Le nostre spedizioni verranno sospese per la pausa natalizia dal 19 dicembre al 6 gennaio.
Gli ordini ricevuti in questo periodo verranno fatturati e spediti dal 7 gennaio.
Il CRM in Banca e le Applicazioni.

Amedeo De Luca

Il CRM in Banca e le Applicazioni.

Data Mining per le decisioni aziendali. Segmentazione, Promozione, Innovazione, Retention, Scoring

Il primo volume che presenta operativamente le applicazioni dei nuovi strumenti di CRM analitico, in grado di ottimizzare l’offerta dei prodotti e i processi aziendali della banca innovativa e competitiva. Un testo per i manager e i quadri coinvolti nel CRM della banca, gli analisti di mercato, i customer service manager, i responsabili della comunicazione, i marketing manager, i BI analyst, gli studenti dei corsi di laurea in Scienze Statistiche, Marketing e Comunicazione, dei Master in Data Science e in Big Data.

Edizione a stampa

38,00

Pagine: 364

ISBN: 9788891751256

Edizione: 1a edizione 2017

Codice editore: 1059.39

Disponibilità: Buona

La globalizzazione dei mercati, la crisi economico-finanziaria, l'ingresso di nuovi operatori, la rivoluzione digitale, ecc., stanno modificando in modo dirompente l'arena competitiva del settore bancario.
Quotidianamente le Banche acquisiscono - tramite la multicanalità - grandi masse di dati
(Big Data), la cui analisi (Data Mining) consente di estrarre sulla clientela preziose informazioni, da trasformare in conoscenza e poi in profitto: il Customer Relationship Mangement (CRM) costituisce oggi il cardine del rapporto impresa-cliente.
Nel volume si presentano operativamente le applicazioni dei nuovi strumenti di CRM analitico, in grado di ottimizzare l'offerta dei prodotti ed i processi aziendali della Banca innovativa e competitiva.
L'opera è strutturata in cinque parti e 17 capitoli.
Parte I - Data mining, Crm e Vendite: Big Data, Data mining e Crm; Segmentazione descrittiva e comportamentale della clientela; Market basket analysis per il cross-selling.
Parte II - Promozione e massimizzazione della redemption: ottimizzazione della resa di una promozione (con la regressione logistica e gli alberi decisionali).
Parte III - Innovazione e Customer satisfaction: lancio di nuovi prodotti con la Conjont analysis (Polizza vita, Mutuo ipotecario, Carta Pay Pass); valutazione della Customer Satisfacton.
Parte IV - Churn analysis e Retention: predizione dei Clienti a rischio di abbandono.
Parte V - Rischio creditizio nel retail e nel corporate e valutazione della tolleranza al rischio finanziario dei Clienti (questionario MiFID).
L'opera - prima nel suo genere - si caratterizza per la ricchezza dei temi trattati, la natura applicativa e il rigore scientifico. Essa fornisce la "cassetta degli attrezzi" per l'implementazione e la gestione del CRM in Banca.
Il volume si indirizza ai manager e ai quadri coinvolti nel CRM della Banca; agli Analisti di mercato; ai Customer service manager; ai Responsabili della comunicazione; ai Marketing manager; ai BI Analyst; agli Studenti dei corsi di laurea di Scienze Statistiche, Marketing e Comunicazione e dei Master in Data Science e in Big Data.

Amedeo De Luca è uno dei massimi esperti e studiosi di Analisi dei dati e Data mining. Opera da molti anni nella consulenza e formazione bancaria. È Professore a contratto stabilizzato di Analisi di mercato nell' Università Cattolica di Milano, presso la quale svolge - da oltre trent'anni - attività didattica in numerose Facoltà (Economia; Scienze Bancarie; ecc.). È Autore di vari volumi di marketing bancario e di numerosi altri volumi e articoli scientifici. È referee di varie riviste e Guest Editor di Statistica Applicata, rivista della SIS-Società Italiana di Statistica.

