20 июня 2017, 17:11
Количество просмотров 379

Как просчитать потерю корпоративного клиента, или Уходящие не по своей воле

Сотрудники банковского отделения по обслуживанию юридических лиц были ошарашены. Позвонила главбух давнего клиента и сказала, что получила указание выводить денежные средства из банка. Только вчера тортом, цветами и «просеко» отмечали ее день рождения... Как выстрел в спину, да и... премий жалко.
Как просчитать потерю корпоративного клиента,  или Уходящие не по своей воле

Олег Брагинскийоснователь «Школы траблшутеров» и директор «Бюро Брагинского»


Заподозрить финансиста в злонамеренности языки не поворачивались, поэтому позвонили мне: «Вы, говорят, все просчитать можете – пришло время доказать мастерство делом». Оказалось, общаемся по громкой связи – уловил резкий шепот: «Скажи, что бухгалтеру приказали из головного офиса». Услышанное в корне меняло дело: предсказать отток ничего не подозревающего юридического лица по указанию руководителя из ЦПР (Центра принятия решений) казалось невозможным.

Нереальность задачи ставила под угрозу мою репутацию, и с этим нужно было что-то делать. Неуверенно пробормотал: «Подумаю, что с этим можно сделать», под довольные выкрики с противоположного конца провода. Задача мучила, как гвоздь в скамейке: пересесть лень – проще морщиться. Не удавалась формализация начальных условий:

  • как угадать несамостоятельность компании?
  • как вычислить ЦПР, если он не обслуживается в банке?
  • как понять намерение расстаться, если компания снижает финансовую активность, но не закрывает счета?
  • Теплилась слепая уверенность в могуществе методов Big Data и слабая надежда на 20-летний опыт банковской деятельности. 200 тыс. юридических лиц за 25 лет с миллиардами транзакций послушно легли в модель. Наступил ступор гипотез. Поиск «методом тыка» даже не рассматривался.

Три недели прошли в тягостных размышлениях:

  • экспериментально подтвердилось, что поставщики открытых баз данных о предприятиях страны не помогут найти ЦПРы – клиентские менеджеры отклонили треть приведенных мною расчетных догадок;
  • не удалось сформулировать «индикатор ухода с обслуживания» – юрлица не опустошали счета до нуля и, даже прекратив работу с банком, принимали остатки денег по ранее заключенным контрактам;
  • догадки о календарных привязках к началу календарного или финансового года не подтвердились;
  • доверительные беседы с десятками финансистов лояльных к банку ушедших организаций подтвердили непредсказуемую природу команд сверху;
  • прекращение отношений с банком после выплаты кредитов, как вероятное развитие событий, интересовало только Капитана Очевидность.

Ситуация становилась патовой – я не знал, где и что собираюсь искать. Время тикало не в мою пользу. В минуты крайней жалости к себе нахлынули воспоминания о написании компьютерного антивируса на первом курсе Политеха – получалось же тогда искать иголки в стогах! Не применить ли и сейчас подобный подход?

Допустим, что:

  • неизвестно, есть ли у компании руководящая и направляющая сила;
  • непонятно, собирается ли компания прекратить обслуживание в банке.

Тогда нам необходимо найти типовые кардиограммы финансового здоровья и искать аномалии ресурсного поведения юрлиц. При всей размытости постановки задачи пришло понимание, что решить ее вполне по силам.

Как просчитать потерю корпоративного клиента,  или Уходящие не по своей воле - рис.1

Быстро удалось закодировать серии типовых поведений (табл. 1):

1. Верхняя горизонталь – организация поддерживает деловую среднюю активность выше исторической медианы.

2. Нижняя горизонталь – деловая активность ниже среднего.

3. Всплытие – рост среднего суммарного объема денежных средств на счетах.

4. Погружение – аналогичное падение.

5. Мерцание (Имеется в виду термин Trends of flickering) вниз – пробивание дна и стабилизация.

6. Мерцание вверх – пробивание потолка и восстановление.

7. Двойное мерцание вниз – пробивание дна, восстановление и повторное пробивание дна.

