La segmentazione dei database dei clienti aumenta le opportunità di innovazione.

© MJV Technology & Innovation 2023

TORNA SU

70%

Riscontri

Intelligenza guidata dall'IA

Segmentazione Automatizzata del CRM per un'Azienda Leader del Settore Finanziario

of consumers expect companies to take an active stance on social, environmental, and political issues

According to a survey by "Social Sprout"

Data Science
Design-Driven 

Un unicorno fintech latinoamericano ha fatto crescere la sua base di utenti di circa il 400% in un solo anno grazie a una chiara proposta di valore e a un'esperienza fluida per l'utente/cliente.


Ma questa crescita accelerata ha fatto sorgere alcune domande: chi sono questi nuovi clienti e come li serviamo?


Per rispondere a queste domande, il team di MJV ha utilizzato tecniche di data science per scalare statisticamente e convalidare i risultati del processo di ricerca e scoperta all'interno del database del CRM.

La Sfida

La Soluzione

Risultati

CONTACT USCONTATTACI

Settore: Finanziario  |  Cliente: Una delle più grandi fintech dell'America Latina

Industry: Finance

Client: One of the biggest fintechs in Latin America

The Challenge

 Segmentazione della popolazione bancaria locale in base ai principali bisogni non soddisfatti.

• Automazione del processo di identificazione dei segmenti nel database dei clienti.

• E la scoperta di opportunità di innovazione nel mercato di alta gamma.

La Sfida

Ricerche di Mercato e Profili dei Clienti

Quando si ha a che fare con grandi insiemi di dati, MJV ritiene che una prospettiva qualitativa sia necessaria, soprattutto quando i dati rappresentano individui vivi e vegeti: un mix che ci piace chiamare Design-Driven Data Science.

La nostra soluzione è stata quella di utilizzare le ricerche di mercato insieme alle interviste qualitative agli utenti per generare i profili dei clienti e i parametri di riferimento necessari per la segmentazione del CRM, mantenendo il team e le consegne aderenti alle realtà, alle esigenze e ai dolori degli utenti.

Soluzione

Implementing a profitable strategy in a different market

A High-Fidelity O2O Prototype

Our Solution

When dealing with large sets of data, MJV believes that a qualitative angle is a necessity, specially when the data represents living, breathing individuals, a mix we like to call Design Driven Data Science.

Our solution was to use market research alongside qualitative user interviews in order to generate the customer profiles and benchmarks needed for CRM segmentation while keeping the team and deliveries adherent to user realities, needs, and pains.

Fly or Die:

Validating a New Revenue Model Through Testing-as-a-Service

A solution is only as good as what you can prove, and MJV did this through a testing-as-a-service framework.

While our client ran the stores (both digital & physical), we took it upon ourselves to craft, test, and validate the strategy to determine if it should be implemented nationwide.

Case Study

Come ci siamo arrivati:

Il Processo

Ricerca etnografica con clienti e non clienti, mappando i drivers comportamentali e i bisogni. 

Clienti

01

Benchmarks, ricerche di mercato e referenze di altri marchi/aziende.

Mercato

02

Analisi e generazione di ipotesi, automazione della visualizzazione dei profili all'interno del database.

Data Science

03

Utilizzo della strategia dell'oceano blu per ripensare la fornitura di valore per un segmento prioritario.

Opportunità di Innovazione

05

Ricerca con campionamento stratificato e alto livello di affidabilità.

Ricerfca Quantitativa

04

Tutte le fasi del progetto hanno avuto importanti risultati ed esiti che hanno contribuito alla consegna finale. Di seguito è riportato un elenco di ciò che abbiamo consegnato al cliente alla fine del progetto.

Risultati

127

Creazione di funzioni che forniscono informazioni sui profili dei clienti e sul loro comportamento finanziario.

In questo progetto, tecniche come la scienza dei dati, l'apprendimento automatico e l'analisi dei cluster sono state fondamentali per confermare statisticamente e scalare le conoscenze ottenute nella fase di ricerca all'interno del database del CRM, oltre che per automatizzare il processo di classificazione.
Date un'occhiata ad alcune delle consegne supportate dalla nostra metodologia Design-Driven Data Science:

Qualitative SegmentationMarket DeckSegmentation DriversIdentification, segmentation & scoring automation

13

Diversi contesti di utilizzo del prodotto.

117

Filtri variabili generati dalla segmentazione comportamentale del CRM.

51

Opportunità di innovazione identificate all'interno dei profili dei nuovi clienti, in base alle nostre scoperte sulle loro esigenze.

Reach out to usReach out to us

Fare ricerche sulla propria base di clienti per comprenderli e segmentarli meglio può essere un compito scoraggiante (soprattutto quando la base di utenti cresce improvvisamente), ma non è necessario farlo da soli.


Se volete automatizzare la segmentazione dei clienti, scoprire nuovi oceani blu o esplorare le opportunità di innovazione nel vostro settore, contattate uno dei nostri consulenti.

Le nostre conclusioni: 
Pensieri finali

Contenuti Correlati

LEGGI DI PIÙ

Trend Report

Articolo

Il servizio bancario come servizio: Perché ogni azienda vuole diventare una fintech?

LEGGI DI PIÙ

Guida ai Servizi Finanziari:
Come Preparare l'Azienda alla Costituzione di un'Impresa di Servizi Finanziari

Infographic

Ebook

Ebook

LEGGI DI PIÙ

Data Quality:
Una guida alla conoscenza della Maturità dei Dati

Article

Ebook

READ MORE

Article

O2O: Turning Online Traffic Into Offline Shoppers

READ MORE

Article

7 Ways Brick-and-Mortar Stores Are Changing

READ MORE

E-book

 How Your Company Can Take Advantage of B2B2C

Segmentation of the banked populationQuantitative scoring of the customer base

Segmentazione Qualitativa

Due diverse ipotesi di segmentazione della popolazione bancaria basate sulla ricerca qualitativa.

Driver di Segmentazione

Definizione dei fattori rilevanti per differenziare il comportamento dei clienti delle banche.

Piano di Mercato

Ricerche e informazioni da fonti secondarie con dati sul mercato finanziario, popolazione bancaria e benchmark del segmento upscale.

Segmentazione della popolazione coperta da banca

Creazione di fattori e metodo di categorizzazione dei macro e micro-driver, estraendo 8 segmenti finanziari e 20 micro-segmenti in base alle variabili di interesse, da un modello di campionamento stratificato e complesso.

Punteggio Quantitativo della Base di Clienti

Creazione di un lead scoring che abbina i profili dei clienti ai prodotti finanziari, in base alla propensione all'acquisto.

Identificazione, Segmentazione e Automazione del Punteggio

Sviluppo di un processo/codice semplificato, automatizzato, più efficiente e documentato per la segmentazione e le iterazioni del punteggio di base.

L'ampia portata ha dato origine a cinque diversi fronti di lavoro. Per basare ciascuno dei nostri fronti di lavoro, abbiamo deciso di fondare i singoli segmenti del processo con metodologie specifiche.


I cinque fronti di lavoro erano: