← Todos os casos Caso · Banca
Banca · Crédito ao consumo

Apanhar clientes antes de saírem

Um banco de crédito ao consumo perdia mutuários e não tinha forma fiável de o ver chegar; só dava por isso depois de acontecer. O trabalho era sinalizar os clientes em risco a tempo de agir, não reagir quando já tinham saído.

Setor
Banca
Foco
Modelação de churn
Duração
13 dias
Âmbito
Piloto, Portugal
A premissa
Estimado

«damos por isso quando um cliente estiver de saída»

Medido

um sinal de saída definido 30 a 60 dias antes de o cliente decidir

Trocar o achismo pelo número.

O desafio

Manter um cliente custa muito menos do que ganhar um novo, por isso até uma pequena descida na perda de clientes protege receita e margem. O problema é que o banco só via a saída depois de consumada, e nem todas as saídas são iguais.

01Reagir tarde de mais

A saída só era visível depois de o cliente já ter ido, por isso as ofertas de retenção chegavam depois da decisão tomada.

02Dois caminhos de saída diferentes

Há quem liquide o crédito mais cedo e há quem chegue ao fim do contrato e não faça outro. Cada caso pede uma resposta diferente.

03Sinal disperso por vários sistemas

A informação útil vivia em sítios separados: contratos, registos de crédito do Banco de Portugal, scores de risco e dados financeiros do cliente.

O que fizemos

Uma definição precisa de saída, e o modelo certo para cada pergunta

A saída foi ligada ao ciclo de vida do contrato: um cliente que termina ou liquida um crédito e não abre outro numa janela de 30 a 60 dias conta como perdido. Isto transformou uma preocupação vaga em algo concreto e mensurável.

  • Dividimos o problema em dois: quem liquida o crédito antes do prazo acordado e como difere de quem vai até ao fim, e quem faz um novo contrato a seguir e quem não faz.
  • Escolhemos o modelo conforme a pergunta. Classificação para «este cliente vai sair?», e análise de sobrevivência (Kaplan-Meier, Cox) para «quando é provável que saia», dando uma leitura de risco que se move no tempo em vez de um corte fixo.
  • Usámos clustering para separar os clientes por comportamento, para abordar cada grupo nos seus próprios termos.
  • Juntámos quatro fontes numa só vista: contratos, dados de crédito do Banco de Portugal, scores de risco e financeiros agregados, ao longo de dois anos de histórico.
Resultados
4 fontes de dados reunidas numa só vista de modelação Unificado
2 sinais de saída modelados: liquidação antecipada e não-renovação Nos dois sentidos
3M+ linhas de histórico a alimentar uma leitura de risco no tempo Dois anos
  • Uma definição clara e testável de saída sobre a qual o negócio pode agir antes de o cliente partir.
  • Uma abordagem feita para responder ao quem e ao quando, não a um simples sim ou não.
  • Montado como piloto em Portugal, pronto a estender a outros mercados se se confirmar.

Há um caso destes na sua fábrica?

Uma conversa de 30 minutos chega para perceber. Se fizer sentido, avançamos para uma visita.