• Richiedi informazioni

  • 4 Febbraio 2021

Alcuni nostri casi rilevanti di Data Modeling

Alcuni nostri casi rilevanti di Data Modeling

Alcuni nostri casi rilevanti di Data Modeling 724 483 3rdPlace

Rendiamo facili cose difficili modellando i dati

La raccolta intelligente dei dati e la loro modellazione attraverso algoritmi di Intelligenza Artificiale consente alle aziende di risolvere problemi di business o aprire nuove opportunità. Ecco alcuni lavori da noi realizzati che possono ispirarti.

AI predittiva per Riduzione Churn

Settore: Banking

Esigenza:

intercettare predittivamente clienti a rischio abbandono per poter effettuare attività personalizzate di marketing.

Attività: attraverso un modello di Machine Learning analizziamo il percorso di interazione del cliente con l’azienda. Calcolo di un indice di rischio relativo all’abbandono (churn rate) di ogni cliente relativo ad ogni specifico servizio. 

In dettaglio, per ogni cliente periodicamente viene calcolato il suo churn score basandosi su tutti i dati a disposizione che permettono di ricostruire il suo comportamento con l’azienda (tracciamento web, CRM, email, transazioni)  definendo così dei cluster di utenti per classe di rischio (High Risk, Average e Power User).

Output

  • Creazione un indice di rischio per ciascun cliente
  • Creazione di cluster di utenti ad alto rischio di churn

Risultati:
– 14,7% Churn Rate dopo soli 2,5 mesi di attività

AI predittiva per Segmentazione Clientela

Settore: Gambling/Betting

Esigenza 1:

Aumentare il numero di utenti che portano a termine il primo deposito di denaro (i “prospect”)

Esigenza 2:

Intercettare gli utenti di qualità. Per “quality user” si intende un utente che nel corso del tempo continua a depositare e utilizzare risorse economiche in giochi.

Attività 1:
– Gestione dei flussi di dati (Web Analytics, adv, CRM) provenienti da team differenti che operano con silos separati (Data Lake)
– Creazione di un “Path to Registration” che identifica tutti i touchpoint dell’utente, dall’arrivo al sito fino alla registrazione.
Attività 2:
– Segmentazione dell’utenza sfruttando algoritmi di clustering che lavorano su metriche quali frequenza di gioco, volume di depositi, interessi specifici , orari di navigazione. L’algoritmo utilizza anche gli insight del path to conversion per accrescere il quality score costruito sul clustering.

Output:
– Sviluppo di un indice della qualità degli utenti (similarity index)
– Personalizzazione dell’offerta in base ai segmenti individuati

Risultati
+18,7% Conversion Rate
L’identificazione e visualizzazione del cluster “quality user” ha favorito un aumento del tasso di conversione dalla registrazione al nuovo deposito.

AI predittiva per Segmentazione Clientela

Settore: Travel

Esigenza:

Ottenere il massimo dai dati proprietari interni (first-party data) al fine di acquisire nuovi clienti e fidelizzare gli esistenti.

Attività:
– Integrazione in un unico ambiente dei dati di navigazione online, del CRM, dell’email marketing e delle altre fonti di traffico.
– Utilizzo di algoritmi predittivi proprietari per segmentare i clienti Business di ItaloTreno per «LifeTime Value» (Re-engage client, High potential, Frequent Client, Top Client)
– Utilizzo di algoritmi predittivi proprietari per associare una probabilità di riacquisto ad ogni utente

Output:
Creazione di segmenti di clientela più profittevoli ai quali indirizzare sia le attività di email marketing sia gli investimenti di advertising (es. remarketing).

Risultati
+20% di conversion rate dalle attività di remarketing, diminuendo l’investimento del 15%.
+3% di conversion rate dalle attività di prospecting,

Approfondisci leggendo anche questo articolo.

AI predittiva per forecast di vendita

Settore: Media & Telecommunication

Esigenza:
Prevedere i volumi di vendita relativi al lancio di un nuovo prodotto del settore TelCo al fine di valutarne l’impatto sui ricavi totali.

Attività:
Creazione un modello predittivo basato su reti neurali in grado di stimare in modo accurato i volumi di vendita del nuovo prodotto sia in fase pre (*) che post lancio.

Risultati
+15% affidabilità della predizione

(*) Modello allenato con uno storico di circa 2 anni relativo alla vendita di prodotti simili ed arricchito con un dataset comprendente dei quantificatori della pressione pubblicitaria (budget speso e programmato per advertising diversificato per canali, GRPs televisivi o equivalenti), di specifiche promozioni e con il prezzo medio di prodotti equivalenti disponibili nel mercato.

Forecasting scoring creditizio

Settore: Risk e Credit Management

Esigenza:
Migliorare i modelli attraverso cui viene misurato il rischio default di aziende non quotate.

Attività:
Applicare algoritmi di Machine-Learning all’analisi di dati finanziari provenienti dalle Camere di Commercio per prevedere il default.
Creare uno score d’identità digitale di ogni singola company (presenza, attività e reputation online) arricchendo i dataset disponibili.
Integrare il segnale finanziario con l’informazione digitale per raffinare la predizione del rischio default rispetto a metodi tradizionali.

Risultati
+13% di affidabilità della predizione (da 80% a 93%) applicando il nuovo modello di scoring ad un campione di 135.000 PMI che sfrutta oltre 1.400 variabili.

Approfondisci leggendo anche qui.

Predizione New Business

Settore: Banking

Esigenza:

Incrementare l’apertura di nuovi conti correnti.

Attività:

  • Analizzare tutti i touchpoint dell’utente, dall’arrivo al sito fino alla apertura del conto.
  • Individuare quali sono le sezioni e categorie del sito che gli utenti visitano più spesso prima di aprire il conto (Path to Conversion) – es. sezione FAQ.
  • Identificare i pattern di comportamento con la più alta probabilità di conversione (Modelli di Clustering, Behaviour Prediction e Interest Graph).

Risultati
+34% di apertura Nuovi Conti

Predizione su lanci di prodotto in punti vendita fisici

Settore: Food & Beverage

Esigenza:
Prevedere la potenzialità e/o efficacia di punti vendita fisici cross-country individuando bacini di shopper potenziali.

Attività:

  • Caratterizzare la reale utenza di uno o più punti vendita all’interno di mercati specifici combinando informazioni legate a dati socio-economici territoriali, caratteristiche delle catene di distribuzione, segnali digitali alternativi.
  • Creazione di uno score di allineamento dei punti vendita rispetto ai punti vendita target.
  • Indicazione e valutazione del lancio nuovo prodotto in specifici punti vendita sul mercato americano e cinese.

Risultati
+32% Revenue vs Forecast

Lead Generation B2B

Settore: Energia

Esigenza:
Incrementare il database di nuove aziende in target

Attività:
Utilizzando algoritmi supervisionati di computer vision e machine learning, abbiamo realizzato un modello capace di analizzare immagini Google Maps per identificare edifici aventi tetti con caratteristiche e superfici idonee all’installazione di impianti fotovoltaici. L’analisi è stata eseguita su aree geografiche di interesse segnalate dal cliente.
Successivamente sono state estratte tutte le informazioni disponibili dal quadrante Google My Business per identificare le aziende ed estrarre le informazione disponibili.

Risultati
Condivisione di un database aziende con anagrafica e priorità di contatto commerciale (indirizzo + contatti, geolocalizzazione, foto dell’immobile e stima superficie del tetto, score di propensione verso i prodotti).
Il cliente ha poi realizzato attività di marketing e sales personalizzate in base al DB aziende ottenuto con le informazioni raccolte.

Lead Generation B2B

Settore: Energia

Esigenza:
Lead Generation tramite AI e campagne mirate di advertising

Attività:
Raccolta e processazione di immagini satellitari (Google Maps e Open Street Maps) di una specifica regione costiera italiana (2 km dal mare) grazie alle più avanzate tecniche di AI e Computer Vision per identificare tetti con superficie superiore ai 350 m2.
Costruzione dei micro-target in modo capillare grazie alle evidenze emerse nel punto precedente e altre fonti dati esterne (es. job title LinkedIn).
Pianificazione e lancio delle campagne di advertising nelle aree specifiche di interesse (Google search, Google Display, YouTube e Facebook). Per ciascun lead viene attribuito un score di propensione alla conversione.

    Richiedi meeting

    Compila il form per richiedere un appuntamento con un nostro incaricato riguardo le soluzione che ti interessa.

    (*) Campi obbligatori.









      Meeting request

      (*) Fields mandatory.