Emil Banca usa l’analisi dei dati per prevedere e ridurre il tasso di abbandono dei clienti e migliorare la fidelizzazione

L’azienda
Emil Banca è una delle 115 banche del Gruppo Bancario Cooperativo Iccrea. Con 738 dipendenti, 186.000 clienti e 97 filiali, è una delle prime tre banche del gruppo per grandezza. È uno dei due istituti bancari in Italia ad avere un Rating sociale, che certifica l’attenzione alla responsabilità sociale dell’azienda. Come le altre realtà del Gruppo BCC Iccrea, opera in una zona territoriale ben definita, coprendo un’area che va da Bologna a Piacenza. Fondata nel 1895, oggi Emil Banca è il risultato della fusione di tante diverse realtà del credito cooperativo che, nel corso degli anni, si sono aggregate per raggiungere una dimensione più adatta alle crescenti complessità del mercato.

L’idea in breve
Il progetto Churn Prediction mira a comprendere e prevedere il tasso di abbandono dei clienti, capire cosa e come migliorare e ottimizzare le strategie di fidelizzazione di Emil Banca. È stato sviluppato insieme alla fondazione IFAB, che persegue obiettivi di consolidamento, valorizzazione e promozione della ricerca scientifica, con particolare riferimento a Big Data e Intelligenza Artificiale.

L’analisi dei dati  per comprendere il customer churn rate
Il customer churn rate rappresenta il “tasso di abbandono”, ovvero la percentuale di clienti che cessano di utilizzare un prodotto o un servizio nell’arco di un dato periodo di tempo. Per un istituto di credito che opera in un’area di competenza geografica ben definita, il tasso di abbandono dei clienti rappresenta un rischio più elevato rispetto ad altri operatori aperti al mercato nazionale. Se il churn rate si concentra nei primi anni di relazione con il cliente, l’istituto rischia di sostenere costi di acquisizione più elevati rispetto al life time value di quel cliente. Inoltre, l’avvio di nuove relazioni richiede uno sforzo significativo che può impegnare la rete commerciale in maniera consistente. La banca, pertanto, ha grande interesse a stabilire relazioni di lungo periodo con i clienti. Emil Banca si è rivolta a IFAB, che dispone delle competenze necessarie e di data scientist in grado di analizzare la base dati della banca per cercare pattern che possano indicare i primi segnali di abbandono dei clienti e identificare i territori con tassi di abbandono più elevati rispetto alla media. Dall’analisi dei dati è emerso, per esempio, che il tasso di abbandono riguardava anche vecchi prodotti, come i depositi a risparmio, e non solo i conti correnti, e questo falsava negativamente la percentuale inizialmente rilevata da Emil Banca.

Come funziona Churn Prediction
Il progetto sviluppato da Emil Banca con IFAB punta ad analizzare i dati dei clienti, comprendere il churn e prevederlo per migliorare la customer retention e le strategie di fidelizzazione della banca. La sfida iniziale era spiegare perché i clienti di Emil Banca interrompono l’utilizzo di un prodotto o di un servizio, cercando di individuare quei segnali predittivi che consentano di porre in atto manovre di retention e di riallaccio della relazione, prima che il cliente abbandoni definitivamente l’istituto di credito. La soluzione ha previsto due approcci: XGBoost con dati anagrafici, che utilizza un algoritmo di machine learning allenato sui dati dei clienti per identificare pattern e fattori che influenzano il churn; e Survival Analysis con Lifelines, un’analisi che studia l’evoluzione temporale dei features fino all’evento (il churn) e permette di identificare i fattori di rischio e quantificare la probabilità di abbandono nel tempo.

Benefici
Il progetto è attualmente in fase di test al fine di poter validare le assunzioni previste dalle due soluzioni. L’obiettivo principale è confrontare e integrare i risultati delle due strategie, XGBoost con dati anagrafici e Survival Analysis con Lifelines, per fornire raccomandazioni efficaci e informate su come Emil Banca può ridurre il churn dei clienti. Analizzando i dati e individuando i principali fattori che influenzano il churn, la banca sarà in grado di elaborare strategie mirate per ridurre il tasso di abbandono e aumentare la retention dei clienti. Questo approccio consentirà di intervenire su quei clienti che mostrano i primi segnali di possibile abbandono. Grazie al progetto Churn Prediction, Emil Banca potrà gestire in maniera più efficace la propria customer base, ottimizzare le proprie risorse, ridurre i costi associati alla perdita di clienti e migliorare la redditività a lungo termine.