CUSTOMER VALUE“IL VALORE DEL SERVIZIO”

Obiettivi

Metodo

Primi risultati

Il Progetto

• Obiettivo:– Misurare il valore creato dal rapporto con il cliente– Correlare la qualità dei servizi forniti, fedeltà e valore

patrimoniale del cliente

• Metodologia– Comitato Scientifico che presidia i contenuti

metodologici/definizione modello– Incontri mirati con focus group– Validazione metodologia con panel campione– Presentazione risultati in un Convegno

Presentazione a Focus Group

Modello &

rilevazione

qualitativa

Modello &

rilevazione quantitativa

Modello interazione cliente-azienda

•Colloquio circa 1 ora •Questionario pre-spedito

•Gruppo ristretto aziende•Analisi dati•Incontro verifica risultati

Dati campione rappresentativo

KPI selezionati in rilevazione

qualitativa

Analisi GrangerAnalisi Variabili Latenti

Personalizzazione catenaInvestment Variables

Process & System

Behavior

Customer’s value

variables

Financial Variables

Rapporto sintetico sulla metodologia e

sui finding

•Dati anonimi•Indicazioni metodo•Commenti

Piano di lavoro

Process & System Behavior

• HR• Education• Work

Environment• Communicati

on Lines

Investment Variables

Customer’s Value

Variables

Financial Variables

• One call resolution

• Response time • Etc.

• Customer Satisfaction Index,

• Churn rate• Customer Loyalty • Etc.

• EBIT• Sales• Asset (LTV)

La catena causale : schema semplificato

La catena causale : mappa relazioni (esempio)

Financial Variables

Customer’s Value Variables

Process & System Behavior

Investment Variables

HR Education

Headcount

Thecnology capability and alike

One call resolution & escalation

rate

Contact duration

(IVR, Voice)

Customer’s incurred

cost

Customer’s value

Loyalty

Profitability

Churn & Retentio

n

New costumer

EBIT

Sales & market

share

Asset

LTV

Average wait time &

Abandoned calls

Catena causale Financial Institution

Catena causale Telco e Media

Catena causale Automotive

L’analisi ha specializzato anche gli indicatori

73 indicatori individuati Investment : 11 Process & System : 40 Customer’s Value : 16 Financial : 6

Criteri di Analisi

• Modello di Granger– Analisi bivariata

• Regressione lineare multipla– Stima dei valori dei

nessi di causalità individuati dal Modello di Granger

• Modello a Variabili Latenti– Analisi multivariata

Procedimento utilizzato per l'analisi quantitativa

Analisi Quantitativa: Modello di Granger Catena Causale

Legenda

Analisi quantitativa: Modello di Granger

• Obiettivi:– Individuare nessi di causalità tra coppie di variabili– Associare ai nessi di causalità i parametri (pesi) stimati

• Procedimento:– Step 1: Costruzione di un modello univariato per le due serie

storiche relative alle variabili selezionate– Step 2: Costruzione di un modello bivariato delle due serie

storiche basato sui modelli univariati calcolati nello step precedente.

– Step 3: Calcolo degli errori quadratici medi (mse) di predizione dei due modelli e confronto dei risultati ottenuti.

– Regressione lineare multipla

Esempio. Test di causalità di Granger

NOME DESCRIZIONE PERIODO GRANULARITA’

adn Spesa pubblicitaria nei principali media, pro capite. US $ 1956 - 1975 trimestrale

ucgn Spesa di beni per consumo personale, pro capite. Migliaia US $ 1956 - 1975 trimestrale

• Obiettivo :

Andamento delle serie analizzate

ADN UCGN

Stazionarietà e stagionalità delle serie • UCGN - Univariato

Plot Correlazioni serie originale

Plot Correlazioni serie con le differenze del primo ordine

Risultato dell’analisi

In prima analisi, il modello bivariato non migliora la descrizione di UCGN.

