Copyright © 2011, SAS Institute Inc. All rights reserved. PoC Payment Risk Modelo Riesgo de Morosidad

2 Copyright © 2011, SAS Institute Inc. All rights reserved.  Originación / Scorecard  Comportamiento  De mora temprana  Cobranzas Payment Risk

3 Copyright © 2011, SAS Institute Inc. All rights reserved. Payment Risk: Comportamiento  Los modelos basados en comportamiento nos ayudan a identificar aquellos Clientes que poseen mayor probabilidad de no abonar la factura actual. En este caso, observando el comportamiento de los actuales Clientes morosos de Telefonía Fija y Arnet detectamos nuevos sospechosos de caer en mora.

4 Copyright © 2011, SAS Institute Inc. All rights reserved. Payment Risk: Scorecard  Los modelos de Scorecard son una herramienta cuya utilidad básica es diagnosticar con anterioridad la potencial morosidad de un Cliente.  En este caso, el Scorecard desarrollado, permite detectar qué Cliente actual de la telefonía fija probablemente va a ser moroso al adquirir el producto Arnet

5 Copyright © 2011, SAS Institute Inc. All rights reserved. Creación de las ABT(s)  Se tomaron diferentes Fuentes de Información:  ABT de Dacota: clientes con sus facturas mes a mes, contemplando datos de morosidad, forma de pago, etc.  ABT(s) de Marketing: información del cliente proveniente del Área de Marketing con información de segmentos, consumos, etc.  Las 2 tablas finales cuentan con 130 variables.  Se utilizó información correspondientes a 13 meses, desde junio de 2010 hasta junio de  Selección de clientes:  Para el análisis se tomaron Clientes con una única línea.  Se consideraron solo aquellos Clientes del Segmento Residencial.

Distribución de variables

7 Copyright © 2011, SAS Institute Inc. All rights reserved. Proceso de modelado en SAS Enterprise Miner

8 Copyright © 2011, SAS Institute Inc. All rights reserved. Detección de Grupos de Clientes  Si uno selecciona al azar el 10% de los Clientes, esta seleccionando también el 10% de Clientes Buenos y el 10% de Clientes Malos.  Una buena medida de qué tan bueno es el modelo es medir cómo mejora esta relación las reglas detectadas.  Cada regla detectada por los árboles posee un % del total de Clientes Buenos y Clientes Morosos.  El indicador usado para identificar la ganancia que produce el modelo es hacer el ratio %Clientes Morosos/%Clientes Buenos. En el caso del azar, este Índice da 1.  Se usan los valores de Testing para tener un valor más conservador y realista.  Para la selección de Clientes Críticos se tomaron las reglas con mayor índice y para los Peligrosos las segundas reglas con mayor índice haciendo el corte donde se detectó un salto.  Esta clasificación en Críticos y Peligrosos puede ser cambiada acorde a las necesidades del negocio y usabilidad.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Comportamiento

10 Copyright © 2011, SAS Institute Inc. All rights reserved. ABT de Comportamiento Selección de la muestra:  Se seleccionó la primer factura donde el Cliente se atrasó 65 días o más, definiendo a estos clientes como Morosos. El Cliente podía o no ser Cliente Arnet.  Se seleccionó una muestra balanceada de facturas de Clientes sin morosidad, respetando la distribución mensual del primer grupo, para evitar problemas de estacionalidad.  Se cruzó esta muestra con la información de MKT del mes anterior.  Se tomaron Clientes para el análisis siendo la mitad de ellos morosos.

11 Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Comportamiento

12 Copyright © 2011, SAS Institute Inc. All rights reserved. Medidas de Ajuste del Modelo Curvas ROC - Comportamiento Curva Lift- Behavior Al tomar el primer 20% de los casos, se captura el 60% de los clientes morosos

13 Copyright © 2011, SAS Institute Inc. All rights reserved Clientes Críticos 6 Navegación del Árbol (Comportamiento)

14 Copyright © 2011, SAS Institute Inc. All rights reserved. Perfil de los Clientes Críticos Descripción: 1.Antigüedad de Línea entre 180 a 365 días e Importe Facturado < $28. » Morosos: 1.27%Buenos Clientes: 0.14% » Indice: Antigüedad de Línea < 180 días y Segmento Histórico RR2. » Morosos: 8.96%Buenos Clientes: 1.41% » Indice: Antigüedad de Línea entre 1 a 4.5 años, Importe Facturado > $193 y Score Cliente Res < 412 » Morosos: 2.59%Buenos Clientes: 0.43% » Indice: Antigüedad de Línea entre 1 a 4.5 años e Importe Facturado < $28. » Morosos: 6.16%Buenos Clientes: 1.08% » Indice: Antigüedad de Línea entre 180 a 365 días e Importe Facturado > $193 » Morosos: 2.33%Buenos Clientes: 0.41% » Indice: Antigüedad de Línea > 4.5 años, Importe Facturado < $28 y sin Llamadas Urbanas. » Morosos: 7.56%Buenos Clientes: 1.57% » Indice: 4.81  Estas reglas involucran el 5.04% de los Clientes y detectan el 28.87% de los morosos.

