Banco Itaú

Optimizando las estrategias de venta cruzada y adquisición de clientes con Análisis Predictivo

Banco Itaú Argentina es la sucursal argentina del Grupo ItaúUnibanco, una de las 15 instituciones financieras más grandes del mundo. Itaú-Unibanco cuenta con activos combinados por un monto superior a los 3.500 millones de dólares, 39 millones de clientes, 4.900 sucursales y 32.000 ATM. El Grupo tiene una fuerte presencia regional en América latina así como en los principales centros financieros: Frankfurt, Luxemburgo, Londres, Nueva York, Miami, Tokyo y Shangai.

El mercado financiero argentino es sumamente competitivo, con numerosos bancos disputando las “mentes y billeteras” de los clientes más valiosos. En este escenario, Banco Itaú Argentina necesitaba incrementar la tasa de respuesta de sus campañas de ventas, en el marco de sus esfuerzos por aumentar el flujo de ingresos y su participación en el mercado.

Desafío

El banco comenzó a trabajar en un proyecto pensado para acelerar su crecimiento orgánico comercial a través de la implementación de una solución superior de inteligencia de negocios que le permitiera definir y ejecutar estrategias de optimización de adquisición y cross-selling. El propósito subyacente era el de incrementar la satisfacción del cliente y el life time value, al tiempo que se maximizaba la rentabilidad del banco.

A fin de optimizar las campañas de marketing, el banco necesitaba responder preguntas críticas: a quién contactar, qué ofrecer, cuándo acercar la oferta y cómo hacerla.

Solución

El banco eligió la tecnología de BeSmart para llevar adelante su proyecto, implementado en cuatro fases consecutivas.

La primera etapa, bautizada “PredictiveModels”, consistió en desarrollar modelos predictivos utilizando IBM SPSS Modeler, para  seleccionar a los clientes con mayor probabilidad de aceptar una oferta.

En la segunda, denominada “Cross-selling machine”, se anticipa la próxima mejor oferta para cada cliente, a partir de procesos automatizados mediante IBM SPSS Collaboration and DeploymentServices.

En la tercera, “Sales Optimization”, se maximiza no sólo la respuesta sino también la rentabilidad de cada producto, considerando los ingresos esperados para cada producto, la efectividad, costo y capacidad de cada canal, y los objetivos mínimos de venta. Este grupo de restricciones junto con los modelos predictivos desarrollados con IBM SPSS Modeler son ejecutados en forma mensual por la plataforma de Optimización.

Finalmente la cuarta etapa, conocida como “Enterprise Feedback Management”, implementa un diálogo personalizado con cada cliente utilizando Smart Feedback, con el propósito de comprender mejor sus necesidades para acercarles ofertas personalizadas.

Banco Itaú implementó la “CommercialCampaign Factory” para acelerar la prueba y lanzamiento de campañas exitosas a través del “Cross-Selling Machine”. Basados en este concepto, el banco administraba simultáneamente entre 20 y 30 campañas de ventas.

La plataforma de Optimización fue introducida por el banco para ejecutar la optimización mensual del sistema de ventas, a fin de asignar más inteligentemente los recursos de marketing: múltiples canales con distintos costos, restricciones de contacto, objetivos de campaña y otras reglas de negocios, para dirigirse al cliente más valioso con la oferta adecuada, en el momento justo. Ahora, antes de lanzar las campañas de marketing, el banco revisa el número proyectado de clientes a contactar, los costos esperados y la tasa de respuesta predicha junto con el ingreso por campaña.

Resultados

El Análisis Predictivo de BeSmart mejoró la comprensión de los clientes y, por tanto, la precisión de las campañas. La puesta en marcha de entre 20 y 30 de acciones simultáneas permitió al Itaú incrementar los ingresos obtenidos de la cartera de clientes existentes en un 40%.

La utilización de técnicas de optimización posibilitó una mayor coordinación entre todas las campañas y los canales de contacto con los clientes. Con esta nueva metodología Banco Itaú Argentina incrementó el margen de contribución de los clientes en el orden del 60%.

“Buscábamos incrementar el valor del cliente y su satisfacción mientras pretendíamos maximizar la rentabilidad del banco a través del análisis y ejecución de estrategias de venta cruzada y adquisición. Es por eso que elegimos las soluciones de BeSmart”, dijo Mauricio González Botto, Chief Operations Officer.

Descargar caso