Multi-Kanal-Steuerung im Privatkundengeschäft der Landesbank Baden-Württemberg. Ermittlung onlinebanking-affiner Kunden

Transkript

1 Multi-Kanal-Steuerung im Privatkundengeschäft der Ermittlung onlinebanking-affiner Kunden 7. KSFE in Potsdam Freitag, 21. Februar 2003 Elke Kasper, LBBW

2 Gliederung 1 Multi-Kanal-Steuerung der (LBBW) 2 Das Data Mining-Projekt zur Ermittlung onlinebanking-affiner Kunden 2

3 1 Multi-Kanal-Steuerung der LBBW 1.1 Retailstrategie im Überblick Kundenbeziehung zur Landesbank Baden- Württemberg aktiv aktiv aktiv HBCI-banking BTX-banking Retail - portal Direktbrokerage Internetbanking Telefonbanking, Call Center Filial- Vertrieb, Vertriebspartner, Verbundunternehmen Zentralbank der Sparkassen in Baden- Württember g Multi-Kanal-Strategie der LBBW 3

4 1 Multi-Kanal-Management der LBBW 1.2 Die Steuerung mittels eines Management-Informationssystems Februar 2002 Neukunden Abwanderer

5 Gliederung 1 Multi-Kanal-Steuerung der (LBBW) 2 Das Data Mining-Projekt zur Ermittlung onlinebanking-affiner Kunden 5

6 2.1 Der Zweck von Data Mining Alternative I Hypothetisches Kunden- Interview PC im Zugriff? Internet- Zugang vorhanden? Vertrauen in die Systeme? Bereitschaft? Onlinebankingaffin Alternative II Data Mining Kunden- Stammdaten Interaktion des Kunden mit seiner Bank 6

7 2.1 Der Zweck von Data Mining Alternative I Hypothetisches Kunden- Interview PC im Zugriff? Internet- Zugang vorhanden? Vertrauen in die Systeme? Bereitschaft? Onlinebankingaffin Alternative II Data Mining Kunden- Stammdaten Interaktion des Kunden mit seiner Bank 7

8 2.2 Variablen- und Modell-Entwicklung Komplexes Modell Einfaches Modell Komplexe Variable Einfache Variable 8

9 Multi-Kanal-Steuerung im Privatkundengeschäft der LBBW - Ermittlung onlinebanking-affiner Kunden Komplexes Modell in 2001 Vereinfachtes Modell in 2002 Schritt 1 Programmierung komplexer Variablen (inkl. 1 Clusteranalyse) Programmierung komplexer Variablen (inkl. 2 Clusteranalysen) Schritt 2 Kunden mit Hauptbankverbindung Kunden mit Nebenbankverbindung Schritt 3 8 Cluster 4 Cluster Schritt 4 Regressionsanalyse 8 Entscheidungsbäume 4 Entscheidungsbäume Entscheidungsbaum Schritt affine Kunden affine Kunden Feldtest mittels Schritt Landesbank 6 Baden-Württemberg telef. Befragung (Stichprobe) Automatisierter Volltest mittels SAS Base Feldtest mittels 9 telef. Befragung (Stichprobe)

10 2.2 Programmierung des Flatfiles 50 Modellvariablen Vorhandene DWH-Variablen Transaktionsabhängige Variablen Geschlecht Alter Freistellungsauftrag Depot Giroumsatz Sparsaldo Effektensaldo Anzahl Wertpapiergattungen Berufsstarter, etc. SAS-Base Einsatz von EC- oder Kreditkarten (Häufigkeit, Umsatz) Gehaltseingang Ausnutzung Girokredit (letzte 6 Monate) Nutzung Geldausgabeautomaten Entwicklung der Buchungsposten auf dem Girokonto, etc. Pre- Clusteranalyse Bargeldversorgung am Geldautomaten, 2001, 2002 (LBBW, KSK, andere KI) Trader-Typ, 2002 (letzte 6 Monate) 10

11 2.2 Variable am Beispiel Trader-Typ (2002) Definition der Variable Dynamik/ Aussagekraft Methode Ausprägung Depot vorhanden? statische Betrachtung SAS Base ordinal Depotvolumen statische Betrachtung SAS Base nummerisch Umschlagshäufigkeit aktives Handeln SAS Base nummerisch Anzahl der Käufe und/oder Verkäufe je separat oder als Summe? aktives Handeln SAS Base nummerisch Volumen der letzten Order aktives Handeln SAS Base nummerisch Trader-Typ Wertpapierarten (Renten, Aktien, Fonds etc.) Häufigkeit der Aufträge aktives Handeln Clusteranalyse nominal 11

