PoC Payment Risk
Modelo Riesgo de Morosidad
Copyright © 2011, SAS Institute Inc. All rights reserved.
Payment Risk
 Originación / Scorecard
 Comportamiento
 De mora temprana
 Cobranzas
2
Copyright © 2011, SAS Institute Inc. All rights reserved.
Payment Risk: Comportamiento
 Los modelos basados en comportamiento
nos ayudan a identificar aquellos Clientes
que poseen mayor probabilidad de no
abonar la factura actual.

En este caso, observando el
comportamiento de los actuales
Clientes morosos de Telefonía Fija
y Arnet detectamos nuevos
sospechosos de caer en mora.
3
Copyright © 2011, SAS Institute Inc. All rights reserved.
Payment Risk: Scorecard
 Los modelos de Scorecard son una
herramienta cuya utilidad básica es
diagnosticar con anterioridad la potencial
morosidad de un Cliente.
 En este caso, el Scorecard desarrollado,
permite detectar qué Cliente actual de la
telefonía fija probablemente va a ser moroso
al adquirir el producto Arnet
4
Copyright © 2011, SAS Institute Inc. All rights reserved.
Creación de las ABT(s)
 Se tomaron diferentes Fuentes de Información:
 ABT de Dacota: clientes con sus facturas mes a mes,
contemplando datos de morosidad, forma de pago, etc.
 ABT(s) de Marketing: información del cliente proveniente del
Área de Marketing con información de segmentos, consumos,
etc.
 Las 2 tablas finales cuentan con 130 variables.
 Se utilizó información correspondientes a 13 meses, desde junio
de 2010 hasta junio de 2011.
 Selección de clientes:
 Para el análisis se tomaron Clientes con una única línea.
 Se consideraron solo aquellos Clientes del Segmento
Residencial.
Copyright © 2011, SAS Institute Inc. All rights reserved.
5
Distribución de variables
Proceso de modelado en SAS Enterprise Miner
7
Copyright © 2011, SAS Institute Inc. All rights reserved.
Detección de Grupos de Clientes
 Si uno selecciona al azar el 10% de los Clientes, esta seleccionando
también el 10% de Clientes Buenos y el 10% de Clientes Malos.
 Una buena medida de qué tan bueno es el modelo es medir cómo mejora
esta relación las reglas detectadas.
 Cada regla detectada por los árboles posee un % del total de Clientes
Buenos y Clientes Morosos.
 El indicador usado para identificar la ganancia que produce el modelo es
hacer el ratio %Clientes Morosos/%Clientes Buenos. En el caso del azar,
este Índice da 1.
 Se usan los valores de Testing para tener un valor más conservador y
realista.
 Para la selección de Clientes Críticos se tomaron las reglas con mayor
índice y para los Peligrosos las segundas reglas con mayor índice haciendo
el corte donde se detectó un salto.
 Esta clasificación en Críticos y Peligrosos puede ser cambiada acorde a las
necesidades del negocio y usabilidad.
Copyright © 2011, SAS Institute Inc. All rights reserved.
8
Modelo de
Comportamiento
Copyright © 2011, SAS Institute Inc. All rights reserved.
ABT de Comportamiento
Selección de la muestra:
 Se seleccionó la primer factura donde el Cliente se atrasó 65
días o más, definiendo a estos clientes como Morosos. El
Cliente podía o no ser Cliente Arnet.
