FintechAdvanced Analytics & AI

Predicción y visualización del consumo de tarjetas de crédito

El área de créditos de una empresa Fintech plantea la necesidad de incentivar el consumo por medio de tarjetas de crédito, para reducir el Churn Rate.

Industria: Fintech
Solución: Advanced Analytics & AI

Agendá una reunión

Caso de éxito: Predicción y visualización del consumo de tarjetas de crédito para la industria fintech

01 / 03

El desafío

El área de créditos de uno de nuestros clientes, una empresa de la industria Bancaria/Fintech plantea la necesidad de incentivar el consumo por medio de tarjetas de crédito, para obtener mayores ingresos, y lograr una mejor retención de sus clientes, reduciendo el Churn Rate (Tasa de abandono).

Nos comentó que ha intentado llevar esto a cabo con diferentes estrategias, pero al intentarlo, surgieron los siguientes problemas:

No existía una forma sencilla para el seguimiento del consumo de tarjetas de crédito. La información se encontraba distribuida y el acceso a ella era dificultoso.
Por lo tanto, las estrategias comerciales no eran personalizadas y se realizaban sin tener en cuenta la información disponible o basándose en información incompleta.
Aunque contaran con dicha información consolidada, consideraban dificultosa la tarea de identificar patrones y tendencias que demostraran la probabilidad de abandono de sus clientes.

02 / 03

Qué hizo Tekne

Objetivos

Por lo tanto, se requería lograr un mejor aprovechamiento de los datos de sus sistemas, y para ello se aspiraba a:

Disponer de sus datos de una manera ordenada y eficiente para poder establecer prioridades, extraer conclusiones, detectar patrones, predecir comportamientos futuros y generar estrategias comerciales en base a ello.
Desarrollar modelos predictivos con el objetivo de medir la probabilidad de abandono por parte de los clientes, así como también su recuperación.

Solución propuesta

Trabajamos en conjunto con la empresa en búsqueda de la mejor estrategia a seguir para solucionar su problemática en cuanto al acceso, visualización de sus datos y predicción del comportamiento de su cartera de clientes.
Luego de diversas reuniones, se acordó la implementación de dos modelos predictivos funcionales:
Un modelo de baja de consumo (Customer Churn) y un modelo de recuperación de consumo, que a través de una entrada estandarizada de variables seleccionadas previamente (Ej: Cantidad de Cuotas Pendientes, Grupo de Afinidad, Límite de Compra, etc) procedan al almacenamiento de los Score predictivos resultantes para su posterior análisis y utilización en el proceso de toma de decisiones del departamento comercial de la empresa.
También se desarrollaron dashboards con indicadores y visualizaciones consensuados con la empresa para la visión global de sus consumos con tarjeta de crédito, así como también, la exposición de los resultados obtenidos por los modelos predictivos implementados.
Nuestro trabajo continúa mediante el asesoramiento y la colaboración con la empresa, teniendo como objetivo instituir las buenas prácticas en el manejo de datos y facilitando la rápida implementación de herramientas tecnológicas para la gestión.

Arquitectura implementada

Diagrama de los modelos

03 / 03

Resultados

Luego de trabajar junto a nosotros, la empresa ahora cuenta con:

Un modelo estándar de aplicación para la detección de Churn (no consumo) de clientes
Un modelo estándar de aplicación para la detección de recuperación de consumo de clientes.
Score predictivo para el análisis del comportamiento de consumo de los clientes y el establecimiento de perfiles de acuerdo al comportamiento.
Score predictivo para la realización de campañas orientadas a clientes con mayor probabilidad de Churn.
Reducción significativa del Churn Rate.
Dashboards que posibilitan conocer la situación de la empresa en relación a los consumos con tarjeta de crédito de sus clientes y su probabilidad de abandono y reactivación.