15 Copyright © 2011, SAS Institute Inc. All rights reserved. Clientes Peligrosos Clientes Críticos Navegación del Árbol (Comportamiento)

16 Copyright © 2011, SAS Institute Inc. All rights reserved. Perfil de los Clientes Peligrosos Descripción: 1.Antigüedad de Línea > 4.5 años, Importe Facturado > $193, Score Cliente Res < 412 y Segmento Histórico RR2 » Morosos: 0.81%Buenos Clientes: 0.22% » Indice: Antigüedad de Línea entre 1 a 4.5 años, Importe Facturado entre $28 y $193, Score Cliente Res < 412 y sin Llamadas Urbanas » Morosos: 2.20%Buenos Clientes: 0.63% » Indice: Antigüedad de Línea < 180 días y Segmento Histórico RR1 o RJB » Morosos: 6.32%Buenos Clientes: 2.11% » Indice: Antigüedad de Línea > 4.5 años, Importe Facturado entre $28 y $193, sin Llamadas Urbanas y sin Llamadas Interurbanas » Morosos: 4.81%Buenos Clientes: 1.75% » Indice: Antigüedad de Línea entre 180 a 365 días y Importe Facturado entre $28 y $193 y Segmento Valor es B, C o D » Morosos: 3.08%Buenos Clientes: 1.35% » Indice: 2.28  Estas reglas involucran el 6.06% de los Clientes y detectan el 17.22% de los morosos.  Entre Críticos y Peligrosos se tiene el 11.1% y detectan el 46.09%.

17 Copyright © 2011, SAS Institute Inc. All rights reserved. Sugerencias de Aplicación  Este modelo se puede aplicar sobre Clientes con y sin Arnet.  Detecta Clientes con mayor probabilidad de no pagar la factura actual.  Sobre estos Clientes se pueden definir diferentes Acciones Comerciales.  Se puede limitar la venta sobre los Clientes Críticos que son el 5.04% del total que incluyen el 28.87% de los Morosos.  Se puede dirigir la venta para los Clientes Peligrosos hacia determinado grupo de Productos que sean menos riesgosos.  Estas acciones se pueden sugerir para diferentes Productos de Telecom y no solo relacionados con Arnet ya que lo que se predice es riesgo de mora inmediata.  Estas sugerencias y/o direccionamientos se pueden realizar mediante los procesos de Campañas Actuales informándole la situación de riesgo de Mora a los EVTs de la compañía tanto para Campañas de OutBound como las de Inbound.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Scorecard

19 Copyright © 2011, SAS Institute Inc. All rights reserved. ABT de Scorecard Selección de la muestra:  Los Clientes Morosos son los que verifican las siguientes condiciones:  Han adquirido Arnet en el período observado  Se han vuelto morosos posteriormente.  Tienen al menos 3 meses de historia sin Arnet en el período observado.  Se tomó la última factura donde el cliente no tenía ARNET Se seleccionó una muestra balanceada de la última factura antes de contratar Arnet de Clientes que no incurrieron en mora en el período de observación.  Se tomó a Clientes para el análisis siendo la mitad de ellos morosos.

20 Copyright © 2011, SAS Institute Inc. All rights reserved. Navegación del Árbol (Scorecard) 1 Clientes Críticos 2

21 Copyright © 2011, SAS Institute Inc. All rights reserved. Clientes Críticos (Scorecard) Descripción: 1.Antigüedad de Línea = $76. » Morosos: 7.37% » Buenos Clientes: 1.94% » Indice: Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado >= $85, Score Cliente Res < 112. » Morosos: 3.01% » Buenos Clientes: 1.04% » Indice: 2.89  Estas reglas involucran el 2.98% de los Clientes y detectan el 10.41% de los morosos.

22 Copyright © 2011, SAS Institute Inc. All rights reserved. Navegación del Árbol (Scorecard) 1 Clientes Críticos 2 Clientes Peligrosos 2 1 3

23 Copyright © 2011, SAS Institute Inc. All rights reserved. Perfil de los Clientes Peligrosos Descripción: 1.Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado >= $85, Score Cliente Res >= 112, Cantidad Aladinos >= 1 » Morosos: 2.89% » Buenos Clientes: 1.62% » Indice: Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado < 85 y tuvo Arnet=si » Morosos: 3.13% » Buenos Clientes: 1.96% » Indice: Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado >= 85, Score Cliente Res >= 112, No tiene Aladinos y Edad entre 18 y 30 o extranjeros » Morosos: 4.15% » Buenos Clientes: 2.89% » Indice: 1.43  Estas reglas involucran el 6.47% de los Clientes y detectan el 10.17% de los morosos.  Entre Críticos y Peligrosos se tiene el 9.45% y detectan el 20.55%.

24 Copyright © 2011, SAS Institute Inc. All rights reserved. Sugerencias de Aplicación  Este modelo aplica exclusivamente sobre Clientes sin Arnet.  Detecta Clientes con mayor probabilidad de incurrir en mora luego de adquirir Arnet.  Sobre estos Clientes se pueden definir diferentes Acciones Comerciales.  Se puede limitar la venta sobre los Clientes Críticos que son el 2.98% del total que incluyen al 10.41% de los morosos.  Se puede dirigir la venta para los Clientes Peligrosos hacia determinado grupo de Productos que sean menos riesgosos.  Se pueden desarrollar Productos del tipo Pre-Pago para estos grupos de Clientes.  Estas sugerencias y/o direccionamientos se pueden realizar mediante los procesos de Campañas Actuales informándole la situación de riesgo de Mora a los EVTs de la compañía tanto para Campañas de OutBound como las de Inbound.  Debido al poco volumen de los Clientes Críticos, se puede negociar con las Áreas de Ventas no accionar sobre este 2.98% en las campañas de OutBound, dirigiendo todos los esfuerzos a Clientes con menos probabilidad de mora que no necesariamente son peores compradores.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Cobranzas

26 Copyright © 2011, SAS Institute Inc. All rights reserved. Payment Risk: Cobranzas  Los Modelos de Cobranzas son una herramienta de gestión que permiten decidir qué acciones conviene realizar a cada cliente. El objetivo es optimizar las acciones de recupero.  En este caso, los Modelos desarrollados, permiten estimar qué acciones conviene realizar a los diferentes Clientes de Telecom Personal de tal manera que se pueda obtener el máximo beneficio del proceso de recupero.

27 Copyright © 2011, SAS Institute Inc. All rights reserved. ¿Qué se Busca? Con los modelos de Cobranzas se busca estimar la probabilidad de éxito para cada hito del proceso. Estas probabilidades permiten calcular el Costo y el Beneficio esperado para cada acción a realizarse al Cliente. Este análisis del Costo/Beneficio por acción permite definir diferentes reglas de Gestión acordes a la estrategia de Cobranza deseada. Para esto se genera una tabla que contiene para cada Cliente las diferentes probabilidades, Costos y Monto de Deuda.

28 Copyright © 2011, SAS Institute Inc. All rights reserved. Creación de la ABT  Se tomaron diferentes Fuentes de Información:  Información de Cobranzas: clientes con sus facturas mes a mes, contemplando datos de morosidad, fechas de pagos, hitos realizados, DNI, etc.  ABT de Marketing: información del cliente proveniente del Área de Marketing con información de segmentos, consumos, etc.  La tabla final cuenta con 853 variables.  Se utilizó información correspondientes a 10 meses, desde Febrero de 2010 hasta diciembre de 2010 producto de cruzar los datos disponibles.  Solo se trabajó con Clientes Masivos, Gold, Soho y Pymes a quienes se les haya realizado al menos una acción de Cobranzas.  Para generar la muestra se consideraron el monto adeudado y los días impagos, según los criterios de acción de Cobranzas.