 Se seleccionó una muestra balanceada de facturas de Clientes
sin morosidad, respetando la distribución mensual del primer
grupo, para evitar problemas de estacionalidad.
 Se cruzó esta muestra con la información de MKT del mes
anterior.
 Se tomaron 250.000 Clientes para el análisis siendo la mitad
de ellos morosos.
10
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de Comportamiento
11
Copyright © 2011, SAS Institute Inc. All rights reserved.
Medidas de Ajuste del Modelo
Curvas ROC - Comportamiento
Al tomar el primer 20% de
los casos,
se captura el 60% de los
clientes morosos
Curva Lift- Behavior
12
Copyright © 2011, SAS Institute Inc. All rights reserved.
Navegación del Árbol (Comportamiento)
Clientes Críticos
2
1
5
4
3
6
13
Copyright © 2011, SAS Institute Inc. All rights reserved.
Perfil de los Clientes Críticos
Descripción:
1. Antigüedad de Línea entre 180 a 365 días e Importe Facturado < $28.
»
»
Morosos: 1.27%
Indice: 9.07
Buenos Clientes: 0.14%
2. Antigüedad de Línea < 180 días y Segmento Histórico RR2.
»
»
Morosos: 8.96%
Indice: 6.35
Buenos Clientes: 1.41%
3. Antigüedad de Línea entre 1 a 4.5 años, Importe Facturado > $193 y Score Cliente Res
< 412
»
»
Morosos: 2.59%
Indice: 6.02
Buenos Clientes: 0.43%
4. Antigüedad de Línea entre 1 a 4.5 años e Importe Facturado < $28.
»
»
Morosos: 6.16%
Indice: 5.70
Buenos Clientes: 1.08%
5. Antigüedad de Línea entre 180 a 365 días e Importe Facturado > $193
»
»
Morosos: 2.33%
Indice: 5.68
Buenos Clientes: 0.41%
6. Antigüedad de Línea > 4.5 años, Importe Facturado < $28 y sin Llamadas Urbanas.
»
»
Morosos: 7.56%
Indice: 4.81
Buenos Clientes: 1.57%
 Estas reglas involucran el 5.04% de los Clientes y detectan el 28.87% de
los morosos.
Copyright © 2011, SAS Institute Inc. All rights reserved.
14
Navegación del Árbol (Comportamiento)
Clientes Críticos
Clientes Peligrosos
3
5
4
2
1
15
Copyright © 2011, SAS Institute Inc. All rights reserved.
Perfil de los Clientes Peligrosos
Descripción:
1.
Antigüedad de Línea > 4.5 años, Importe Facturado > $193, Score Cliente Res < 412 y Segmento
Histórico RR2
»
»
2.
Buenos Clientes: 0.63%
Morosos: 6.32%
Indice: 2.99
Buenos Clientes: 2.11%
Antigüedad de Línea > 4.5 años, Importe Facturado entre $28 y $193, sin Llamadas Urbanas y sin
Llamadas Interurbanas
»
»
5.
Morosos: 2.20%
Indice: 3.49
Antigüedad de Línea < 180 días y Segmento Histórico RR1 o RJB
»
»
4.
Buenos Clientes: 0.22%
Antigüedad de Línea entre 1 a 4.5 años, Importe Facturado entre $28 y $193, Score Cliente Res <
412 y sin Llamadas Urbanas
»
»
3.
Morosos: 0.81%
Indice: 3.68
Morosos: 4.81%
Indice: 2.74
Buenos Clientes: 1.75%
Antigüedad de Línea entre 180 a 365 días y Importe Facturado entre $28 y $193 y Segmento Valor
es B, C o D
»
»
Morosos: 3.08%
Indice: 2.28
Buenos Clientes: 1.35%
 Estas reglas involucran el 6.06% de los Clientes y detectan el 17.22% de
los morosos.
 Entre Críticos y Peligrosos se tiene el 11.1% y detectan el 46.09%.
Copyright © 2011, SAS Institute Inc. All rights reserved.
16
Sugerencias de Aplicación