8. Двойное мерцание вверх – пробивание потолка, восстановление и повторное пробивание потолка.

9. Поведение не определено – не хватает статистики или нет выраженных трендов.

Запустил раздельную кластеризацию для первых восьми категорий, и случилось долгожданное чудо: каждое из множеств оказалось на удивление устойчивым и не желало дробиться добровольно. Свет забрезжил в конце тоннеля!

Вспомнил, как ритейлеры сравнивают периоды, используя Like4Like подход, и финализировал постановку проблемы:

1. найти период X дней, сравниваемый с:

2. необязательно равным ему периоду в Y суток,

3. следующим со сдвигом (отставание или опережение!) в Z дней,

4. при которых случается (нисходящая или восходящая!) финансовая активность,

5. завершающая отношения юрлица с банком (последующая транзакционная пассивность).

Чтобы не мельчить, приступил к поиску границ моделирования. Оказалось, наиболее транзакционно предсказуемы группы компаний в диапазоне годовой суммарной банковской прибыли от 47,8 тыс. долл. США до 927,3 тыс., что покрывало 30,8% действующих и 56,5% ушедших из банка организаций (табл. 2).

Как просчитать потерю корпоративного клиента,  или Уходящие не по своей воле - рис.2Ступенчатым снижением точности на 0,01% удалось добиться включения в моделируемый диапазон 54,6% активных и 43,4% пассивных компаний. Границы годовой суммарной прибыли раздвинулись до диапазона 16 тыс. – 6 млн долл. США. Валовая годовая прибыль при этом выросла с 15,3% до 59,2% (табл. 3).

Как просчитать потерю корпоративного клиента,  или Уходящие не по своей воле - рис.3

Тестирование модели на 70% случайной выборки показало, что адекватно предсказывается уход компании из банка при сравнении четырех месяцев к четырем со сдвигом в восемь месяцев. При этом глубина снижения прибыльности составляет 39,51% от первого четырехмесячного периода.

Применение метода для 100% компаний, ушедших из банка, показало отклонение точности в 0,14%. В таблице 4 показаны 19 лучших вариантов параметров модели предсказания оттока, обеспечивающих величину отклонения до 10%.

Рассчитав модель для действующих компаний, я определил 230 компаний в «предынфарктном» для банка состоянии, провел беседы с 28 клиентскими менеджерами 7 отраслей и уточнил модель, добавив защиту от ложных срабатываний на снижение деловой активности компании, исключив:

  • ожидание бюджетных денег или окончания тендерных процедур;
  • снижение объема продаж или осознанный отказ от части маржи;
  • сезонность бизнеса или плановый уход с продукта.

После апробации модель внедрили в корпоративную CRM банка, и при срабатывании поведенческих маркеров сотрудники стали по утрам наблюдать сообщения следующего содержания: «Организация «ABC», по которой вы являетесь клиентским менеджером, склонна к уходу с банковского обслуживания. Расчетное время «потери» – 3 недели».

Как просчитать потерю корпоративного клиента,  или Уходящие не по своей воле - рис.4Как часто бывает, нововведение было встречено с ухмылками, которые быстро стерлись после сбывания серии предсказаний по крупным клиентам. Интуиция и  опыт распространяются на зону контроля менеджера, а математика способна охватить сколь угодно большие объемы.

Завершив теоретические изыскания и полевые проверки, поехал проводить презентацию для заказчика. Оказали теплый прием и напоили горячим чаем. Повествование о разработанной методике дамы восприняли одобрительно, но спокойно. Не хватало ожидаемой восторженности.

Обескураженный, спросил: «что не так?» На что получил добродушный ответ: «С самого начала знали, что справишься». Коротко и просто. Семь недель сражался с неизвестностью, не находя решения. Извелся в поисках допущений, изгалялся в подходах. Не верил в себя и удачу, а они даже не сомневались...

Учите матчасть, проверяйте факты, стройте гипотезы и… доверяйте женской интуиции. Используйте Big Data, играйте по-крупному и следите за следующими публикациями в журнале «ПЛАС».

Рубрика:
{}
Теги:
#

PLUSworld в соцсетях:
telegram
vk
dzen
youtube