Copyright © 2010 SAS Institute Inc. All rights reserved. Sergio Miller Gerente de Proyectos Hotel Hilton Buenos Aires 17 de Noviembre 2011 The Premier Business Analytics 2012 Campaign Management Caso de Telecom Argentina S.A.

2 Copyright © 2010, SAS Institute Inc. All rights reserved. CAMPAÑAS  Implementar una solución informática conformada por una herramienta World Class  Crear un modelo de datos sólido que soporte el proceso de Gestión y seguimiento de las Campañas, con el fin de optimizar las actividades  Brindar información para la toma de decisiones en cada paso de dicho proceso. Objetivo del Proyecto

3 Copyright © 2010, SAS Institute Inc. All rights reserved. Objetivo: aumentar el valor del cliente Tiempo Valor 2-Modelos Predictivos 4-Optimización de Marketing Pérdida Adquisición mas eficiente Adquisición mas eficiente Modelos de Cross/up sell Ganancia Mejor Cross/Up Sell Mejor Cross/Up Sell Mejor Cross/Up Sell Mejor Cross/Up Sell Mejor Cross/Up Sell 3-Administración de Campañas 1-Valor del Cliente Retención Mas efectiva Retención Mas efectiva Modelos de Retención DesarrolloRecuperaciónAdquisiciónFidelización \ Retención

4 Copyright © 2010, SAS Institute Inc. All rights reserved. Enterprise Intelligence Platform Segmentación Vista Integrada del Cliente Modelado de Comportamiento Administración de Campañas Contactos Inteligentes DataMart de Análisis de Clientes Optimización/Automatización de Campañas Análisis del ClienteGestión de Datos Ciclo de customer intelligence

5 Copyright © 2010, SAS Institute Inc. All rights reserved. Esquema previo de inteligencia comercial

6 Copyright © 2010, SAS Institute Inc. All rights reserved. SAS Campaign Management Plataforma Mailing Masivo: Actual: MAIL TRACK Plataforma Mailing Masivo: Actual: MAIL TRACK Base de Campañas Base de Campañas ETL: JANO CRM OPERATIVO: Actual: AC Ventas, CMS C. Care, – ANC cobranzas C-Manager Objetivo: CRM MASIVO – Analizar fases Actuales por retención y Fase de Campañas ventas. CRM OPERATIVO: Actual: AC Ventas, CMS C. Care, – ANC cobranzas C-Manager Objetivo: CRM MASIVO – Analizar fases Actuales por retención y Fase de Campañas ventas. GESTIÓN – Foco Analítico EJECUCIÓN – Foco Operativo Registración Brief de la Campaña Registración Brief de la Campaña Selección Target Selección Target Loteo Publicación información Campaña y lotes por canal Resultados ejecución + Información negocio: Ventas, facturación, cobranzas, etc. Marketing Directo: CORREO – Canales de distribución Marketing Directo: CORREO – Canales de distribución Análisis resultados Fuentes Externas Aplicaciones Legacy Información para definición Campaña y gestión de Target/Loteo de Clientes Herramienta CTI / Discador Predictivo: Contact Center IP (AVAYA) Out: lote para discador Llamadas – integración Screen Pop Up (Ejecución Out + llamadas In) DM … Business Intelligence Mining: Objetivo: SAS Miner Mining: Objetivo: SAS Miner ETL: JANO DM MKT Zoom DM MKT Zoom DM Facturación ODS DM Facturación ODS DM ventas CCTBI DM ventas CCTBI DM Cobranzas DACOTA DM Cobranzas DACOTA EDW Nueva Arquitectura

Copyright © 2010 SAS Institute Inc. All rights reserved. Análisis del Cliente Ejemplo de Cross Selling

8 Copyright © 2010, SAS Institute Inc. All rights reserved.  Posibilita la ejecución de modificaciones de manera dinámica ante cambios de política o coyunturales.  Reduce el acceso de personas ajenas a la institución a la información estratégica. ¿Por qué hacer Analytics en Casa?  Permite incorporar el know- how de los analistas para poder verificar las fortalezas y debilidades del modelo.  Evita la dependencia de consultores externos.

9 Copyright © 2010, SAS Institute Inc. All rights reserved. Variables Geográficas  Buenos Aires, Santa Fe, Córdoba y Entre Ríos se comportaban muy similar y se los agrupo en el área Centro.  Se diferencio el Noreste y el Noroeste, ambos con excelente predisposición a la compra.  Se detectaron distintos patrones de compra según la región del País. Se generaron diferentes Zonas.  Capital Federal y Gran Buenos Aires se detectó un comportamiento similar entre si y diferente al resto.

10 Copyright © 2010, SAS Institute Inc. All rights reserved. Variables Cliente: Edad  El dato de la Edad es poco confiable, en cambio el DNI es altamente confiable dado que actúa como identificador para la facturación, reclamos y titularidad.  Por el sistema de entrega de DNI en Argentina, con los primeros 3 dígitos del documento se puede saber la edad con una aproximación de 6 meses.  Los Extranjeros tienen DNI de mas , con este dato se identifico este grupo también.