Este modelo se puede aplicar sobre Clientes con y sin Arnet.

Detecta Clientes con mayor probabilidad de no pagar la factura actual.

Sobre estos Clientes se pueden definir diferentes Acciones Comerciales.
 Se puede limitar la venta sobre los Clientes Críticos que son el 5.04% del total que incluyen el 28.87%
de los Morosos.
 Se puede dirigir la venta para los Clientes Peligrosos hacia determinado grupo de Productos que sean
menos riesgosos.

Estas acciones se pueden sugerir para diferentes Productos de Telecom y no solo
relacionados con Arnet ya que lo que se predice es riesgo de mora inmediata.

Estas sugerencias y/o direccionamientos se pueden realizar mediante los procesos
de Campañas Actuales informándole la situación de riesgo de Mora a los EVTs de
la compañía tanto para Campañas de OutBound como las de Inbound.
17
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de Scorecard
Copyright © 2011, SAS Institute Inc. All rights reserved.
ABT de Scorecard
Selección de la muestra:
 Los Clientes Morosos son los que verifican las siguientes
condiciones:
 Han adquirido Arnet en el período observado
 Se han vuelto morosos posteriormente.
 Tienen al menos 3 meses de historia sin Arnet en el período
observado.
 Se tomó la última factura donde el cliente no tenía ARNET

Se seleccionó una muestra balanceada de la última factura
antes de contratar Arnet de Clientes que no incurrieron en
mora en el período de observación.
 Se tomó a 8.000 Clientes para el análisis siendo la mitad de
ellos morosos.
Copyright © 2011, SAS Institute Inc. All rights reserved.
19
Navegación del Árbol (Scorecard)
Clientes Críticos
1
2
20
Copyright © 2011, SAS Institute Inc. All rights reserved.
Clientes Críticos (Scorecard)
Descripción:
1. Antigüedad de Línea < 150 días y Importe Facturado >= $76.
»
»
»
Morosos: 7.37%
Buenos Clientes: 1.94%
Indice: 3.79
2. Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado >= $85, Score
Cliente Res < 112.
»
»
»
Morosos: 3.01%
Buenos Clientes: 1.04%
Indice: 2.89
 Estas reglas involucran el 2.98% de los Clientes y detectan el 10.41% de
los morosos.
21
Copyright © 2011, SAS Institute Inc. All rights reserved.
Navegación del Árbol (Scorecard)
Clientes Críticos
Clientes Peligrosos
1
2
2
1
3
22
Copyright © 2011, SAS Institute Inc. All rights reserved.
Perfil de los Clientes Peligrosos
Descripción:
1. Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado >= $85, Score
Cliente Res >= 112, Cantidad Aladinos >= 1
»
»
»
Morosos: 2.89%
Buenos Clientes: 1.62%
Indice: 1.78
2. Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado < 85 y tuvo Arnet=si
»
»
»
Morosos: 3.13%
Buenos Clientes: 1.96%
Indice: 1.60
3. Antigüedad de Línea entre 150 días y 4.5 años, Importe Facturado >= 85, Score Cliente
Res >= 112, No tiene Aladinos y Edad entre 18 y 30 o extranjeros
»
»
»
Morosos: 4.15%
Buenos Clientes: 2.89%
Indice: 1.43
 Estas reglas involucran el 6.47% de los Clientes y detectan el 10.17% de
los morosos.
 Entre Críticos y Peligrosos se tiene el 9.45% y detectan el 20.55%.
23
Copyright © 2011, SAS Institute Inc. All rights reserved.
Sugerencias de Aplicación

Este modelo aplica exclusivamente sobre Clientes sin Arnet.

Detecta Clientes con mayor probabilidad de incurrir en mora luego de adquirir
Arnet.

Sobre estos Clientes se pueden definir diferentes Acciones Comerciales.
 Se puede limitar la venta sobre los Clientes Críticos que son el 2.98% del total que
incluyen al 10.41% de los morosos.
 Se puede dirigir la venta para los Clientes Peligrosos hacia determinado grupo de Productos que sean
menos riesgosos.
 Se pueden desarrollar Productos del tipo Pre-Pago para estos grupos de Clientes.

Estas sugerencias y/o direccionamientos se pueden realizar mediante los procesos
de Campañas Actuales informándole la situación de riesgo de Mora a los EVTs de
la compañía tanto para Campañas de OutBound como las de Inbound.

