Die Raiffeisenlandesbank NÖ-Wien ist das regionale Spitzeninstitut von 67 selbstständigen niederösterreichischen Raiffeisenbanken, welche strategisch und operativ unterstützt werden, mit insgesamt mehr als einer Million Privatkunden. Ein Kündiger-Frühwarnsystem wurde ab 2010 entwickelt, um Kundenverlusten gegenzusteuern. Hierfür wurden statistisch-analytische Modelle entwickelt, wie Baumverfahren und logistische Regression, welche nicht nur zur Generierung von Kündigungswahrscheinlichkeiten verwendet wurden, sondern auch um die Berater mit automatisierten Text-Informationen zum Kunden zu versorgen. Diese Präsentation gibt einen Überblick über den gesamten Prozess, beginnend mit quantitativen und qualitativen Vorherhebungen, der Modellbildung, Projektpräsentation bei den Banken, sowie die regelmäßige Lieferung von Kontakten. Erfolgsanalysen zeigen, dass wenn die gelieferten Kontakte tatsächlich genützt werden, eine Kündigerreduktion von bis zu 30% gegenüber der Prognose erreicht werden kann.
Mag. Michael Sailer, Teamleiter Data Mining, Raiffeisen Analytik
Dr. Thomas Ledl, Data Mining Spezialist, Raiffeisen Analytik
Churn - Entwicklung und Anwendung eines Kündigerfrühwarnsystems
1. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 1 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
CHURN
Entwicklung und Anwendung eines
Kündiger-Frühwarnsystems
Predictive Analytics World, Berlin
5. November 2014
Raiffeisen Analytik / Sailer, Ledl
2. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 2 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
RAIFFEISEN STRUKTUR: Aufbau der Raiffeisen Bankengruppe
Raiffeisenbanken
494 Raiffeisenbanken mit ~ 2.199 Zweigstellen
Raiffeisen Zentralbank Österreich AG
Raiffeisenlandesbanken
8 Raiffeisen-Landeszentralen
Raiffeisen Strukur in Österreich
3. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 3 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
RAIFFEISEN ANALYTIK
Tochter der Raiffeisenlandesbank NÖ-Wien
Data Mining Team
Raiffeisen Analytik
4. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 4 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-WienAufgabenstellung
AUFTRAG:
Entwicklung eines Frühwarnsystems
für potenzielle Kündiger
in den nächsten 12 Monaten
5. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 5 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
WARUM ist ein Kündiger-Frühwarnsystem sinnvoll?
BDL / BLZ
Anzahl Kunden
Stand 31.12.2011
verlorene
Kunden
Neukunden
Nettogewinn
abs.
Anzahl Kunden
Stand 31.12.2012
Bundesland xxx.xxx xxx.xxx xxx.xxx … xxx.xxx
BLZ xxx.xxx xxx.xxx xxx.xxx … xxx.xxx
Verlorene Kunden
BDL x
BLZ x
Neu-Kunden
10
Aufgabenstellung
6. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 6 www.raiffeisen-analytik.at
1
2
3
Vorangehende Analysen
Datenaufbereitung und Modellierung
Umsetzung und Ausblick
I. Vorangehende Analysen1
7. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 7 www.raiffeisen-analytik.at
WELCHE KUNDEN HABEN GEKÜNDIGT?
I. Vorangehende Analysen1
8. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 8 www.raiffeisen-analytik.at
WISSEN DIE BERATER DARÜBER BESCHEID?
I. Vorangehende Analysen1
9. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 9 www.raiffeisen-analytik.at
PILOT: AUSWAHL DER KUNDEN FÜR DAS
KÜNDIGER-FRÜHWARNSYSTEM
I. Vorangehende Analysen1
10. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 10 www.raiffeisen-analytik.at
GIBT ES HINWEISE FÜR EINE KÜNDIGUNG?