Amedeo De Luca, Presentazione
Parte I. Data mining, crm e Vendite
Big data, Data mining e Customer Relationship Management
(Big Data e Data Mining; Data Mining; Customer Relationship Management; Data base della clientela; Ciclo di vita del cliente; Valore del cliente e strategie di mercato; Gestione strategica della clientela; Riferimenti bibliografici)
Segmentazione comportamentale della clientela bancaria con gli Alberi Decisionali
(Segmentazione della clientela bancaria con gli Alberi decisionali; Segmentazione della clientela bancaria basata sul comportamento nel servizio di conto corrente: applicazione; Passi della procedura di segmentazione; L'algoritmo dell'albero decisionale CHAID; Input e codifica delle variabili; Elaborazione dell'albero di classificazione; Profilazione dei segmenti individuati; Profilazione del nodo più "critico"; Strategie di marketing da adottare sulle varie tipologie di segmenti; Appendice: Regole relative alle "Foglie" dell'Albero di classificazione; Riferimenti bibliografici)
Nuova segmentazione descrittiva della clientela bancaria basata su variabili qualitative e quantitative
(Introduzione; La procedura di segmentazione Two-Step su variabili miste; Applicazione della procedura Two-Step; Output della cluster analysis Two-Step; Livello di bontà del risultato della procedura; Descrizione dei segmenti; Profilazione dei segmenti individuati; Utilizzazione dei risultati della segmentazione; Appendice: Metodologia della procedura Two-Step; Riferimenti bibliografici)
Segmentazione e Market Basket Analysis per il cross-selling
(Dai Dati all'Informazione e alla Conoscenza; Segmentazione della clientela e analisi MBA sui servizi bancari; Segmentazione del campione di clienti basata su variabili binarie; Caratteri della MBA; Fasi della metodologia delle MBA; Applicazione della MBA sul portafoglio-prodotti dei clienti; Utilizzazione dei risultati della segmentazione e della MBA; Linee di sviluppo della MBA: analisi inferenziale con modello loglineare sulle associazioni tra prodotti; Appendice metodologica sugli odds ratio; Riferimenti bibliografici)
Parte II. Promozione e massimizzazione della redemption
Ottimizzazione della redemption di una campagna promozionale con la regressione logistica su caratteri qualitativi della clientela
(Obiettivo della procedura; Fasi della procedura; Approccio metodologico della regressione logistica; Applicazione della regressione logistica per la massimizzazione dei risultati di una campagna promozionale; Utilizzazione della regressione logistica a fini decisionali; Riferimenti bibliografici)
Ottimizzazione della redemption di una campagna promozionale con la regressione logistica su caratteri qualitativi e quantitativi della clientela
(Obiettivo della procedura; Fasi della procedura; La regressione logistica su caratteri qualitativi e quantitativi; Applicazione della regressione logistica su caratteri misti rilevati sui clienti; Utilizzazione della regressione logistica a fini decisionali; Riferimenti bibliografici)
Ottimizzazione della redemption di una campagna promozionale con gli alberi di classificazione
(Obiettivo della procedura; Introduzione; Lineamenti degli Alberi decisionali; L'algoritmo degli Alberi di classificazione per la segmentazione; Alberi di classificazione con l'approccio CHAID; Applicazione degli Alberi di classificazione ai risultati di una campagna promozionale; Risultati della procedura; Profilazione dei segmenti emersi con l'Albero di classificazione; Appendice metodologica; Selezione delle variabili negli Alberi decisionali; Accorpamento delle modalità delle variabili esplicative; Il criterio di split; Il criterio di arresto; Riferimenti bibliografici)
Ottimizzazione della redemption di una campagna promozionale con gli alberi di regressione