12 2.2 Variable am Beispiel Trader-Typ (2002) Variable Definition / Inhalt der Variable Methode Ausprägung (nominal) Trader-Typ 1 Art der Wertpapiere Programmierung SAS Base kein Trader Trader Sicherheit Trader Risiko Trader-Typ 2 Art der Wertpapiere und Häufigkeit der Order Clusteranalyse kein Trader Low Trader Middle Trader (R+S) Power Trader (R+S) Super Trader (R+S) 12

13 2.2 Variable am Beispiel Trader-Typ (2002) Trader-Typ 1 SAS Base kein Trader (Art der Wertpapiere) Risiko kein Trader Risiko Sicherheit Sicherheit Risiko Risiko Risiko kein Trader Risiko Risiko Sicherheit kein Trader Risiko Trader-Typ 2 kein 2-stufige Trader power Clusteranalyse Trader R/S kein (Art Trader der Wertpapiere und Häufigkeit der Trades) power Trader R/S low Trader middle Trader R/S low Trader super Trader R/S middle Trader R/S kein Trader low Trader middle Trader R/S low Trader kein Trader low Trader 13

14 Multi-Kanal-Steuerung im Privatkundengeschäft der LBBW - Ermittlung onlinebanking-affiner Kunden Komplexes Modell in 2001 Vereinfachtes Modell in 2002 Schritt 1 Programmierung komplexer Variablen (inkl. 1 Clusteranalyse) Programmierung komplexer Variablen (inkl. 2 Clusteranalysen) Schritt 2 Kunden mit Hauptbankverbindung Kunden mit Nebenbankverbindung Schritt 3 8 Cluster 4 Cluster Schritt 4 Regressionsanalyse 8 Entscheidungsbäume 4 Entscheidungsbäume Entscheidungsbaum Schritt affine Kunden affine Kunden Feldtest mittels Schritt Landesbank 6 Baden-Württemberg telef. Befragung (Stichprobe) Automatisierter Volltest mittels SAS Base Feldtest mittels 14 telef. Befragung (Stichprobe)

15 2.3 Mengengerüst aus Data Mining und Evaluation (Modell 2002, Beispieldaten) Score alle Kunden Anzahl dav. aktive u. passive Onlinebanking Teilnehmer (Basis alle Kunden) Anzahl Quote Privatkunden IST dav. aktive OB-TLN (Basis alle Kden.) Quote Faktor, Liftwert bez.auf Quote akt. TLN User- Quote Onlinebanking Alter min max >= % 50% 4,7 84% < Gruppen mind. 55% 45% 4,2 81% < % 36% 3,4 80% doppelte Affinität 75< % 27% 2,6 79% < % 25% 2,4 76% < % 20% 1,9 66% < User-Quote 24% korreliert 17% 1,6 72% < % 14% 1,3 69% mit Scorewerten! 50< % 11% 1,1 57% < % 10% 0,9 70% < % 8% 0,8 66% < % 7% 0,7 60% < % 6% 0,5 65% < % 4% 0,4 64% < % 3% 0,3 43% < % 2% 0,2 20% < % 2% 0,2 51% < % 1% 0,1 51% < % 1% 0,1 55% - 83 die falschen Kunden angesprochen? Durchschnitt Gesamt Landesbank Baden-Württemberg 15,3% 10,6% - 69% - - Marketingaktion? 15