I. Vorangehende Analysen1
11. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 11 www.raiffeisen-analytik.at
WORKSHOP „Gibt es Hinweise für eine Kündigung“
Welche Informationen über den Kunden können zur
Kündiger-Frühwarn-Erkennung beitragen?
ORGANISATION-IT
VERTRIEB
DQM
FILIALLEITER
Data Mining Team
• STAMMDATEN
• ADRESS-DATEN; KONTAKT-DATEN
• GIRO; KARTEN; ELBA; TRANSAKTIONEN
• KREDIT
• SPAREN; WERTPAPIER
• BAUSPAREN; VERSICHERUNG; LEASING
• SONSTIGES
I. Vorangehende Analysen1
12. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 12 www.raiffeisen-analytik.at
1
2
3
Vorangehende Analysen
Datenaufbereitung und Modellierung
Umsetzung und Ausblick
13. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 13 www.raiffeisen-analytik.at
GIRO/ZV
KUNDEN-DATEN
BAUSPAREN/VERSICHERUNG/LEASING
WERTPAPIERSONSTIGE PRODUKTE
Rohdaten
Plausibilität
Plausibilität
Daten-Aufbereitung
FLAT-FILE
KREDIT
I. Datenaufbereitung und Modellierung2
SPAREN
ABGELEITETE MERKMALE
14. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 14 www.raiffeisen-analytik.at
Mögliche Kündigermerkmale
Veränderung Kunden-
beim Kunden Bestand
GIRO Habenumsatz gesunken Vergleich Monat und Jahr Ja
GIRO Anzahl der POS-Transaktionen Vergleich 4 Monate und Vorjahres-Monate Ja
GIRO Rahmenreduktion Vorjahresvergleich Ja
GIRO Kontoauflösung Vorjahrvergleich Ja
GIRO unbewegte Konten Vormonatsvergleich: Ja Ja
ELBA Elba-Nutzung (letzter Einstieg) + Veränderung Datum letzter Elba-Einstieg Ja Ja
KARTEN Karten-Rückgabe (BSC, Maestro, Kreditkarte) Vorjahres-Vergleich Anzahl Karten Ja
ADRESSE PLZ-Wechsel Ist der Kunde umgezogen? Ja
PRODUKT-
AUSSTATTUNG
Anzahl der Produkte gehen zurück Vorjahresvergleich bzw. 2 Jahre zurück Ja Ja
. . . . . . . . . . . . . . .
Thema Kündiger-Merkmale Information
II. Datenaufbereitung und Modellierung2
15. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 15 www.raiffeisen-analytik.at
Wie funktioniert Churn-Analytik ?
DWH
GEOS
KMS
Externe
Daten
Trans-
aktions-
daten
Churn-
Analyse-
Database
• Kunden
• Produkte
• Transaktionen
• Veränderungen
z.B. Kundenverlust/Churn
pro Kunde ca. 300 Merkmale
Topf mit
aktiven Kunden
Topf mit
verlorenen Kunden
alle Kunden RBG NÖ-W
Kunden, die wir
innerhalb eines
Jahres verloren
haben
Analytik/Datamining
Datamining-Werkzeuge wie:
Clustering, Profiling, Faktorenanalyse,
Regressionsanalysen, Entscheidungsbaum,
neuronale Netze ..
Beispiel:
Churn-Score
70 %
Prognose des
Kundenverlusts
mit Quartals-Updates
Hohe Gefahr
Mittlere
Gefahr
Geringe
Gefahr
II. Datenaufbereitung und Modellierung2
16. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 16 www.raiffeisen-analytik.at
Zuerst analysieren wir die verlorenen Kunden der Vorperiode.
Februar
Jahr t
Mär Apr Mai Jun Jul Aug Sep Okt Nov Dez Jän Feb
Februar
Jahr t+1
Beispiel Projekt Wien:
Die Daten aller Wien-Kunden
während eines Jahres
bilden die Analyse-Basis.
