

INDUSTRIA: Servicios Financieros
SOLUCIÓN: BIG DATA / DATA SCIENCE
PROYECTO: DATA ANALYTICS / SEGMENTACIÓN / BIG DATA
Cliente:
Banco Bolivariano
Industria:
Servicios Financieros
Solución:
Big Data / Data Science
Proyecto:
Data Analytics / Segmentación / Big Data

SITUACIÓN INICIAL
El Banco Bolivariano es la mayor institución financiera de Guayaquil y ofrece productos y servicios para clientes individuales y corporativos. Su portafolio incluye cuentas de ahorro, cuentas corrientes, comercio exterior, tarjetas de débito, inversiones y créditos, entre otros productos.

DESAFÍO
Nuestro cliente buscaba mejorar sus procesos de selección de targets para campañas de sus tarjetas de crédito a través del uso de modelos de análisis. Los modelos analíticos de comportamiento transaccional le permitirían identificar las mejores acciones para cada grupo de clientes en el momento oportuno (semanalmente).

IMPLEMENTACIÓN
Analytics implementó una plataforma de análisis sobre Azure Synapse para identificar las variaciones en el comportamiento transaccional de sus clientes, y adicionalmente un modelo predictivo no supervisado para clasificar los comportamientos actitudinales de los clientes, estableciendo dos modelos de segmentación.
El primero estaba orientado a conocer el valor de un cliente en función de los montos y frecuencia de transacciones que venía realizando con su tarjeta, detectando cualquier cambio de comportamiento, de esta manera, se encontraron targets para campañas de crecimiento, reactivación o recuperación de clientes.
El segundo modelo, diferenciaba los clientes en función del tipo de productos o servicios que suele comprar, permitiendo campañas muy precisas y muy orientadas al cliente.

RESULTADO
Esta segmentación no sólo sirve para dar ofertas personalizadas, sino también para lograr una mejor comprensión del cliente y el uso que le da a su tarjeta, cerrando el círculo de conocimiento del cliente y permitiendo automatizar las campañas de marketing, de manera que pueden ejecutarse más campañas más precisas utilizando mucho menos tiempo del equipo de marketing y campañas