Loading...

PSD2 per il marketing: come creare indici di propensione per facilitare l’upselling e il cross-selling

articolo di Alessandro Cirinei, Commercial Solutions Manager, Experian

Sebbene l’esperienza e il know-how sviluppato da Experian sia partito dall’utilizzo dei dati transazionali per la valutazione del merito creditizio, dopo poco più di un anno dal lancio ufficiale della PSD2, notevoli sono stati i risultati anche nell’ambito del marketing.

La predittività dei dati contenuti all’interno dei conti correnti, se correttamente interpretata da un motore di categorizzazione in grado di comprendere la categoria di appartenenza di ciascuna transazione, ha infatti permesso di creare una suite di indici di propensione molto efficaci per identificare dei “buyer persona”.

Alla base c’è l’analisi del comportamento di spesa di un consumatore associata al suo potere d’acquisto. Grazie alla capacità di “Trusso”, il categorizzatore multi-lingue sviluppato da Experian utilizzando sofisticati algoritmi di machine learning, di segmentare spese ed entrate in una tassonomia granulare e significativa con un accuratezza superiore al 90%, è possibile infatti valutare come un individuo spende i suoi soldi, dove li spende, perché li spende e con quale frequenza.

La “customer segmentation” è quindi il primo elemento fondamentale per generare un indice di propensione efficace. A titolo esemplificativo, è possibile analizzare il portfolio finanziario degli individui per creare dei profili tipo definiti in base al comportamento.

Naturalmente il contenitore che corrisponde al segmento deve includere algoritmi in grado di analizzare lo storico transazionale per definire il comportamento anche in base al reddito disponibile, alla maturità del consumatore, al suo orientamento al rischio e ad altri parametri utili per capire come impostare una campagna di cross-selling o up-selling.

La segmentazione non riguarda quindi solo una categoria pre-definita, ma può prendere in considerazioni più parametri che concorrono a determinare l’obiettivo.

Un buon esempio è Insurboost, un prodotto specifico per il settore assicurativo che riesce a stimare la probabilità di un consumatore di effettuare il sinistro di un auto, partendo non solo dallo storico transazionale riguardante la sua RCA auto, ma anche i chilometri percorsi in autostrada, la frequenza dei rifornimenti e tanti altri elementi identificabili all’interno delle transazioni. In modo analogo, Experian ha sviluppato indici di propensione utili anche ad altre tipologie di prodotti assicurativi.

Un altro importante ingrediente di un indice di propensione è rappresentato dalla “clusterizzazione” dei merchant. Conoscere dove una persona spende i soldi, quanto spende, come paga e con quale frequenza è un’informazione preziosa che aiuta a delineare la profilazione dei customer data. Un traveller che mensilmente spende una media di 1.000€ presso catene alberghiere come Marriot o Hilton tra Milano e Roma viaggiando principalmente con Italo e fidelizzato a Uber è un cluster creabile grazie a questo tipo di analisi.

Non solo, la profondità storica dei dati può aiutare persino a determinare quando è più probabile che un consumatore faccia degli acquisti con un determinato gruppo di merchant, e quindi sviluppare indici di propensione performanti e puntuali.

Nell’esempio riportato sopra, si evidenzia come sia possibile sviluppare un modello di “forecasting” per stabilire la probabilità che un individuo vada a mangiare a un ristorante nel futuro.

In conclusione, i dati transazionali sono una fonte di informazioni eccezionale per impostare correttamente una campagna di upselling o di cross-selling, e questo offre alle banche o alle società che vorranno investire nella PSD2, un’opportunità fantastica per crearsi uno strumento potente e preciso in grado di determinare le propensioni in una pluralità di settori merceologici e arricchire i propri CRM con dati alternativi per impostare campagne di marketing iper-targettizzate.