Verlorene Kunden im
Zeitraum
Profil
dieser verlorenen Kunden
vor der Kündigung
II. Datenaufbereitung und Modellierung2
17. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 17 www.raiffeisen-analytik.at
Entwicklung eines Frühwarnsystems für 3 Kundengruppen
Kunden-
Gruppe I
Kunden-
Gruppe II
Kunden-
Gruppe III
II. Datenaufbereitung und Modellierung2
18. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 18 www.raiffeisen-analytik.at
Inhomogene Gruppen müssen unterschiedlich analysiert werden.
II. Datenaufbereitung und Modellierung2
Gruppe III
Gruppe II
Gruppe I
Gruppe III
Gruppe II
Gruppe I
19. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 19 www.raiffeisen-analytik.at
II. Datenaufbereitung und Modellierung2
Modellierung:
• Manuelle Erstellung mittels CHAID1-Entscheidungsbaum
• Binomiale Logistische Regression (logit, stepwise,
benutzerdefinierte Effekte)
1) CHAID=„CHi-squared Automatic Interaction Detectors“. Quelle: Sonquist and Morgan (1964): The
Detection of Interaction Effects. Survey Research Center, Institute for Social Research, University of
Michigan.
20. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 20 www.raiffeisen-analytik.at
II. Datenaufbereitung und Modellierung2
Beispiel-Baum-Modell:
21. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 21 www.raiffeisen-analytik.at
II. Datenaufbereitung und Modellierung2
Beispiel-Baum-Modell:
Anzahl Produkte
22. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 22 www.raiffeisen-analytik.at
II. Datenaufbereitung und Modellierung2
Beispiel-Baum-Modell:
Anzahl Produkte
23. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 23 www.raiffeisen-analytik.at
II. Datenaufbereitung und Modellierung2
Beispiel-Baum-Modell:
Anzahl Produkte
24. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 24 www.raiffeisen-analytik.at
II. Datenaufbereitung und Modellierung2
Schematisch:
11 Blätter 11 neue Variablen
28. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 28 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Daten Vermögen vs. Churn
Logarithmiertes Vermögen
Churn
(33% Churn)
Daten
II. Datenaufbereitung und Modellierung2
Beispiel für Variablenspezifikation
29. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 29 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Daten Vermögen vs. Churn
Logarithmiertes Vermögen
Churn
(33% Churn)
Daten
Von 7 Kunden 3 Churner=43%
II. Datenaufbereitung und Modellierung2
Beispiel für Variablenspezifikation
30. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 30 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Modellierung Churn
Logarithmiertes Vermögen
Churn
(33% Churn)
Daten
Modell1: Vermögen ja/nein
II. Datenaufbereitung und Modellierung2
Beispiel für Variablenspezifikation
31. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 31 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Modellierung Churn
Logarithmiertes Vermögen
Churn
(33% Churn)
Daten
Modell1: Vermögen ja/nein
Modell2: log. Vermögen
II. Datenaufbereitung und Modellierung2
Beispiel für Variablenspezifikation
32. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 32 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Modellierung Churn
Logarithmiertes Vermögen
Churn
(33% Churn)
Daten
Modell1: Vermögen ja/nein
Modell2: log. Vermögen
Modell3: WW (beide)
II. Datenaufbereitung und Modellierung2
Beispiel für Variablenspezifikation
33. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 33 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
Modell Variablen
im Modell
Koeffizienten R-Quadrat #Churner in
Top 10%
SelektionKonst. Hat
Vermögen
Log.
