Comptel webinar social links

186 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
186
No SlideShare
0
A partir de incorporações
0
Número de incorporações
69
Ações
Compartilhamentos
0
Downloads
0
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Comptel webinar social links

  1. 1. Comptel SOCIAL LINKS Melhorando a experiência do usuário em “Real-time”: Impacto na redução do “Churn” e aumento da oferta de serviços. 03/10/20121 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  2. 2. Agenda1) Quem é a COMPTEL? ------------------------- (2 slides)2) Analise e Predição Social em “Real-time”:Como impacta o Churn, Receita eExperiência do Usuário; -------------------------- (8 slides)3) Exemplos de Casos de Uso; -------------------- (7 slides)© Comptel Corporation 2012 JOINT CONFIDENTIAL
  3. 3. Quem é a COMPTEL?3 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  4. 4. “Foot-print” de Performance e Escalabilidade4 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  5. 5. Maximizando o valor do ciclo de vida do cliente Valor do Ciclo de Vida do Cliente (CLV) 4. Prolongar o Ciclo de Vida 3. Aumento da Lucratividade do Cliente do Cliente 1.Aquisicao de novos clientes 2. Inicio de Interação com o cliente Ciclo de vida Individual do Cliente Investimento Cliente interrompe com o Churn5 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  6. 6. Porque é importante gerenciar as interações com meuusuário em “Real-Time” e de forma Personalizada? Eu espero você entrar em Quando eu contato comigo Você deve me contrato um quando eu tenho dizer se ha novo serviço ou um problema! outro plano mais plano, eu quero adequado para desfruta-lo de meu perfil! imediato! ..mas ao final, Não pense que se você me fico feliz em agrada, eu ter demora no comento com acesso de meus todos meus serviços! amigos e familiares !!! © Comptel Corporation 2012 JOINT CONFIDENTIAL 6
  7. 7. “Real-time Framework” Evento – Análise – Ação • Predictive Algorithms • Online and History Análise Based • Self-Learning • Data Collection • Configurable Workflows • Online, Batch • Online, Batch Evento • • Validation and Filtering Enrichment Ação • Wide range of interfaces • Network, OSS/BSS, BI • Formatting • Loading • SQL, XML, TXT...7 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  8. 8. O que está nos dizendo a massa de dados usados pelos clientes? Localizacao MMS Que terminal? Uso Banda Plano larga FamiliarVendas / Redes Varejo Socias Conta do Cliente Serviços Online Customer Corporativo Care SMS Voz 8 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  9. 9. Análise Avançada de Dados+1.000 variáveis individuais e sociais, com saída PERSONALIZADA Dado de Entrada Análise Saída CDRs subscriber_id churn_propensity ID395487485 0,9 ID695437485 0,9 CRM ID195437445 0,8 ID295437345 0,8 ID795432345 0,7 Outros ID995352345 0,7 Dados Modelos AlgorítmicosOperador possui toda a “World class Ph.D.s” Operador recebe resultadosfonte de dados de entrada executam avancado de saída individualizados e modelamento matemático personalizados e estatístico de dados 9 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  10. 10. Vários perfis, Vários serviços / produtos Predição com analise de dados resolvendo esta equação... Broadband Broadband speed 2 • Focar naqueles que speed 1 Para quem possuem tendencia ofertar? positiva de consumo Broadband speed 2 O que • Ofertas, Promoções, Broadband Incentivos speed 3 ofertar? Personalizados Broadband speed 4 De qual • Canal correto e no forma? momento adequado Broadband speed 1 Etc... Quando?10 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  11. 11. Análise da “Rede Social Individual” de cada usuário... Rede Social e os potenciais Influenciadores Algoritmo cria modelos Considerando o dinamismo nas da rede social e indica redes sociais como uma variável aqueles que são de entrada, o algoritmo faz potenciais predições precisas para o influenciadores nas comportamento de cada usuário varias redes sociais11 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  12. 12. Otimizando a Aquisição de Clientesatravés de campanhas cliente-a-cliente Oferta atrativa Oferta para o atrativa para influenciador o influenciado Focando no plano e otimizacao Social Links encontra os mais prováveis influenciadores e influenciados e as campanhas mais personalizadas Call-to- Call-to- action1 action3 Reward1 Subscriber Mgm- Reward2 Call-to- campaign action3 Reward1 score Call-to-  0.9 action1 Reward2  0.9 Call-to- action2  0.9 Reward1 Call-to- action1  0.8 Reward3 Etc...  0.8  0.8 12 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  13. 13. Background Location: Eastern Europe Caso de Uso: Prevenção Proativa ao ARPU: Pre-paid: 12€ 85% Churn de Pré-pago Mobile subs: Churn rate: 5 million 7% monthly Campaigns: Monthly Target group: Top 10% monthly Antes do “Social Links” Altíssimo churn Campanhas não resultavam Campanhas mensais não mensal de 7% em retenção de clientes eram lucrativas Solução Passo 3. Otimização e Personalização de Oferta de Retenção, para cada cliente de alta propensão de churn e interação via SMS Passo 2. Melhorias no modelamento da oferta com foco especifico Passo 1. Predição do provável Estagio Ativo do Ciclo de Vida do Cliente ponto de churn Resultados Aumento do número de clientes 21% redução da taxa de churn retidos e proteção desta receita 25% aumento de receita13 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  14. 