Churn - Entwicklung und Anwendung eines Kündigerfrühwarnsystems

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

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

RAIFFEISEN ANALYTIK
Tochter der Raiffeisenlandesbank NÖ-Wien
Data Mining Team
Raiffeisen Analytik

Projekt Churn für RLB NÖ-WienAufgabenstellung
AUFTRAG:
Entwicklung eines Frühwarnsystems
für potenzielle Kündiger
in den nächsten 12 Monaten

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

1
2
3
Vorangehende Analysen
Datenaufbereitung und Modellierung
Umsetzung und Ausblick
I. Vorangehende Analysen1

WELCHE KUNDEN HABEN GEKÜNDIGT?

WISSEN DIE BERATER DARÜBER BESCHEID?

PILOT: AUSWAHL DER KUNDEN FÜR DAS
KÜNDIGER-FRÜHWARNSYSTEM

GIBT ES HINWEISE FÜR EINE KÜNDIGUNG?

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

1
2
3

GIRO/ZV
KUNDEN-DATEN
BAUSPAREN/VERSICHERUNG/LEASING
WERTPAPIERSONSTIGE PRODUKTE
Rohdaten
Plausibilität
Plausibilität
Daten-Aufbereitung
FLAT-FILE
KREDIT
I. Datenaufbereitung und Modellierung2
SPAREN
ABGELEITETE MERKMALE

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

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

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

Entwicklung eines Frühwarnsystems für 3 Kundengruppen
Kunden-
Gruppe I
Kunden-
Gruppe II
Kunden-
Gruppe III

Inhomogene Gruppen müssen unterschiedlich analysiert werden.
Gruppe III
Gruppe II
Gruppe I
Gruppe III
Gruppe II
Gruppe I

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.

Beispiel-Baum-Modell:

Anzahl Produkte

Schematisch:
11 Blätter  11 neue Variablen

Schematisch:
V1 V2 V3 … Bl3 Bl4 Bl6 … Bl15
1 0 0 0 0
1 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 1 0
0 0 0 1 0
0 0 0 1 0
0 0 0 0 1
0 0 0 0 1
Durch Baum generiertBasisdaten
0
1
-5 5

Projekt Churn für RBG NÖ
Notwendige Variablentransformationen - Beispiel
Verteilung Vermögen
Vermögen
Häufigkeit
0 20000 40000 60000 80000
05101520
Verteilung log. Vermögen
Logarithmiertes Vermögen
Häufigkeit
4 6 8 10 12
02468

Ohne Vermögen:
p(Churn)=5/15=33%
Mit Vermögen:
p(Churn)=3/26=11,5%
Beispiel für Variablenspezifikation
Nr. Vermögen (EUR) Nr. Vermögen (EUR)
1 0 16 121
2 0 17 124
3 0 18 169
4 0 19 187
5 0 20 196
6 0 21 370
7 0 22 476
8 0 23 605
9 0 24 828
10 0 25 1.341
11 0 26 1.351
12 0 27 2.371
13 0 28 3.254
14 0 29 4.810
15 0 30 5.102
31 5.164
32 5.237
33 6.227
34 7.330
35 7.502
36 10.021
37 11.936
38 28.990
39 50.000
40 64.971
41 76.167
Nr. Vermögen (EUR) Nr. Vermögen (EUR)
1 0 16 121
2 0 17 124
3 0 18 169
4 0 19 187
5 0 20 196
6 0 21 370
7 0 22 476
8 0 23 605
9 0 24 828
10 0 25 1.341
11 0 26 1.351
12 0 27 2.371
13 0 28 3.254
14 0 29 4.810
15 0 30 5.102
31 5.164
32 5.237
33 6.227
34 7.330
35 7.502
36 10.021
37 11.936
38 28.990
39 50.000
40 64.971
41 76.167
Churn

0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Daten Vermögen vs. Churn
Churn
(33% Churn)
Daten

0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Daten Vermögen vs. Churn
Churn
(33% Churn)
Daten
Von 7 Kunden 3 Churner=43%

0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Modellierung Churn
Churn
(33% Churn)
Daten
Modell1: Vermögen ja/nein

0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Modellierung Churn
Churn
(33% Churn)
Daten
Modell2: log. Vermögen

0 2 4 6 8 10
0.0
0.2
0.4
0.6
0.8
1.0
Modellierung Churn
Churn
(33% Churn)
Daten
Modell2: log. Vermögen
Modell3: WW (beide)

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

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

1
2
3

…
…
…
…
…
…
…
…
…
…
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

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

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

PROJEKT-ERFOLGS-EVALUIERUNG:
Ist in 12 Monaten ein Kündiger-Rückgang feststellbar?
• Raiffeisenlandesbank Wien
• Regionale Pilotbank in Niederösterreich

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

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?

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?

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?

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)

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

WEITER-ENTWICKLUNG
DES ERFOLGREICHEN CHURN-PILOT-PROJEKTS

Weitere Schritte
• Zusätzliche Kundensegmente
• Neukunden
• Altersgruppen
• Produktausstattung
• Volumina

Mit der Früherkennung
des möglichen Verlusts von
wertvollen Kunden kann
rechtzeitig gegensteuert werden

Churn - Entwicklung und Anwendung eines Kündigerfrühwarnsystems

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Churn - Entwicklung und Anwendung eines Kündigerfrühwarnsystems

Ähnlich wie Churn - Entwicklung und Anwendung eines Kündigerfrühwarnsystems (20)

Mehr von Rising Media Ltd.

Mehr von Rising Media Ltd. (20)

Churn - Entwicklung und Anwendung eines Kündigerfrühwarnsystems