3. Finansiel Industri (kreditkort) - Marketing Analytics:.
· Baggrund: Et kreditkort virksomhed har en markedsføringsbudget af Rs. 1 cr eller 10 lac stykker af post afsat til at sende direct mails. Hvis de sender ud mails til alle de tilgængelige lister, som de har, ville de nødt til at tilbringe Rs. 10 cr eller 1 cr stykker post.
De ved også, at ved at køre denne markedsføringskampagne de vil modtage på de mest 50 tusinde nye kunder
· Mål:. Fra de 1 cr tilgængelige stykker, de gerne vil identificere den 10 lac, der er mest tilbøjelige til at reagere på tilbuddet, så det til at forhøje selskabets kundebase og til gengæld rentabilitet
· Fremgangsmåde:.
anmeldelse data fra deres seneste 5 direct mail kampagner og bygge en prædiktiv model, som kan hjælpe dem med at identificere sandsynligheden for at reagere og differentiere " stor sandsynlighed til at reagere perspektiver "vs" lav sandsynlighed for at reagere perspektiver "
· Resultat /Effekt:. Ved hjælp af data fra tidligere kampagner, de var i stand til at bygge en logistisk regression (statistisk prædiktiv) model. Denne model kigget på historien og hjalp dem med at identificere den rigtige 1 cr til mail for at bestille 40 tusinde konti.
Hvad det betyder, er, at resten af 9 cr, ville de har reserveret kun 10 tusind regnskab (ekstremt ineffektive). Denne øvelse udføres i størstedelen af direkte markedsføring for at sikre de penge brugt har optimal effekt. Ved at udnytte historie dette selskab var i stand til at reservere 80% af konti med kun 10% af post og dermed virkelig at reducere deres omkostninger til at bestille regnskabet.
4. Progressive Insurance Industri (Motorcykel Forsikring) - Priser & Risk Analytics:.
· Baggrund: For et par år siden alle var at behandle motorcyklister den samme, som hvis de havde den højeste risiko, og havde brug for den højeste pris for forsikring. De var ikke gode kreditrisiko. Alle vidste det, og det var konventionelle visdom
· Mål:. Identificer segmenter inden for motorcykel forsikring ejere, der har lavere kreditrisiko end gennemsnittet
· Fremgangsmåde:. Anmeldelse af data fra deres fortid og "DE GENNEMSNIT RISIKO ".
De brugte historiske data til at bestemme lommer /segmenter af kunder med "større risiko end gennemsnittet" og "lavere end gennemsnittet risiko"