When and how to contact your customer

Abstract

As campanhas de marketing são formas essenciais de comunicação entre as empresas e os seus clientes. Independentemente dos sectores operacionais, estas dependem de sistemas de Gestão de Relacionamento com Clientes (GRC), baseadas em métodos de mineração dedados, de forma a manter uma boa interação com seus clientes. Atualmente, a técnica de mineração de dados está a ganhar bastante popularidade devido à sua aplicabilidade em diversos sistemas de GRC. Esta utiliza modelos preditivos para auxiliar no processo de suporte à decisão. No momento de iniciar um contato com o cliente, tanto a disponibilidade como o canal de contato são dois componentes importantes para o sucesso da comunicação. Este trabalho visa abordar duas questões que surgem quando uma organização necessita entrar em contacto com os clientes. Concretamente, iremos desenvolver dois sistemas inteligentes: o primeiro para prever a melhor hora para contactar um cliente e o segundo para selecionar qual canal (por exemplo, chamada de voz, sms, e-mail) é o mais apropriado. Ambos os desafios fazem uso de dados históricos baseados nas comunicações dos clientes deforma a prever tanto a sua disponibilidade para a recepção de um contato como o melhor canal para o fazer. Através da utilização de dados de uma empresa de telecomunicações, a Altice, desenvolvemos várias abordagens usando algoritmos de aprendizagem supervisionada e não supervisionada para comparar os seus desempenhos. Em relação ao problema de identificação do melhor horário de contacto, este trabalho mostra ganhos em quase todas as horas do dia quando comparado com a percentagem de sucesso atualmente alcançada pela empresa. Por sua vez, a identificação do melhor problema de canal de contato obteve melhores resultados do que uma seleção aleatória do canal para estabelecer o contato. Por fim, a aplicabilidade prática do estudo levou-nos a adicionar uma descrição da metodologia adotada e, também, promoveu uma discussão acerca da análise das abordagens tendo em conta uma perspectiva de trade-off. Consideramos que esta avaliação alcançou resultados relevantes que demonstram um equilíbrio entre a velocidade dos modelos e a sua taxa de sucesso.

Marketing campaigns in companies are vital to communicate with customers. Regardless their operational contexts, companies rely on Customer Relationship Management (CRM)frameworks based on data mining methods to maintain and nurture the connection with their clients. Data mining techniques have gained popularity due to its wide applicability in several CRM systems and its predictive models are used to support decisions. When comes to the time to contact a customer, the availability and the channel of contact are two important components for its success. This work aims at tackling two issues that emerge when an organization needs to contact a client. In concrete, we will develop two intelligent systems: the first to predict the best hour to contact a client, and the second to select which channel (e.g., voice call, sms, e-mail) is more appropriate. Both challenges make use of historical data communications to predict customers’ availability to receive a contact from a service provider and the best way to establish the contact. We will be using real data from a telecommunications company. We developed approaches based on unsupervised and supervised learning algorithms in order to compare their results. Regarding the problem of identification of the best contact hour, this work shows gains in almost every hour of the day when compared with the current success rate achieved by the company. In turn, the identification of the best contact channel problem obtained better results than randomly selecting a channel to establish the contact. Finally, the practical applicability of the study led us to discuss not only the methodology adopted but also the approaches from a trade-off perspective. We think this analysis achieved relevant results to balance speed and success rate.