3. Financial Industry (Credit Card) - Marketing Analytics.
· Achtergrond: Een credit card bedrijf heeft een marketing budget van Rs. 1 cr of 10 lac poststukken gereserveerd voor het verzenden van direct mails. Als ze sturen e-mails naar alle beschikbare lijsten die ze hebben, zouden ze moeten Rs brengen. 10 cr of 1 cr poststukken. Ze weten ook dat door het uitvoeren van deze marketing campagne die zij zullen ontvangen in de meest 50.
000 nieuwe klanten
· Doelstelling:. Vanaf 1 cr beschikbare stukken zouden ze graag de 10 lac die de grootste kans om te reageren op het identificeren het aanbod, zodat het aan het bedrijf klantenbestand en de winstgevendheid zijn beurt verhogen
· Aanpak:. Beoordeling van gegevens uit hun verleden 5 direct mail campagnes en een voorspellend model dat kan helpen hen te identificeren kans om te reageren en te differentiëren "bouwen grote kans om prospects te reageren "vs" Low kans om prospects te reageren "
· Outcome /Impact:.
Met behulp van de gegevens uit het verleden campagnes, waren ze in staat om een logistische regressie (statistische voorspellende) model te bouwen. Dit model gekeken naar de geschiedenis en hielp hen identificeren van de juiste 1 cr te mailen naar 40.000 accounts te boeken. Wat het betekent is dat voor de rest van 9 cr, zouden ze hebben geboekt alleen 10.000 rekeningen (extreem inefficiënt). Deze oefening wordt uitgevoerd in de meerderheid van de direct marketing om het geld te zorgen uitgevoerd besteed heeft optimale impact.
Door gebruik te maken van de geschiedenis was dit bedrijf in staat om 80% van de rekeningen te boeken met slechts 10% van de e-mail en dus echt hun kosten voor de rekeningen boeken verminderen.
4. Progressive Insurance Industry (motorverzekering) - Pricing & Risk Analytics.
· Achtergrond: Een paar jaar geleden was iedereen het behandelen van motorrijders hetzelfde als wanneer ze het hoogste risico en moest de hoogste prijs voor de verzekering. Ze waren niet goed kredietrisico. Iedereen wist dat en het was conventionele wijsheid
· Doelstelling:.
Identificeer segmenten binnen de motorverzekering eigenaren die hebben een lagere kredietrisico dan gemiddeld
· Aanpak:. Beoordeling van gegevens uit hun verleden en "DE GEMIDDELDE HET RISICO ". Ze gebruikten historische gegevens om te bepalen zakken /segmenten van de kla