29 Copyright © 2011, SAS Institute Inc. All rights reserved. Modelos a Obtener  Modelo de Churn Involuntario: Predice la probabilidad de que un Cliente cumpla 150 días de morosidad.  Modelo de IVR: Predice la probabilidad de que un Cliente No cancele la deuda al recibir el IVR.  Modelo de Hot 1 y Hot 2: Predice la probabilidad de que un Cliente No cancele la deuda al recibir las acciones H1 y H2 dado que se le realizo el IVR anteriormente.  Modelo de Otros Hitos: Predice la probabilidad de que un Cliente No cancele la deuda al recibir los «Otros hitos» dado que recibió los anteriores.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Churn Involuntario

31 Copyright © 2011, SAS Institute Inc. All rights reserved. Target: Churn Involuntario  Se identificó como Target = 1 a aquellos Clientes que se les aplicó el Hito de Baja del Servicio.  Se identificó como Target = 0 a aquellos Clientes que se registro el pago entre el día de Generación de IVR y el día 150.  Estos Clientes recibieron la totalidad de las acciones de Cobranzas a las cuales aplicaban pero de todas maneras, continuaron en situación de Morosidad.  Esta Acción se realiza para todos los segmentos el día 150 y con un umbral de deuda de $1.

Modelo de Churn Involuntario Clientes Críticos Clientes Peligrosos 23 Clientes Críticos 12 3 Zona Crítica

33 Copyright © 2011, SAS Institute Inc. All rights reserved. Perfil de los Clientes Críticos  Se detectó en el Modelo una Zona Crítica que viene definida por aquellos Clientes a los que se les aplicó Hot 2 en los últimos 6 Meses. Este grupo de Clientes representa por si mismo el 5.83% de los Clientes y el 52.46% de los Churn.  Dentro de esta zona se pueden identificar igualmente Perfiles aún más Criticos que vienen dados en base al uso del Servicio.  Descripción: 1.Tuvo Hot 2 en los ultimos 6 Meses, Tuvo menos de 135 KB Traficados y el Consumo de llamadas Salientes le bajó al 13% del promedio. » Buenos Clientes: 2.20%Morosos: 30.59% » Indice: Tuvo Hot 2 en los ultimos 6 Meses, Tuvo menos de 135 KB Traficados y el Consumo de llamadas Salientes es superior al 13% del promedio. » Buenos Clientes: 1.64%Morosos: 11.48% » Indice: No Tuvo Hot 2 en los ultimos 6 Meses, No Tuvo Reclamos, Tuvo Hot 1 en los últimos 6 Meses, Tiene menos de 10 Lineas asociadas. » Buenos Clientes: 2.61%Morosos: 10.86% » Indice: 4.15  Estas reglas involucran el 6.45% de los Clientes y detectan el 52.93% de los Churn Involuntarios.

34 Copyright © 2011, SAS Institute Inc. All rights reserved. Perfil de los Clientes Peligrosos  Dentro de la Zona Crítica se identificó un Perfil de Clientes menos críticos que el resto y figuran dentro de este Perfil.  Además se identificaron 2 grupos más fuera de la Zona Crítica con niveles importantes de Peligrosidad.  Descripción: 1.Tuvo Hot 2 en los últimos 6 Meses, y Tuvo más de 135 KB Traficados » Buenos Clientes : 1.94%Morosos: 7.17% » Indice: Tuvo Hot 2 en los últimos 6 Meses, Tuvo menos de 135 KB Traficados y el Consumo de llamadas Salientes es superior al 13% del promedio. » Buenos Clientes : 2.92%Morosos: 7.47% » Indice: No Tuvo Hot 2 en los últimos 6 Meses, No Tuvo Reclamos, Tuvo Hot 1 en los últimos 6 Meses, Tiene menos de 10 Líneas asociadas. » Buenos Clientes : 2.68%Morosos: 4.06% » Indice: 1.52  Estas reglas involucran el 7.53% de los Clientes y detectan el 18.70% de los Churn Involuntarios.  Entre Críticos y Peligrosos se involucran el 13.98% de los Clientes y se detectan el 71.63% de los Churn Involuntarios.

35 Copyright © 2011, SAS Institute Inc. All rights reserved. Medidas de Ajuste del Modelo Curvas ROC - Churn Curva Lift- Churn Al tomar el 13.98% de los casos, se captura el 71.63% de los Churn Involuntarios Al tomar el 6.45% de los casos, se captura el 52.93% de los Churn Involuntarios

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelos Basados en Hitos

37 Copyright © 2011, SAS Institute Inc. All rights reserved. Target: IVR, Hot 1 y 2, Otros hitos  Se generaron 3 columnas targets distintas.  Se identificó como Target = 0 a aquellos Clientes que  se les aplicó el Hito en cuestión  pagaron su deuda en el período comprendido entre el hito realizado y el siguiente hito a realizar  Se identificó como Target = 1 a aquellos Clientes que  no efectuaron el pago dentro del período contemplado.  Se consideran sólo clientes que hayan recibido el Hito correspondiente, según su segmento y monto adeudado.  En estos casos, los perfiles de Clientes de Churn Involuntario van a aparecer como clientes «Críticos y Peligrosos» de los modelos.  Por este motivo, el foco va a estar puesto en el perfil de los Clientes.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo IVR

