý dvadsiaty klient oslovený cez call centrum, prvý prediktívny model vytvorený v softvéri SAS zlepšil tento pomer v niektorých kampaniach na jedného z piatich.

Hoci ZUNO je na Slovensku a Českej republike pomerne mladá banka, už dávno ju nemožno považovať za úplného nováčika. V priebehu roku 2014 sa počet jej zákazníkov medziročne zvýšil zhruba o 25 percent a po štyroch rokoch pôsobenia na trhu narástla klientska báza na štvrť milióna.

Motivácia banky analyzovať dáta a vytvárať prediktívne modely, ktoré napríklad z veľkej vzorky klientov vyberú užšiu skupinu, u ktorej je väčšia šanca, že by mohla mať o vybraný produkt záujem, nebola v minulosti taká veľká ako mávajú tradičné bankové domy. Kontakt s klientom býva v „kamennej“ banke výrazne drahší ako v ZUNO, ktorá má napríklad na emailovú kampaň prakticky nulové variabilné náklady bez ohľadu na to, koľkých klientov osloví.

„Dôležitý je aj nepriamy dopad. Ak mierime pri výbere potenciálnych záujemcov presnejšie, neoslovujeme ľudí zbytočne, nespamujeme ich a nezahlcujeme zbytočnou komunikáciou.“
Rastislav Pevala

Rastislav Pevala
Dátový analytik pre CRM

Prvotný záujem

Napriek tomu sa popri náraste klientov v ZUNO zvyšovala aj potreba sofistikovanejších analýz a segmentácie. Najmä v súvislosti so snahou využívať na krížový predaj bankových produktov call centrum. Takéto kampane, samozrejme, majú variabilné náklady, preto je mimoriadne dôležité, aby agenti cielili čo najpresnejšie. Inými slovami, aby neoslovovali klientov, u ktorých je minimálna šanca, že prejavia o ponuku záujem.

Navyše, efektivita direct marketingových kampaní bánk nie je jednorozmerná – nejde pri nich iba o množstvo ľudí, ktorí na ponuku zareagujú. „Dôležitý je aj nepriamy dopad. Ak mierime pri výbere potenciálnych záujemcov presnejšie, neoslovujeme ľudí zbytočne, nespamujeme ich a nezahlcujeme zbytočnou komunikáciou,“ dodáva Rastislav Pevala, dátový analytik pre CRM v ZUNO. Otrávený klient časom môže komunikáciu úplne zablokovať – e-maily označí ako spam a telefonáty prestane dvíhať.

ZUNO sa v minulosti snažilo vyberať klientov pre kampane na základe expertných odhadov, ktoré vychádzali z intuície a jednoduchých segmentačných kritérií ako sú vek, región či vlastníctvo produktov. Úspešnosť takýchto kampaní bola zhruba 5 až 6 percentná, čo znamenalo, že o ponuku prejavil záujem zhruba každý dvadsiaty oslovený klient.

Hľadanie kompromisu

V ZUNO si uvedomovali, že z existujúcich nástrojov vyťažili maximum a s analytikou možno dosiahnuť výrazne viac. Manažéri poznali kvality analytického softvéru SAS a prikláňali sa k nemu aj preto, že v analytike ide de facto o štandard, ktorý sa vo veľkom používa nielen v biznise, ale aj na univerzitách. Preto je menší problém nájsť nielen ľudí, ktorí s nástrojmi SAS vedia pracovať, ale aj takých, ktorí chcú zdieľať know-how.

ZUNO zvolilo riešenie, ktoré napĺňa potreby online banky, a zároveň nie je mimoriadne nákladné a nekladie prakticky žiadne nároky na IT infraštruktúru ani na údržbu. Banka zakúpila desktopové licencie softvéru SAS Enterprise Miner a SAS Enterprise Guide, ktoré bežia na jednom počítači obdobne ako napríklad kancelárske aplikácie. Inštalácia prebehla v priebehu niekoľkých hodín a keďže R. Pevala mal vopred pripravené dáta, ešte v ten istý deň sa s nimi mohol začať v analytickom softvéri pohrávať.

Šokujúce výsledky

Výstupy z prvého prediktívneho modelu postaveného na softvéri SAS boli pripravené v priebehu niekoľkých dní až týždňov – aj preto, že ZUNO ako internetová banka nikdy nemala núdzu o dáta. Na rozdiel od tradičných konkurentov so sieťou pobočiek, boli odjakživa jej hlavnými obchodnými a komunikačnými kanálmi e-mail, web, a tiež mobilná aplikácia.

Prvý model vyberal potenciálnych záujemcov pre kampaň na kúpu predschválenej pôžičky. „Model síce často ukáže predvídateľné veci, povie však, ako veľmi s pravdepodobnosťou záujmu klienta korelujú,“ vysvetľuje R. Pevala.

Dôležitejšie ako jednotlivé kritériá sú však výsledky kampane – a tie predčili očakávania. Hoci agenti call centra dostali na kontaktovanie menej klientov, odozvu sa podarilo zvýšiť zhruba štvornásobne, čiže z 5 až na 20 percent. Výsledky ocenili aj agenti call centra, ktorí sa už dnes tešia na nové databázy klientov dodané na základe dátových analýz, lebo vedia, že s nimi budú úspešnejší, a tým pádom aj lepšie odmenení.

Ďalšie plány

Po počiatočných úspechoch záujem manažérov o analytické predikcie, prirodzene, narástol. Ako druhý banka pripravila model na predaj pôžičiek mimo predschválených ponúk a v budúcnosti plánuje napríklad výpočítavať takzvaný next best offer, čiže aký produkt konkrétnemu klientovi najbližšie ponúknuť. „Chceme robiť aj ďalšie hĺbkové analýzy, pokúsiť sa lepšie segmentovať klientov a analyzovať ich správanie,“ dodáva R. Pevala.

Logo ZUNO bank

Biznis problém

Internetová banka ZUNO potrebovala zefektívniť outboundové kampane, predovšetkým cez call centrum a nezahlcovať zbytočne komunikáciou klientov, u ktorých je takmer nulová šanca, že o ponúkaný produkt prejavia záujem.

Riešenie

Banka sa rozhodla vyberať klientov pre kampane na základe analýz dát. Nasadila univerzálne analytické softvérové nástroje SAS Enterprise Miner a SAS Enterprise Guide, ktoré sa dajú prevádzkovať na desktope a nevyžadujú náročnú správu a údržbu.

Prínosy

Vďaka prediktívnemu modelu vytvorenému v softvéri SAS sa zvýšila efektívnosť direct marketingovej kampane zhruba štvornásobne – kým v predošlých kampaniach reagovalo na ponuku približne 5 percent oslovených klientov, z novej vzorky vybranej na základe analýzy dát tento podiel narástol až na 20 percent. Banke sa tiež otvorila cesta k tvorbe a využívaniu ďalších prediktívnych modelov.

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies.

Back to Top