Vermögen
Cox/Snell McFadden
1 Vermögen j/n -0,7 -1,3 6,6% 6,9% 1 von 3
2 Log. Vermögen -0,5 -0,2 12,5% 13,5% 1 von 3
3 Vermögen j/n &
log. Vermögen
-0,7 +7,8 -1,4 21,7% 24,8% 2 von 4
7-fach stärkere Sensibilität bzgl. Einkommen
Beispiel für Variablenspezifikation
34. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 34 www.raiffeisen-analytik.at
Projekt Churn für RBG NÖ
Güte des Kündigermodelles: 59% der Kündiger bei nur 5%
ausgewählten Kunden
59%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
Prozent ausgewählt
Prozent der
Kündiger
Modell
Zufallsauswahl
5% der
analysierten
Kunden des Pilot-
Projekts enthält
die verteilte
Kundenliste
59% der Kündiger aus der Menge der analysierten
Kunden stehen auf dieser Liste
Vorteil 1: Höhere Treffsicherheit in der Ansprache
Vorteil 2: Weniger Kunden zum Kontaktieren
II. Datenaufbereitung und Modellierung2
35. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 35 www.raiffeisen-analytik.at
1
2
3
Vorangehende Analysen
Datenaufbereitung und Modellierung
Umsetzung und Ausblick
36. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 36 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
…
…
…
…
…
…
…
…
…
…
n_Transaktion_Maestro
…
…
Delta_PLZ_12M
…
Delta_Konto_12M
Wichtigkeit des Prädiktors
Variable β
Delta_Konto_12M -0,85
…
Delta_PLZ_12M 0,81
…
…
n_Transaktion_Maestro -0,0063
…
Variable x xβ
Delta_Konto_12M -1 0,85
…
Delta_PLZ_12M 1 0,81
…
…
n_Transaktion_Maestro 0 0
…
Jeder kündigungsgefährdete Kunde bekommt automatisiert
eine eigene „Story“
III. Umsetzung und Ausblick3
37. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 37 www.raiffeisen-analytik.at
ZIEL bei der Churn-Abwicklung:
Einspielung potenzieller Kündiger als „offener Telefon-Kontakt“
Berater-Kontakt Kein Kontakt
Churn | Kündigerfrühwarnsystem
Der Berater entscheidet, ob der Kunde
b) gar nicht kontaktiert wird odera) von ihm kontaktiert wird, c) bereinigt wird.
Bereinigung
III. Umsetzung und Ausblick3
38. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 38 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
Aktion ALTER Kd seit Info zum Kunden
Betreuer 44 1995 ehemaliger Veranlagungskunde, Geld für Wohnungskauf benötigt, Konto unbewegt
Betreuer 57 2011 außerhalb GG, Sparbücher der Mutter, Kontakt bereits vereinbart
Betreuer 24 2004 dzt. keine Abwanderungsgefahr, wird im Rahmen Herbstkampagne angesprochen
Betreuer 70 2000 LV läuft ab, Verlängerung von Kundin nicht gewünscht
Brief 21 2010 wohnt außerhalb Genossenschaftsgebiet, Konto aus Schulaktion
Brief 20 2006 bereits öfters kontaktiert
Brief 23 2009 längere Zeit schon unbewegt, Brief Inskriptionsbestätigung
Kein Kontakt 23 2011 außerhalb GNG, Kontaktaufnahme im Rahmen ablfd. Produkt
Kein Kontakt 24 2000 persönlicher Kontakt in der Freizeit, keine Abwanderungsgefahr
… …. … …
… … … …
Einschätzung der Aktion durch den Berater
III. Umsetzung und Ausblick3
39. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 39 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
PROJEKT-ERFOLGS-EVALUIERUNG:
Ist in 12 Monaten ein Kündiger-Rückgang feststellbar?
III. Umsetzung und Ausblick3
• Raiffeisenlandesbank Wien
• Regionale Pilotbank in Niederösterreich
40. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 40 www.raiffeisen-analytik.at
III. Umsetzung und Ausblick3
0,5% 0,6% 0,6%
1,3% 1,3% 1,6%
2,2%
2,9%
3,8%
9,4%
4,8%
0,0%
5,0%
10,0%
Dezil 1 Dezil 2 Dezil 3 Dezil 4 Dezil 5 Dezil 6 Dezil 7 Dezil 8 Dezil 9 Dezil 10
ohne
RBD
Dezil 10
RBD
Churn-Score-Dezile (10=topgefährdet)
Anteil der Kündiger nach Churn-Score-Dezilen
im Beobachtungszeitraum
Wien: Empirische Gewinnkurve & Erfolg
41. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 41 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
Was wurde vom Betreuer als Maßnahme vorgeschlagen?