(Obiettivo della procedura; Metodologia degli Alberi decisionali; Gli Alberi di regressione; Alberi di Classificazione e di Regressione (CART); Applicazione dell'Albero di regressione CART alla promozione di un prodotto finanziario; Risultato finale della procedura; Conclusioni; Appendice n. 1: Regole derivanti dall'Albero di regressione; Appendice n. 2: Aspetti metodologici di CART; Alberi di classificazione per variabile dipendente qualitativa; Ricerca del sotto-albero ottimale: il pruning; Alberi di regressione per variabile dipendente quantitativa; Riferimenti bibliografici)
Parte III. Innovazione e Customer satisfaction
Lancio di un nuova polizza vita con la conjoint analysis
(Introduzione; Fasi operative della procedura di conjoint analysis; Il piano sperimentale di rilevazione dei giudizi di valutazione; La conjoint analysis metrica; Applicazione della conjoint analysis metrica; Segmentazione dei valutatori ed individuazione del marketing-mix ottimale per i segmenti; Riferimenti bibliografici)
Lancio di un nuovo mutuo ipotecario con la conjoint analysis
(Introduzione; Applicazione della COA per un nuovo mutuo ipotecario; Segmentazione dei valutatori ed individuazione del marketing-mix ottimale per i segmenti; Riferimenti bibliografici)
Valutazione dell'interesse verso una nuova carta di pagamento Pass Pay con gli alberi decisionali
(Il concept della nuova carta di pagamento Pay Pass; Applicazione: valutazione degli aspetti di interesse verso la nuova carta di pagamento con gli alberi di regressione; Profilazione dei segmenti; Le "regole" dell'albero di regressione; Appendice: Regole prodotte dall'albero decisionale; Riferimenti bibliografici)
Valutazione della customer satisfaction e analisi delle componenti principali sugli attributi del servizio fornito dalle agenzie di una banca
(Introduzione; La ricerca di customer satisfaction presso le agenzie di un Gruppo bancario italiano; L'elaborazione dei dati provenienti dalla ricerca; Riferimenti bibliografici)
Parte IV. Churn analysis e Retention
Churn analysis: Predizione dei clienti a rischio di abbandono con la regressione logistica
(Introduzione; Individuazione dei clienti a rischio di abbandono; Metodologia della churn analysis; Regressione logistica su variabili qualitative; Applicazione della regressione logistica alla Churn Analysis; Verifica della bontà della funzione di regressione logistica con la tabella di classificazione; Analisi della Curva ROC; Grafico della classificazione dei clienti; Calcolo manuale delle probabilità di adesione; Appendice metodologica; Riferimenti bibliografici)
Churn analysis: Predizione dei clienti a rischio di abbandono con gli alberi di regressione
(Premessa; Clienti a rischio di abbandono e alberi decisionali; Gli alberi di regressione; L'algoritmo CART; Applicazione della metodologia CART per l'individuazione dei clienti a rischio di abbandono; Output conclusivo della procedura; Profilazione dei segmenti individuati; Conclusioni; Appendice n. 1; Appendice n. 2; Riferimenti bibliografici)
Parte V. Credit scoring nel Retail e nel Corporate
Valutazione del rischio creditizio nel retail con la regressione logistica
(Introduzione; Valutazione dei buoni e dei cattivi debitori; Applicazione della regressione logistica per la concessione di credito al consumo; Scelta della soglia di rischio e dimensionamento degli accantonamenti della Banca; Riferimenti bibliografici)
Valutazione del rischio creditizio e probabilità di default nel settore interbancario con gli alberi decisionali
(Introduzione; Applicazione del credit scoring nel mercato interbancario; Applicazione dell'Albero di regressione CART al rischio creditizio interbancario; Risultato finale della procedura; Conclusioni; Appendice: Regole derivanti dall'Albero di regressione Riferimenti bibliografici)
Questionario MiFID e valutazione della tolleranza della clientela al rischio f

Collana: Management / I textbook per l’università e la professione

Argomenti: Applicazioni professionali - Servizio al cliente, customer satisfaction, CRM

Livello: Textbook, strumenti didattici - Testi advanced per professional

Potrebbero interessarti anche