Debido al poco volumen de los Clientes Críticos, se puede negociar con las Áreas
de Ventas no accionar sobre este 2.98% en las campañas de OutBound, dirigiendo
todos los esfuerzos a Clientes con menos probabilidad de mora que no
necesariamente son peores compradores.
24
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de Cobranzas
Copyright © 2011, SAS Institute Inc. All rights reserved.
Payment Risk: Cobranzas
 Los Modelos de Cobranzas son una herramienta de
gestión que permiten decidir qué acciones conviene
realizar a cada cliente. El objetivo es optimizar las
acciones de recupero.
 En este caso, los Modelos desarrollados, permiten
estimar qué acciones conviene realizar a los
diferentes Clientes de Telecom Personal de tal
manera que se pueda obtener el máximo beneficio
del proceso de recupero.
26
Copyright © 2011, SAS Institute Inc. All rights reserved.
¿Qué se Busca?




Con los modelos de Cobranzas se busca estimar la
probabilidad de éxito para cada hito del proceso.
Estas probabilidades permiten calcular el Costo y el
Beneficio esperado para cada acción a realizarse al
Cliente.
Este análisis del Costo/Beneficio por
acción permite definir diferentes reglas
de Gestión acordes a la estrategia de
Cobranza deseada.
Para esto se genera una tabla que contiene para cada
Cliente las diferentes probabilidades, Costos y Monto de
Deuda.
Copyright © 2011, SAS Institute Inc. All rights reserved.
27
Creación de la ABT
 Se tomaron diferentes Fuentes de Información:
 Información de Cobranzas: clientes con sus facturas mes a mes,
contemplando datos de morosidad, fechas de pagos, hitos realizados,
DNI, etc.
 ABT de Marketing: información del cliente proveniente del Área de
Marketing con información de segmentos, consumos, etc.
 La tabla final cuenta con 853 variables.
 Se utilizó información correspondientes a 10 meses, desde
Febrero de 2010 hasta diciembre de 2010 producto de cruzar
los datos disponibles.
 Solo se trabajó con Clientes Masivos, Gold, Soho y Pymes a
quienes se les haya realizado al menos una acción de
Cobranzas.
 Para generar la muestra se consideraron el monto adeudado
y los días impagos, según los criterios de acción de Cobranzas.
Copyright © 2011, SAS Institute Inc. All rights reserved.
28
Modelos a Obtener
 Modelo de Churn Involuntario:
Predice la probabilidad de que un Cliente cumpla 150 días de
morosidad.
 Modelo de IVR:
Predice la probabilidad de que un Cliente No cancele la
deuda al recibir el IVR.
 Modelo de Hot 1 y Hot 2:
Predice la probabilidad de que un Cliente No cancele la deuda
al recibir las acciones H1 y H2 dado que se le realizo el IVR
anteriormente.
 Modelo de Otros Hitos:
Predice la probabilidad de que un Cliente No cancele la deuda
al recibir los «Otros hitos» dado que recibió los anteriores.
Copyright © 2011, SAS Institute Inc. All rights reserved.
29
Modelo de
Churn Involuntario
Copyright © 2011, SAS Institute Inc. All rights reserved.
Target: Churn Involuntario
 Se identificó como Target = 1 a aquellos Clientes que se les
aplicó el Hito de Baja del Servicio.
 Se identificó como Target = 0 a aquellos Clientes que se
registro el pago entre el día de Generación de IVR y el día
150.
 Estos Clientes recibieron la totalidad de las acciones de
Cobranzas a las cuales aplicaban pero de todas maneras,
continuaron en situación de Morosidad.
 Esta Acción se realiza para todos los segmentos el día 150 y
con un umbral de deuda de $1.
31
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de Churn Involuntario
Clientes Críticos
Clientes Peligrosos
Zona Crítica
1
1
2
3
3
2
Perfil de los Clientes Críticos
 Se detectó en el Modelo una Zona Crítica que viene definida por aquellos
Clientes a los que se les aplicó Hot 2 en los últimos 6 Meses. Este grupo
de Clientes representa por si mismo el 5.83% de los Clientes y el 52.46%
de los Churn.
 Dentro de esta zona se pueden identificar igualmente Perfiles aún más
Criticos que vienen dados en base al uso del Servicio.
 Descripción:
1.
Tuvo Hot 2 en los ultimos 6 Meses, Tuvo menos de 135 KB Traficados y el Consumo de llamadas
Salientes le bajó al 13% del promedio.
»
»
2.
Buenos Clientes: 1.64%
Indice: 7.00
Morosos: 11.48%
No Tuvo Hot 2 en los ultimos 6 Meses, No Tuvo Reclamos, Tuvo Hot 1 en los últimos 6 Meses, Tiene
menos de 10 Lineas asociadas.
»
»