Betreuer
Brief
Kein Kontakt
Bereinigung
692 Kunden (ohne zu Bereinigende)
NÖ: Was wurde vom Betreuer als Maßnahme vorgeschlagen?
III. Umsetzung und Ausblick3
42. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 42 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
Wer ist in 12 Monaten verstorben?
Betreuer
Brief
Kein Kontakt
Bereinigung
1 Verstorbener Wie viele Kunden sind verlorengegangen?
NÖ: Wer ist in 12 Monaten verstorben?
III. Umsetzung und Ausblick3
43. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 43 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
Wie viele Kunden sind insgesamt in 12 Monaten verlorengegangen?
Betreuer
Brief
Kein Kontakt
Bereinigung
Kunde verloren
85 von 692 Kunden auf der Liste kündigungsgefährdeter Kunden
haben in den letzten 12 Monaten gekündigt.
*) ohne „Bereinigung“
NÖ: Wie viele Kunden sind insgesamt in 12 Monaten verlorengegangen?
III. Umsetzung und Ausblick3
44. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 44 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
Wie viele Kunden verloren (plus Prognose)?
Betreuer
Brief
Kein Kontakt
Bereinigung
Prognose
85 von 692 Kunden gingen in 12 Monaten verloren.
121 waren – bei Nichtbearbeitung der Liste – prognostiziert.
24% Kündiger-
Reduktion durch
Betreuung
22 von 49
Kündigern trotz
„Betreuer“ ohne
eingetragenen
Besuchs- oder
Telefonkontakt
bis zur
Kündigung
NÖ: Wie viele Kunden verloren? (plus Prognose)
III. Umsetzung und Ausblick3
45. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 45 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
Aktion ALTER Kd seit Info zum Kunden
Betreuer 44 1995 ehemaliger Veranlagungskunde, Geld für Wohnungskauf benötigt, Konto unbewegt
Betreuer 57 2011 außerhalb GG, Sparbücher der Mutter, Kontakt bereits vereinbart
Betreuer 24 2004 dzt. keine Abwanderungsgefahr, wird im Rahmen Herbstkampagne angesprochen
Betreuer 70 2000 LV läuft ab, Verlängerung von Kundin nicht gewünscht
Betreuer 25 2007 Einladung zu Betreuungsgespräch
Betreuer 19 2008 dürfte woanders auch ein Konto haben
Betreuer 20 2007 wurde im Septemer 20; Kontaktaufnahme durch Kundenbetreuer
Betreuer 20 2008 Kontaktaufnahme im Rahmen des Überleitungsgesprächs (Ü20)
Betreuer 25 2000 Studentin, die in Wien lebt.
Betreuer 20 2006 Kundin wurde im Juli 20; Gespräch Überleitung 20 folgt noch, geht noch HBLA
… …. … …
… … … …
Betrachtung der verlorenen Kunden retrospektiv
III. Umsetzung und Ausblick3
46. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 46 www.raiffeisen-analytik.at
Projekt Churn für RLB NÖ-Wien
WEITER-ENTWICKLUNG
DES ERFOLGREICHEN CHURN-PILOT-PROJEKTS
III. Umsetzung und Ausblick3
47. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 47 www.raiffeisen-analytik.at
Weitere Schritte
• Zusätzliche Kundensegmente
• Neukunden
• Altersgruppen
• Produktausstattung
• Volumina
III. Umsetzung und Ausblick3
48. Raiffeisen Analytik | Predictive Analytics World 5.11.2014 | Seite 48 www.raiffeisen-analytik.at
Mit der Früherkennung
des möglichen Verlusts von
wertvollen Kunden kann
rechtzeitig gegensteuert werden