14. BackgroundCaso de Uso: Predição de “Churners” Pós-pago Location: ARPU: APAC 61€ e Destino de Portabilidade Pre-paid: Mobile subs: 53% 4.8 million Churn rate: 1-2% monthly Antes do “Social Links” Ausência de conhecimento da Ausência de ferramenta efetiva para Campanhas ineficientes de concorrência e destinação de prever o churn a específicos concorrentes retenção portabilidade Solução Portabilidade ao concorrente x Predição dos “churners” e destinos de portabilidade Portabilidade ao concorrente y Cliente Decisão Pós-pago ao churn Portabilidade ao concorrente z Resultados Alta qualidade nos dados coletados + 87% de índice de precisão Alta qualidade no modelamento dos na predição de destino de dados portabilidade para o = grupo “target”! Excelente Predição14 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  15. 15. Como a Predição permite ao Operador atuar ANTES que o cliente decida fazer o CHURN….. Diferença entre o Modelo Preditivo e o COM PREDICAO O Algoritmo de Analise de método Manual (regras fixas) Predição, com base em + 1.000 variáveis individuais e sociais, aponta quem e propenso ao CHURN antes que o usuário Subscriber service usage pattern decida fazer o churn Aqui o cliente Metodo REGRAS FIXAS decidiu fazer o Regras fixas e manuais indicam que o usuário churn por varias esta para fazer o churn razoes… devido a solicitação de cancelamento Método PREDITIVO Método MANUAL Operador pode atuar Operador pode reagir, mas a Cliente antes que o cliente faça prevenção neste ponto não consolida o o churn terá o mesmo efeito… churn Time15 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  16. 16. Background Location: APAC Caso de Uso: Predição de Potencial do novo cliente ARPU: Pre-paid: 8€ 47% Pré-pago no “Dia Zero / Dia Um” Mobile subs: 4.3 million Churn rate: 3-4% monthly Antes do “Social Links” Nenhuma visão do potencial Campanhas de retenção não eram Campanhas reativas e sem dos novos clientes coerentes com perfil do cliente alta inteligência de negócios Solução “High value” após 60 dias Predição do Potencial do cliente em 60 dias, somente com analise “Mid range” após 60 dias de 1 dia de uso do cliente Novo cliente “Low value” após 60 dias Resultados Projeto entregue em poucas 80-90 % de precisão na semanas apos recebimento predição !!!!! dos dados16 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  17. 17. Background Location: MEA Caso de Uso: Otimização de Recarga ARPU: Pre-paid: 13€ 80% de Pré-pago Mobile subs: Churn rate: 15 million 1.5% monthly Campaigns: Monthly Target group: 1 million Antes do “Social Links” Inexistência de qualquer Receita frustrante em resposta Bônus com valores sempre “flats” sobre analise de dados para as as campanhas de recarga o valor da recarga, por exemplo, 5% decisões de valores Solução “Recarregue agora R$30, Identificação daqueles usuarios prováveis receba bônus de de responder positivamente R$ 6 + Oferta personalizada em valores de Oferta recarga, bônus, momento de oferta personalizada para cada cliente Resultados Aumento de Receita por Campanha 400 000€ de receita adicional por campanha ! Million € Importante melhoria de modelamento de ofertas da operadora17 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  18. 18. Outros Casos de Uso Marketing insight Demographics prediction Quadplay service upsell New service launch optimisation Optimising individual Discovering characteristics ? Male service portfolio Identification of early-adopters of of customers offering for each new with no known customer and technologies, and 30 years discovery of optimal identify customer old the optimal way to approach them launch offer Revenue stimulation and churn management Proactive churn prevention Prepaid top-up stimulation Port-out destination prediction Step 1: Predicting churners “Top-up 15€ Prediction of Competitor 1 before the decision to churn is now, get competitor made 2€ extra!” port-out Step 2: Customers engaged destination Competitor 2 Prepaid revenue optimisation from top-up with personalized “stay-with- for postpaid campaigns by individual offer to all us” offers customers Competitor 3 customers Contextual customer engagement Zero-day customer value prediction Contextual prepaid top-up stimulation Service usage based marketing Predicting new After 60 days Step 1: Step 2: Triggering offers based customers‟ future Balance query Offer triggered on customer‟s data High value value with „day “Need more usage and current needs zero‟ input data IN balance? Top- and engaging Mid value up 15€ now!” them in optimal “Do you currently have a slow connection? Prepaid top-up offers send at optimal time way Low value Turbo boost now to receive more bandwidth!” to ensure best possible take-up rate18 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  19. 19. Foco na Experiência do Usuário em Real-time Notificações e ofertas em tempo-real Evento Análise Ação CDRs coletados em tempo Mesmo CDR pode ser processado Diretamente para o usuário - - real, formatados e carregados por múltiplos algoritmos - SMS/e-mail - registro de anomalia ou na base de dados Online – por exemplo 5 quedas de oferta de promoções Elementos de rede chamada / conexão em 10 minutos Billing, campanhas Mediação Base Histórica – por exemplo 10 casos - oferta nova promoção similares em 6 meses BI - análise de tráfego, qualidade de rede Controle de qualidade de serviço em tempo-real Evento Análise Ação Registros de um serviço premium Mesmo CDR pode ser processado Diretamente para o usuário - - (ex. vídeo) coletados no momento por múltiplos algoritmos - SMS/e-mail - registro de anomalia ou da compra/autenticação Online – quantidade de pacotes oferta de promoções Tráfego monitorado perdidos acima do limite permitido Policy Control online durante toda a Base Histórica – por exemplo 10 casos - priorização do tráfego, aumento de duração do conteúdo similares em 6 meses qualidade de serviço19 © Comptel Corporation 2012 JOINT CONFIDENTIAL
  20. 20. MUITO OBRIGADO ! ”Making Data Beautiful” Paulo Ferro – paulo.ferro@comptel.com Thiago Melles – thiago.melles@comptel.com20 © Comptel Corporation 2012 JOINT CONFIDENTIAL

×