Scenario: sapere chi sta per disdire, tre settimane prima
Ogni lunedì, l'elenco dei clienti che mostrano segni di disdetta, con il motivo scritto. Chi contattare, e con cosa, lo decide una persona.
La situazione
Un operatore di telefonia mobile e fissa con 2,5 milioni di clienti perde ogni mese una parte della base verso la concorrenza. La maggior parte se ne va con la portabilità del numero. L'operatore lo scopre quando la richiesta arriva dal nuovo gestore: il cliente ha già firmato altrove.
Chiara guida la fidelizzazione. Il suo gruppo ha dodici persone e una somma fissa da spendere in offerte di recupero. Oggi lavora in due modi. Chiama chi ha appena chiesto la portabilità, e ne recupera pochi. Oppure manda uno sconto a tutti quelli con la promozione in scadenza, anche a chi sarebbe rimasto comunque.
Il risultato è doppio spreco. Sconti a chi non ne aveva bisogno. E nessun contatto con chi se ne va per un motivo che uno sconto non risolve: la linea che cade ogni sera, un reclamo senza risposta, una fattura che nessuno ha spiegato.
I segnali ci sono, ma sparsi in sistemi diversi. Tre chiamate al caring in un mese. Due guasti chiusi e riaperti. Un reclamo in attesa. La promozione che scade tra tre settimane. Un pagamento arrivato in ritardo. Nessuno li mette insieme per lo stesso cliente.
Andrea, responsabile della protezione dei dati, ha un'altra preoccupazione. Mettere insieme questi segnali per prevedere un comportamento è profilazione. Va fatta con le regole giuste, o non va fatta.
Cosa cambia
Ogni lunedì Chiara riceve un elenco di clienti con segni di disdetta. Non è un voto misterioso. Per ognuno il sistema indica:
- quanto è probabile che disdica nelle prossime settimane, in tre fasce: alta, media, bassa;
- il motivo principale, scritto: «due guasti in venti giorni nella stessa zona», oppure «promozione in scadenza e tre chiamate sul costo»;
- i segnali usati, con la data di ciascuno, così chi lavora l'elenco può verificarli;
- l'azione consigliata, legata al motivo: un tecnico per i guasti, una risposta per il reclamo aperto, una proposta a listino per la promozione in scadenza;
- chi non contattare: clienti che hanno negato il consenso, numeri nel Registro pubblico delle opposizioni per le chiamate commerciali, clienti con una pratica legale aperta.
Il modello, cioè il motore che calcola la previsione, impara dalla storia dell'operatore: chi è andato via negli ultimi due anni, e quali segnali aveva prima. Usa solo i dati per cui Andrea ha confermato una base giuridica valida. I dati di traffico non entrano per scopi commerciali senza il consenso del cliente.
Cosa vede il gruppo di Chiara. Ogni cliente dell'elenco ha una scheda breve: i segnali, il motivo, l'azione consigliata e l'esito dei contatti precedenti. Chi chiama sa già se il cliente ha un reclamo aperto o un tecnico in arrivo. Così non propone uno sconto a chi aspetta ancora una risposta. Dopo il contatto, l'operatore registra l'esito in una riga: servirà a misurare se la previsione funziona.
Dove si ferma e chiede. Se un motivo nuovo cresce in fretta, per esempio molti guasti in un quartiere, avvisa la direzione. È un problema di rete, non di singoli clienti. Se la previsione peggiora nel tempo, lo segnala e chiede di rivederla prima di usarla ancora.
Cosa resta alle persone. Chiara decide chi contattare, con quale canale e con quale proposta. Nessuna offerta parte in automatico. Nessun cliente riceve condizioni peggiori per effetto della previsione.
Lo stesso metodo vale per prevedere i mancati pagamenti e i picchi di chiamate dopo una campagna: vedete cosa possiamo rifare.
Una giornata, prima e dopo
Chiara, responsabile della fidelizzazione, il primo lunedì del mese.