Tabella 2 - Post Sample MSE dei modelli analizzati

Variabili latenti: Equazioni strutturali

• Analisi Granger insufficiente • La catena causale presenta anche variabili latenti p.e. il valore

percepito dal cliente: – sappiamo che esiste– non possiamo misurarlo in modo diretto

• Occorre individuare le relazioni fra variabili latenti e variabili manifeste (KPI).– Metodo da utilizzare: le equazioni strutturali a variabili latenti

Analisi Quantitativa: Modello a variabili latenti - Catena Causale

Legenda

Variabili latenti: Equazioni strutturali

• Obiettivi:– Individuare indicatori che descrivano la variabile

latente– Calcolare il valore dei nessi di causalità/covarianza

tra le variabili

• Procedimento:– Step 1: Confirmatory Factor Analytic Approach (CFA):

• visione d’insieme della struttura del modello• indicazioni circa le variabili manifeste

– Step 2: Structural Model (Causal Model):• individua e quantifica le relazioni di causalità tra variabili.

Personal consumption

expenditure on goods

gdp

Consumer credit

Personal consumption

expenditure on durable goods

Personal consumption expenditure on services

Life quality

• Modello causale teorico di partenza

Esempio: Equazioni strutturali a variabili latenti

L=?L=? L=?

Cov=?

Cov=?

Cov=?

Cov=?

E3Var=?

E4Var=?

E5Var=?

Var=?

Var=? Var=1

gdp

Consumer credit

Personal consumption expenditure on goods

Personal consumption

expenditure on durable goods

Personal consumption expenditure on services

Life quality

Confirmatory Factor Analytic Approach 1/2

Confirmatory Factor Analytic Approach 2/2

• Prima valutazione dell’adattamento del modello.• Indicazioni precise su Factor Loading (L):

relazioni tra ogni variabile latente e le rispettive variabili manifeste.

• Stime sui rapporti tra le rimanenti variabili (espressi come covarianze).

• Informazioni su affidabilità, validità convergente e validità discriminante.

• Valutazioni su eventualità di modifiche al modello.

Structural Model (Causal Model) 1/2

• Implementazione delle equazioni strutturali che esprimono le relazioni tra le variabili considerate (latenti e manifeste) secondo lo schema di causalità che si intende seguire.

• Vengono cioè sostituite le covarianze (frecce bidirezionali) con percorsi causali (frecce unidirezionali), spostandosi da una valutazione tra relazioni reciproche ad una valutazione tra relazioni causali ad una direzione.

Structural Model (Causal Model) 2/2

• L’output ottenuto sarà valutato in termini di:– Bontà di adattamento.– Significatività delle relazioni tra le variabili.– Analisi dei residui del modello. – Bilanciamento tra parsimonia e bontà di adattamento

del modello.– Eventuali modifiche da apportare alle equazioni per

affinare il risultato finale.• Dopo aver apportato le opportune modifiche

sarà possibile confrontare il modello ottenuto con quello iniziale per individuare similarità e differenze.

Modello finale ESVL 1/2

P=0.5185

P=0.5819

L=0.3370

L=0.7640L=0.6048

Cov=0.505

gdp

Consumer credit

Personal consumption expenditure on goods

Personal consumption

expenditure on durable goods

Personal consumptio

n expenditure on services

Life quality

Modello finale ESVL 2/2

• Sono individuati i percorsi causali (Path Coefficients), il loro segno ed il loro peso.

• Possibilità di interpretare le relazioni in modo immediato quantificando la variazione di una variabile indipendente sulla variabile dipendente cui si riferisce.

• Vengono offerte indicazioni chiare sia da un punto di vista algebrico che grafico del percorso di causalità.

Documenti Analisi Quantitativa

Manuale di Riferimento Manuale Utente

Manuale Utente

Griglia Variabili Indipententi e Dipendenti Metriche Indicatori

Come si inserisce nello schema Business Intelligence

• Memorizzazione serie storiche di base– Datawarehouse

• Calcolo Granger ed ESVL– DSS

• Memorizzazione risultati– DataWarehouse– DataMart

• Pianificazione controllo e/o monitoraggio– Cruscotto

Conclusioni

• Verificata la fattibilità tecnica di:– Catene Causali fra variabili di

Investimento/Comportamento/Risultato– Misurazione variabili qualitative (misura il percepito)

• Quindi è possibile p.e.:– Misurare le variazioni del “valore percepito dal cliente”– Associare il valore percepito (variazioni) a variabili economiche

patrimoniali– Mirare in senso competitivo le azioni di valorizzazione del cliente

• Prossimo passo:– Validare la significatività – Valutare i fabbisogni di dati di base e le possibilità di proxy

• Al fine di ottenere– La patrimonializzazione del valore del cliente

Grazie per l’attenzione