Как при использовании метрики CLTV вести учёт структурных взаимосвязей между продуктами? Какова корреляция между доходами от использования различных продуктов банка? Каким образом можно оценить финансовые эффекты от роста продуктового проникновения? Рассказывает Дмитрий Рузанов, Chief Data Scientist Альфа-Банка.
Идея применения пожизненной ценности клиента, или CLTV (Customer Lifetime Value), в бизнес-процессах технологических компаний не нова. Многие data-driven компании уже обладают методологией и данными для расчёта этого показателя, а некоторые из них применяют данный подход для принятия управленческих решений либо в операционных бизнес-процессах. Наиболее общим определением метрики CLTV, пожалуй, является следующее:
Customer Lifetime Value — это оценка прибыли, которую компания может получить от своего клиента за время его пользования продуктами и сервисами компании на всём горизонте его жизненного цикла.
Тем не менее, в прикладном аспекте расчёт, моделирование и применение CLTV в бизнес-процессах финансовой организации в корпоративном сегменте сопряжены с рядом особенностей. Существует множество подходов к моделированию CLTV или её отдельных компонентов, но все они так или иначе сопряжены со следующими проблемами:
• Большая волатильность финансовых данных (в т.ч. драйверов операционной прибыли клиента, а также самой прибыли в учётных системах банка).
• Высокая дисперсия прогноза на длинных периодах.
• Недостаточная точность калибровки моделей в отдельных продуктовых кластерах и пр.
Для того чтобы минимизировать влияние данных факторов на качество прогноза, Альфа-Банк разработал методологический подход, учитывающий структурные взаимосвязи между банковскими продуктами клиента и наличие корреляции между доходами, получаемыми от использования различных продуктов.
Базовая идея CLTV
Ключевая идея подхода заключается в глубоком сегментировании клиентской базы исходя из срока жизни клиента и наличия у него различных комбинаций продуктов. Такая глубокая сегментация позволяет проводить поиск поведенческих паттернов, типичных для каждого сегмента.
Данный подход делает возможной сегментацию клиентской базы на поколения исходя из доходности и срока жизни в банке. Здесь очень важно не только научиться прогнозировать траектории жизненного цикла клиентов и определять клиентов, которые принесут банку наибольший доход, но и заниматься их развитием в долгосрочной перспективе.
Определять склонность клиентов к тому или иному продукту можно с помощью каскада склонностных моделей, транзакционной аналитики и прочих модельных и аналитических инструментов. Выбор траектории развития должен быть обусловлен, с одной стороны, пользой для банка (с точки зрения максимизации дохода), с другой — интересами клиента, потребности которого должны быть полностью удовлетворены.
Для решения этих задач мы используем прогноз CLTV, который представляет собой оценку ожидаемого дохода клиента в течение всего периода жизни в портфеле банка (период lifetime)...
Продолжение читайте на https://futurebanking.ru/post/4052