16 Score alle Kunden Anzahl Multi-Kanal-Steuerung im Privatkundengeschäft der LBBW - Ermittlung onlinebanking-affiner Kunden 2.3 Mengengerüst aus Data Mining und Evaluation (Modell 2002 Beispieldaten) dav. aktive u. passive Onlinebanking Teilnehmer (Basis alle Kunden) Anzahl Quote Privatkunden IST dav. aktive OB-TLN (Basis alle Kden.) Quote Faktor, Liftwert bez.auf Quote akt. TLN User- Quote Onlinebanking Potenzial: Potenzial aus Data Mining >= % 50% 4,7 84% < % 45% 4,2 81% < % 36% 3,4 80% rund 75< % 27% 2,6 79% < % 25% ,4 Kunden 76% < % 20% 1,9 66% < % 17% 1,6 72% < % 14% 1,3 69% < % 11% 1,1 57% Alter min max 45< % 10% 0,9 70% < % 8% 0,8 66% < % 7% 0,7 60% < % 6% 0,5 65% < % 4% 0,4 64% < % 3% 0,3 43% < % 2% 0,2 20% < % 2% 0,2 51% < % 1% 0,1 51% < % 1% 0,1 55% Summe Summe Mittelwert Mittelwert Gesamt Landesbank Baden-Württemberg 15,3% 10,6% - 69%

17 Score alle Kunden Anzahl dav. aktive u. passive Onlinebanking Teilnehmer (Basis alle Kunden) Anzahl Quote Privatkunden IST dav. aktive OB-TLN (Basis alle Kden.) Quote Faktor, Liftwert bez.auf Quote akt. TLN User- Quote Onlinebanking Alter min max der Beweis 2.3 Mengengerüst aus Data Mining und Evaluation (Modell 2002 Beispieldaten) Potenzial aus Data Mining Zuwachs im Januar 2003 >= % 50% 4,7 84% ,57% 85< % 45% 4,2 81% ,35% 80< % 36% 3,4 80% ,83% 75< % 27% 2,6 79% ,77% 70< % 25% 2,4 76% ,69% 65< % 20% 1,9 66% ,69% 60< % 17% 1,6 72% ,75% 55< % 14% 1,3 69% ,46% 50< % 11% 1,1 57% ,45% 45< % 10% 0,9 70% ,37% 40< % 8% 0,8 66% ,27% 35< % 7% 0,7 60% ,24% 30< % 6% 0,5 65% ,31% 25< % 4% 0,4 64% ,13% 20< % 3% 0,3 43% ,04% 15< % 2% 0,2 20% ,02% 10< % 2% 0,2 51% ,09% 5< % 1% 0,1 51% ,02% 0< % 1% 0,1 55% ,03% Summe Summe Mittelwert Mittelwert Gesamt Landesbank Baden-Württemberg 15,3% 10,6% - 69%

18 2.4 Ergebnis 1. Konzentrierte / individualisierte Kundenansprache möglich (nur 11% aller Kunden) 2. Technische Voraussetzungen bei onlinebanking-affinen Kunden sind erfüllt (PC und Internet-Zugang) 3. Kunden mit LBBW-Nebenbankverbindung sind affiner für Onlinebanking als Kunden mit LBBW-Hauptbankverbindung 4. Akzeptanz durch den Auftraggeber (verifizierte Modelle) 5. Eindeutige Beantwortung der Frage zur Multikanal-Steuerung: Ist die Onlinebanking-Durchdringung unseres Kundenbestandes zu gering? 18

19 2.4.2 Ergebnis der telefonischen Umfrage (Modell 2001, Ausschnitt) Kann im Haushalt oder am Arbeitsplatz ein PC persönlich genutzt werden? (Frage 5 ) 86 Quote in % Onlinebanking affin 72 Onlinebanking nicht-affin Nutzungsmöglichkeit Haushalt / Arbeitsplatz keine Nutzungsmöglichkeit 19

20 2.4 Ergebnis 1. Nur 11% aller Kunden ansprechen 2. Technische Voraussetzungen bei onlinebanking-affinen Kunden sind erfüllt (PC und Internet-Zugang) 3. Kunden mit LBBW-Nebenbankverbindung sind affiner für Onlinebanking als Kunden mit LBBW-Hauptbankverbindung 4. Akzeptanz durch den Auftraggeber (verifizierte Modelle) 5. Eindeutige Beantwortung der Frage zur Multikanal-Steuerung: Ist die Onlinebanking-Durchdringung unseres Kundenbestandes zu gering? 20

21 2.5 Ausblick Jan 2003 Erhöhung der Nutzerquote Onlinebanking um rund 30 Prozent ist realistisch Neukunden Abwanderer

22 Multi-Kanal-Steuerung im Privatkundengeschäft der Ermittlung onlinebanking-affiner Kunden 7. KSFE in Potsdam Freitag, 21. Februar 2003 Elke Kasper, LBBW