39 Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de IVR

40 Copyright © 2011, SAS Institute Inc. All rights reserved. Medidas de Ajuste del Modelo Curvas ROC - IVR Curva Lift- IVR Al tomar el primer 20% de los casos, se captura el 65% de los clientes que no van a responder.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo Hot

42 Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Hot

43 Copyright © 2011, SAS Institute Inc. All rights reserved. Medidas de Ajuste del Modelo Curvas ROC - Hot Curva Lift- Hot Al tomar el primer 20% de los casos, se identifica el 70% de los clientes que no van a responder.

Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo Otros

45 Copyright © 2011, SAS Institute Inc. All rights reserved. Modelo de Otros

46 Copyright © 2011, SAS Institute Inc. All rights reserved. Medidas de Ajuste del Modelo Curvas ROC - Otros Curva Lift- Otros Al tomar el primer 20% de los casos, se captura el 50% de los clientes que no van a responder.

47 Copyright © 2011, SAS Institute Inc. All rights reserved. Resultados de los Modelos: Perfiles  Se identificaron dentro de estos 3 modelos perfiles comunes de respuesta a los diferentes hitos. Estos influyen con distinta intensidad en cada modelo.  Esto nos permite caracterizar los Clientes de la siguiente manera:  El comportamiento es diferenciado por Segmento Masivo, Pymes, Empresas.  Clientes con Reclamos en los últimos 6 meses responden mejor.  Clientes menores de 30 años responden mejor al IVR.  Clientes con más líneas responden mejor.  Clientes con Programas de Fidelización, Plan Amigos y Familiares responden mejor.  Clientes sin suspensiones en su servicio en los últimos 18 meses, responden mejor.  Clientes que no han dado de baja Líneas en los últimos 6 meses responden mejor.  Clientes con mayor antigüedad responden mejor.  Clientes con Bajo ARPU y Alta Deuda responden peor.  Clientes con mayor cantidad de llamados a Movistar responde peor.

48 Copyright © 2011, SAS Institute Inc. All rights reserved. Gestión de Cobranzas  Al iniciar la Gestión, lo mejor que nos puede ocurrir es que el Cliente abone su deuda sin realizarle ninguna acción.  Cada Cliente tiene una probabilidad de Recupero obtenida mediante el modelo de Churn Involuntario.  El Recupero Esperado es Monto_Deuda*[1 - p(Churn)].  El costo del Recupero depende de 2 escenarios: i.Si el Cliente no Paga: Total Costos de Cobranzas ii.Si el Cliente Paga: Hito 1+   Hitos*p(Hito/No Hitos Previos)  Con los modelos de Hitos podemos calcular el ítem ii.  Ambos escenarios van ponderados por su probabilidad de Ocurrencia: p(Churn) y 1 – p(Churn) respectivamente.  El Beneficio Esperado es Recupero Esperado – Costo Esperado.  Para evaluar mas fácilmente estos puntos se va a construir la Tabla de Cobranzas.

49 Copyright © 2011, SAS Institute Inc. All rights reserved. Obtención de la Tabla de Cobranzas  Con los 4 modelos obtenidos se calculan las probabilidades para cada Hito de Cobranzas, la probabilidad de Churn y el Recupero, Costo y el Beneficio Esperado por Cliente.  Esta tabla se puede obtener al momento de comenzar las acciones de Cobranzas y decidir el mejor proceso para cada Cliente.

50 Copyright © 2011, SAS Institute Inc. All rights reserved. Posibles usos de la Tabla de Cobranzas HOT  La tabla de Cobranzas permite explorar los diferentes perfiles y grupos de Clientes para tomar acciones preventivas enfocadas a evitar un mayor endeudamiento por parte de los Clientes con menor % de Recupero.  Diseñar reglas de Cobranzas ajustadas a las probabilidades individuales de cada Cliente acordes a su perfil.  Diferenciar las acciones de Cobranzas sobre Clientes con Alto y Bajo Porcentaje de recupero.  Desarrollar un método de optimización de Cobranzas utilizando las probabilidades individuales asociadas que permita maximizar los Beneficios Esperados.  No cortar el servicio a clientes con baja probabilidad de churn.  Generar un Scoring de Clientes que permita direccionar las acciones comerciales acorde a los niveles de riesgo de cada contrato.

Copyright © 2011, SAS Institute Inc. All rights reserved. Gracias