Tool che permette di simulazione per verificare e validare le regole di raccomandazione prima del loro deploy su clienti e prodotti su diversi assetti di simulazione
Continue reading
L’azienda vuole ottenere il massimo risultato nel raggiungimento dei bonus sia dagli accordi quadro annuali sia dagli accordi promozionali per campagna (stagionale o meno).
La scenario di partenza è complesso perchè ci sono decine di migliaia di clienti, parecchie decine di migliaia di prodotti, multicanalità (volantini, banco, e-commerce, customer service, commerciali) e prodotti che richiedono conoscenza tecnica.
Si cerca di avere maggiore capacità di indirizzamento delle proposte, senza spostare i clienti che hanno loyalty pattern consolidati ma che possono accettare offerte tattiche rispetto ad altri clienti che sono “brand agnostics”.
L’azienda vuole:
L’azienda ha la necessità di analizzare l’evoluzione del comportamento d’acquisto dei propri clienti lungo 3 dimensioni RFM: recentezza, frequenza e valore medio delle transazioni.
Ha inoltre bisogno di avere una visione immediata dell’evoluzione negli anni dei cluster clienti e filtrarli per path di migrazione.
Dopo aver introdotto un’analisi RFM basata sul comportamento d’acquisto dei clienti in una serie storica di 3 anni, con clusterizzaizozne da 3 a 5 livelli di celle RFM, sia bilanciato che sbilanciato. La dimensione temporale è stata esplosa per anno e trimestre eseguendo un forecasting a 3 mesi.
E’ stato realizzato con librerie di data visualization sankey uno strumento di monitoraggio grafico dell’evoluzione dei cluster clienti che ha dato immediata evidenza al marketing dei fenomeni di migrazione avvenuti nel tempo.
Gli impatti sono legati alla possibilità di analizzare in modo intuitivo ed immediato i cluster clienti identificati in base a comportamenti simili e la loro evoluzione nel tempo.
Ciò permette al Marketing e alle Vendite di identificare target su cui andare a mirare azioni tattiche o campagne promozionali e di fidelizzazione con elevanti livelli di confidenza.
Sui grafici sono evidenti le migrazioni verso i cluster più alti e la diminuzioni degli abbandoni.
Nel flusso a 3 mesi, l’accuratezza forecasting varia dal 78% al 89% in funzione delle celle a maggiore fidelizzazione.
L’azienda vuole supportare l’operatività degli agenti di vendita nella gestione della propria agenda e della loro proposta commerciale ai clienti nei giri visita.
È stata progettata ed implementata una soluzione basata sul Conversational AI di SAP che consente agli agenti quando sono fuori per effettuare il giro visite di interrogare un BOT in grado di:
I benefici dell’utilizzo di questo strumento a supporto della forza vendite sono:
Profilo Azienda Situazione L’azienda dispone di un catalogo multimarca di decine di migliaia di referenze. L’obiettivo è quello di offrire un livello di servizio più elevato, aumentare la fedeltà dei clienti e la redditività dellevendite. Azioni Partendo dall’analisi della base dati clienti e fatturato sono state fatte delle analisi di clustering, delle regole associative e […]
Continue reading