Morosos: 30.59%
Tuvo Hot 2 en los ultimos 6 Meses, Tuvo menos de 135 KB Traficados y el Consumo de llamadas
Salientes es superior al 13% del promedio.
»
»
3.
Buenos Clientes: 2.20%
Indice: 13.93
Buenos Clientes: 2.61%
Indice: 4.15
Morosos: 10.86%
Estas reglas involucran el 6.45% de los Clientes y detectan el 52.93% de los Churn
Involuntarios.
Copyright © 2011, SAS Institute Inc. All rights reserved.
33
Perfil de los Clientes Peligrosos
 Dentro de la Zona Crítica se identificó un Perfil de Clientes menos críticos
que el resto y figuran dentro de este Perfil.
 Además se identificaron 2 grupos más fuera de la Zona Crítica con niveles
importantes de Peligrosidad.
 Descripción:
1.
Tuvo Hot 2 en los últimos 6 Meses, y Tuvo más de 135 KB Traficados
»
»
2.
Morosos: 7.17%
Tuvo Hot 2 en los últimos 6 Meses, Tuvo menos de 135 KB Traficados y el Consumo de llamadas
Salientes es superior al 13% del promedio.
»
»
3.
Buenos Clientes : 1.94%
Indice: 3.69
Buenos Clientes : 2.92%
Indice: 2.56
Morosos: 7.47%
No Tuvo Hot 2 en los últimos 6 Meses, No Tuvo Reclamos, Tuvo Hot 1 en los últimos 6 Meses, Tiene
menos de 10 Líneas asociadas.
»
»
Buenos Clientes : 2.68%
Indice: 1.52
Morosos: 4.06%

Estas reglas involucran el 7.53% de los Clientes y detectan el 18.70% de los Churn
Involuntarios.

