Il CRM in Banca e le Applicazioni. Data Mining per le decisioni aziendali. Segmentazione, Promozione, Innovazione, Retention, Scoring
Autori e curatori
Livello
Textbook, strumenti didattici. Testi advanced per professional
Dati
pp. 364,      1a edizione  2017   (Codice editore 1059.39)

Tipologia: Edizione a stampa
Prezzo: € 38.00
Disponibilità: Buona


Clicca qui per acquistare
Codice ISBN: 9788891751256

In breve
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.
Presentazione del volume

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.

Indice
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

Management

Finanza. Amministrazione. Controllo

Marketing. Pubblicità. Comunicazione. Vendite

Produzione. Logistica. Qualità.

Risorse umane

Banca, credito e assicurazioni

Commercio e turismo

Pubblicazioni in Open Access


Pubblicità