| Ora | Prima | Dopo |
|---|---|---|
| 9:00 | PrimaRiceve 1.300 richieste di portabilità uscita della settimana. Clienti già persi. | DopoRiceve l'elenco settimanale: 4.200 clienti in fascia alta, divisi per motivo. |
| 10:00 | PrimaIl gruppo chiama i clienti in uscita. Molti hanno già firmato altrove. | DopoManda 900 casi di guasti ripetuti alla rete e al secondo livello, prima di qualsiasi offerta. |
| 11:30 | PrimaPrepara uno sconto uguale per tutte le promozioni in scadenza del mese. | DopoSceglie per 1.700 clienti con promozione in scadenza una proposta a listino, divisa per profilo d'uso. |
| 14:00 | PrimaNessuno guarda i reclami aperti dei clienti che se ne vanno. | DopoChiede al back-office reclami di chiudere prima 300 pratiche di clienti in fascia alta. |
| 16:30 | PrimaRiporta alla direzione le disdette del mese, a consuntivo. | DopoRiporta alla direzione i motivi in crescita, con i quartieri dove i guasti spingono le disdette. |
Numeri attesi
Stima, non garanzia: tra i clienti in fascia alta, disdette 3–5 volte più frequenti della media, cioè un elenco che vale la pena lavorare; clienti contattati e trattenuti dopo tre mesi nel 10–25% dei casi; spesa in sconti ridotta del 20–40% a parità di clienti trattenuti.
Le stime derivano dalla nostra esperienza sui sistemi in produzione e dai valori tipici del settore; il valore reale si misura con il pilota, caso per caso.
Il pilota si misura con un gruppo di confronto: una parte dei clienti segnalati non viene contattata. È l'unico modo onesto di sapere quanto vale la previsione.
Cosa può andare storto: i rischi e come li gestiamo
| Rischio | Come lo gestiamo |
|---|---|
| La previsione si basa su dati che non si possono usare | Elenco dei segnali approvato dal responsabile della protezione dei dati prima dell'avvio. Informativa aggiornata. Nessun dato di traffico per scopi commerciali senza consenso. |
| Il cliente si sente spiato | I contatti partono dal problema vero: «abbiamo visto due guasti, mandiamo un tecnico». Mai «il nostro sistema dice che state per andarvene». |
| La previsione peggiora con il mercato | Controllo mensile dell'accuratezza su ciò che è successo davvero. Se scende sotto la soglia concordata, si ferma e si rivede. |
| La previsione crea disparità tra clienti | Nessuna condizione peggiore per nessuno. Le proposte restano quelle del listino, e le sceglie una persona. |
Le regole che valgono qui
- GDPR (la legge europea sulla privacy). La previsione è profilazione: servono informativa, base giuridica e diritto di opposizione. Nessuna decisione basata solo sul trattamento automatico con effetti rilevanti sul cliente.
- Codice privacy e dati di traffico. L'uso dei dati di traffico è limitato a finalità precise. Per il marketing serve il consenso.
- Registro pubblico delle opposizioni e regole sul telemarketing. Chi si è opposto non riceve chiamate commerciali, anche se è in fascia alta.
- AGCOM (Autorità per le garanzie nelle comunicazioni) e Codice delle comunicazioni elettroniche. Le proposte di recupero sono offerte vere, con informazioni chiare e nessun ostacolo alla portabilità.
- Valutazione dei rischi sulla privacy. Per una profilazione su milioni di clienti va fatta prima di partire. Vi consegniamo la nostra parte.
Non è un parere legale: il perimetro dei dati si decide con il vostro responsabile della protezione dei dati.
Come si parte
1
Analisi, quattro settimane. Con Chiara e Andrea: quali segnali si possono usare, quali azioni sono ammesse, due anni di storia per addestrare e verificare il modello.
2
Pilota, dodici settimane. Una regione, con un gruppo di confronto non contattato. Misure: accuratezza della fascia alta, clienti trattenuti a tre mesi, spesa in sconti, reclami sui contatti.
3
Decisione. Con i numeri decidete se estendere, e con quali motivi e azioni.
Demo collegata
Nella demo di previsioni vedete un elenco di clienti inventati con la fascia di rischio e il motivo scritto accanto. Tutte le demo
Per il responsabile IT e la sicurezza
| Domanda | Risposta |
|---|---|
| Dati usati | Elenco chiuso di variabili approvato dal DPO (Data Protection Officer): contratto, fatture, guasti, reclami, contatti al caring. Dati di traffico esclusi per finalità commerciali in assenza di consenso. |
| Dove gira | Addestramento e calcolo settimanale sui vostri server o su server nell'Unione europea, con dati pseudonimizzati. |
| Modello | Modelli di previsione tabellari con spiegazione delle variabili per ogni cliente; nessun modello linguistico nella decisione di rischio. |
| Monitoraggio | Accuratezza e deriva misurate ogni mese; soglia concordata sotto cui il modello viene sospeso. |
| Diritti degli interessati | Opposizione alla profilazione gestita a monte: chi si oppone esce dal calcolo. Log delle esclusioni. |
| Riferimenti normativi | GDPR su profilazione e decisioni automatizzate; Codice privacy su dati di traffico e marketing; Registro pubblico delle opposizioni; regole AGCOM. |