Entre Críticos y Peligrosos se involucran el 13.98% de los Clientes y se detectan el
71.63% de los Churn Involuntarios.
Copyright © 2011, SAS Institute Inc. All rights reserved.
34
Medidas de Ajuste del Modelo
Curvas ROC - Churn
Al tomar el 6.45%
de los casos,
se captura el
52.93% de los Churn
Involuntarios
Al tomar el 13.98% de
los casos,
se captura el 71.63% de
los Churn Involuntarios
Curva Lift- Churn
35
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelos
Basados en Hitos
Copyright © 2011, SAS Institute Inc. All rights reserved.
Target: IVR, Hot 1 y 2, Otros hitos
 Se generaron 3 columnas targets distintas.
 Se identificó como Target = 0 a aquellos Clientes que
 se les aplicó el Hito en cuestión
 pagaron su deuda en el período comprendido entre el hito realizado y el
siguiente hito a realizar
 Se identificó como Target = 1 a aquellos Clientes que
 no efectuaron el pago dentro del período contemplado.
 Se consideran sólo clientes que hayan recibido el Hito correspondiente,
según su segmento y monto adeudado.
 En estos casos, los perfiles de Clientes de Churn Involuntario
van a aparecer como clientes «Críticos y Peligrosos»
de los modelos.
 Por este motivo, el foco va a estar puesto
en el perfil de los Clientes.
37
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo IVR
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de IVR
39
Copyright © 2011, SAS Institute Inc. All rights reserved.
Medidas de Ajuste del Modelo
Curvas ROC - IVR
Al tomar el primer
20% de los casos,
se captura el 65% de
los clientes que no
van a responder.
Curva Lift- IVR
40
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo Hot
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de Hot
42
Copyright © 2011, SAS Institute Inc. All rights reserved.
Medidas de Ajuste del Modelo
Curvas ROC - Hot
Al tomar el primer
20% de los casos,
se identifica el 70%
de los clientes que no
van a responder.
Curva Lift- Hot
43
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo Otros
Copyright © 2011, SAS Institute Inc. All rights reserved.
Modelo de Otros
45
Copyright © 2011, SAS Institute Inc. All rights reserved.
Medidas de Ajuste del Modelo
Curvas ROC - Otros
Al tomar el primer
20% de los casos,
se captura el 50% de
los clientes que no
van a responder.
Curva Lift- Otros
46
Copyright © 2011, SAS Institute Inc. All rights reserved.
Resultados de los Modelos: Perfiles
 Se identificaron dentro de estos 3 modelos perfiles comunes de respuesta
a los diferentes hitos. Estos influyen con distinta intensidad en cada
modelo.
 Esto nos permite caracterizar los Clientes de la siguiente manera:
 El comportamiento es diferenciado por Segmento Masivo, Pymes, Empresas.
 Clientes con Reclamos en los últimos 6 meses responden mejor.
 Clientes menores de 30 años responden mejor al IVR.
 Clientes con más líneas responden mejor.
 Clientes con Programas de Fidelización, Plan Amigos y Familiares responden mejor.
 Clientes sin suspensiones en su servicio en los últimos 18 meses, responden mejor.
 Clientes que no han dado de baja Líneas en los últimos 6 meses responden mejor.
 Clientes con mayor antigüedad responden mejor.
 Clientes con Bajo ARPU y Alta Deuda responden peor.
 Clientes con mayor cantidad de llamados a Movistar responde peor.
47
Copyright © 2011, SAS Institute Inc. All rights reserved.
Gestión de Cobranzas
 Al iniciar la Gestión, lo mejor que nos puede ocurrir es que el Cliente
abone su deuda sin realizarle ninguna acción.
 Cada Cliente tiene una probabilidad de Recupero obtenida mediante el
modelo de Churn Involuntario.
 El Recupero Esperado es Monto_Deuda*[1 - p(Churn)].
 El costo del Recupero depende de 2 escenarios:
i.
Si el Cliente no Paga: Total Costos de Cobranzas
ii.
Si el Cliente Paga: Hito 1+ S Hitos*p(Hito/No Hitos Previos)
 Con los modelos de Hitos podemos calcular el ítem ii.
 Ambos escenarios van ponderados por su probabilidad de Ocurrencia:
p(Churn) y 1 – p(Churn) respectivamente.
 El Beneficio Esperado es Recupero Esperado – Costo Esperado.
 Para evaluar mas fácilmente estos puntos se va a construir la Tabla de
Cobranzas.
Copyright © 2011, SAS Institute Inc. All rights reserved.
48
Obtención de la Tabla de Cobranzas
 Con los 4 modelos obtenidos se calculan las probabilidades para cada Hito
de Cobranzas, la probabilidad de Churn y el Recupero, Costo y el
Beneficio Esperado por Cliente.
 Esta tabla se puede obtener al momento de comenzar las acciones de
Cobranzas y decidir el mejor proceso para cada Cliente.
49
Copyright © 2011, SAS Institute Inc. All rights reserved.
Posibles usos de la Tabla de Cobranzas
 La tabla de Cobranzas permite explorar los diferentes perfiles y grupos de
Clientes para tomar acciones preventivas enfocadas a evitar un mayor
endeudamiento por parte de los Clientes con menor % de Recupero.
 Diseñar reglas de Cobranzas ajustadas a las probabilidades individuales de
cada Cliente acordes a su perfil.
 Diferenciar las acciones de Cobranzas sobre Clientes con Alto y Bajo
Porcentaje de recupero.
 Desarrollar un método de optimización de Cobranzas utilizando las
probabilidades individuales asociadas que permita maximizar los
Beneficios Esperados.
 No cortar el servicio a clientes con baja probabilidad de churn.
 Generar un Scoring de Clientes que permita direccionar
las acciones comerciales acorde a los niveles de riesgo
de cada contrato.
50
Copyright © 2011, SAS Institute Inc. All rights reserved.
Gracias
Copyright © 2011, SAS Institute Inc. All rights reserved.
Descargar

Proyecto Scoring - Analytics Cono Sur