11 Copyright © 2010, SAS Institute Inc. All rights reserved. Clientes Totales Sin Edad Menos de 45 Entre 45 y 65 Mas de 65 Capital y GBA Noreste Centro Noroeste Facturación Alta Facturación Media Facturación Baja Nuevos 2000 a ’s Pre 90’s Modelo Obtenido

12 Copyright © 2010, SAS Institute Inc. All rights reserved. Medición de Resultados  Con el modelo desarrollado se armó la Base A con los mejores Perfiles y la Base B con el resto.  No se informó a los Call Centers para evitar el efecto placebo.  La Base A fue superior a la B en más del 75%.  Si no se hubiera realizado el Modelo, se hubieran enviado estos perfiles mezclados dando una efectividad del 2.21%.  Usando el Scoring tenemos una mejora del 28,05% Base A Base B

13 Copyright © 2010, SAS Institute Inc. All rights reserved. Hablemos de Dinero  Asumamos los siguientes datos ilustrativos:  100 llamados por Telemarketer por día  llamados Mensuales TMK 22 días  Costo por llamado: USD 5  Comisión por Venta: USD 150  Vida promedio del Cliente: 2 años  Ingresos Mensuales: USD 20  Ingreso por Venta: USD 480 – USD 20 x 24 meses  Efectividad sin Scoring: 2,21%  Incremento de Efectividad: 10% El Margen creció en USD , es decir un 31.81%

Copyright © 2010 SAS Institute Inc. All rights reserved. Análisis del Cliente Realizados por otras áreas

15 Copyright © 2010, SAS Institute Inc. All rights reserved.  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 Payment Risk: Detección Previa

16 Copyright © 2010, SAS Institute Inc. All rights reserved.  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. Payment Risk: Detección Morosos

17 Copyright © 2010, SAS Institute Inc. All rights reserved. Clientes Totales Menos de 180 días Entre 180 días y 1 año Entre 1 y 2 años Mas de 2 años Menos de $30 Más de $200 Entre $30 y $200 Menos de $30 Sin Llamadas Con Llamadas Modelo Obtenido Res no Top Res Top Se pueden detectar el 5.04% de los Clientes que contienen el 28.87% de los morosos.

Copyright © 2010 SAS Institute Inc. All rights reserved. Automatización de Campañas

19 Copyright © 2010, SAS Institute Inc. All rights reserved. Call Center (Propios y Terceros) Marketing Directo ing Retención (Customer Care) Inbound Outbound Inbound Outbound Call Center Resumen de las Campañas

20 Copyright © 2010, SAS Institute Inc. All rights reserved. Tipo de Campaña Segmento Objetivo Cantidad Candidatos Cantidad Campañas Selección candidatos Loteo a Call Centers ArnetMasivos/Pymes MKT / Ventas Ventas UpsellingMasivos/Pymes MKT / Ventas Ventas Productos Varios Masivos MKTVentas WinbackMasivos/Pymes VentasVentas AdquisiciónMasivos/Pymes VentasVentas Formularios WEB Masivos /Pymes1.0003No aplicaVentas TOTAL INI : Inteligencia del Negocio e Innovación IDD :Inteligencia de Datos Resumen de las Campañas

21 Copyright © 2010, SAS Institute Inc. All rights reserved.  Alinear el proceso de generación de campañas de acuerdo a los roles y responsabilidades de cada área.  Ordenar, formalizar, documentar, simplificar, estandarizar y automatizar el proceso de generación de campañas.  Optimizar recursos de IT involucrados actualmente.  Mejorar el análisis de la efectividad y los resultados de todo el proceso de generación de campaña de punta a punta.  Mayor flexibilidad y agilidad en la definición de nuevas campañas mediante configuración y parametrización.  Fuerte integración con los modelos predictivos ya que se utiliza la misma tecnología.  La nueva solución, por tratarse de un Sistema Corporativo, contará con el soporte de IT minimizando los riesgos operativos. Beneficios

22 Copyright © 2010, SAS Institute Inc. All rights reserved.  Conformar un equipo interdisciplinario entre Marketing, Ventas y las áreas de IT, de manera de asegurar que la solución cubra todas las necesidades en relación a esta temática.  Dedicación acorde a la demanda de todos los actores del proyecto tanto del negocio como de IT (Sponsor, líderes, analistas), sin afectar las tareas diarias actuales.  Se debe garantizar un mínimo de 10 hs semanales del área de Ventas y Marketing para cada temática, durante la etapa de análisis y diseño.  Aplicar una metodología de desarrollo e implementación incremental por campaña.  Implementar las mejores prácticas en CRM Analítico mediante la capacitación de los analistas de negocio y referentes de IT en las tecnologías involucradas.  Contar con la definición del Proceso End to End de Gestión de Campañas (FMO). CAMPAÑAS Factores de Exito

23 Copyright © 2010, SAS Institute Inc. All rights reserved. Return On Marketing Investment (ROMI) Campañas mas eficientes: Mayor Tasa de Respuesta. Mejora del ROMI del 20% para el 25% de las Campañas. Modelos Mejora en Relacionamiento, Retención, Tiempos de Respuesta y uso de Canal Preferido. Mejora del ROMI del 5% para todas las Campañas. Personalización Automatización, Optimización y mayor cantidad de Campañas. Mejora del ROMI del 3% para todas las Campañas. Manejo Campañas dirigidas a segmentos específicos para acciones puntuales de MKT. Mejora del ROMI del 2% para el 5% de las Campañas. Focalización Mayor cantidad de información, procesos Standard. Mejora del ROMI del 1% para todas las Campañas. Menos Riesgos Estimaciones del libro Marketing Automation: Practical Steps to More Effective Direct Marketing

Copyright © 2010 SAS Institute Inc. All rights reserved.