Τετάρτη 9 Νοεμβρίου 2022

Προσωποποιημένες προτάσεις τιμολογίου μέσω data analysis θα προσφέρει η ΔΕΗ

energypress.gr

Γιάννα Παπαδημητρίου

Η κατάλληλη αξιοποίηση της ανάλυσης δεδομένων είναι πολύτιμος σύμμαχος στα πλαίσια του ψηφιακού ανασχεδιασμού που εκτελεί η ΔΕΗ, με στόχο την υποστήριξη των εμπορικών της αποφάσεων με βάση επίκαιρα δεδομένα επικοινωνίας και συναλλαγών των πελατών της.

Για το σκοπό αυτό, η ΔΕΗ έχει προκηρύξει διαγωνισμό για την παροχή υπηρεσιών σε θέματα σχεδίασης, υλοποίησης αυτοματοποίησης & εξαγωγής συμπερασμάτων συμπεριφοράς πελατειακής βάσης.

Μέσα από την ανάλυση δεδομένων, η ΔΕΗ θέλει να διαμορφώσει μια εικόνα της πελατειακής της βάσης, που θα της επιτρέπει να κάνει πρόβλεψη πιθανότητας αποχώρησης, πρόβλεψη πιθανότητας έγκαιρης αποπληρωμής, προσωποποιημένη πρόταση προϊόντος, τιμολογίου και δέσμη υπηρεσιών, πρόβλεψη μηνιαίας κατανάλωσης παροχής κ.λπ.

Επιδιώκει, έτσι, να πετύχει διάφορους εμπορικούς στόχους, όπως ελαχιστοποίηση εμπορικών δαπανών και αποχωρήσεων πελατειακής βάσης, μεγιστοποίηση νέων συμβαλλομένων, ελαχιστοποίηση μέσου χρόνο αναμονής, εξυπηρέτησης ανά κανάλι, μεγιστοποίηση αποτελεσματικής ολοκλήρωσης αιτήματος πελάτη, ελαχιστοποίηση προσωπικού εξυπηρέτησης, κτλ.

Συγκεκριμένα, σύμφωνα με τα αναφερόμενα στα τεύχη του διαγωνισμού, η ΔΕΗ επιδιώκει να αξιοποιήσει την ανάλυση δεδομένων προκειμένου να επιτευχθούν οι εξής στόχοι:

Σύμφωνα με τη ΔΕΗ, προκειμένου να υποστηριχθεί το όλο εγχείρημα και να επιτευχθούν άμεσα και γρήγορα οι παραπάνω στόχοι, απαιτείται:

-η συλλογή, προετοιμασία & διευκόλυνση πρόσβασης Ενοποιημένης Εικόνας Πελάτη (δηλαδή ενιαίου πίνακα με μοναδική εγγραφή ανά πελάτη) που να συλλέγει ιστορική πληροφορία για κάθε διεπαφή κάθε πελάτη, συναλλαγή και συμμετοχή σε εμπορική δραστηριότητα, ανεξάρτητα από το κανάλι/συνεργάτη του οργανισμού που πραγματοποίησε την εν λόγω συναλλαγή

-η επέκταση αυτής της Ενοποιημένης Εικόνας Πελάτη από κατάλληλες εξωτερικές βάσεις (Data Augmentation) με πρόσθετα στοιχεία όπως persona profiles, δημογραφικά στοιχεία, λοιπά συμπεριφορικά στοιχεία, κ.τ.λ.

-ο καθαρισμός των master δεδομένων πελατειακής βάσης ως εξής: α) καθαρισμός και κανονικοποίηση πεδίων τύπου ονοματεπωνύμου, διεύθυνσης, στοιχείων επικοινωνίας πελάτη (τηλέφωνα και email) και ΑΦΜ κωδικών, β) ανεύρεση μέσω τεχνικών εξόρυξης κειμένου τις πολλαπλές εγγραφές πελάτη και ανακάλυψη «Χρυσής Εγγραφής» (Entity Resolution & Golden Record)

-η ανάπτυξη & υλοποίηση AI/ML τεχνικών συνολικής μεθοδολογίας μοντελοποίησης για επιχειρησιακά προβλήματα που αφορούν την Εμπορία, όπως για παράδειγμα: α) πρόβλεψη μηνιαίων καταναλώσεων ανά πελάτη/παροχή, β) χρησιμοποίηση ιστορικών δεδομένων για την εκτίμηση πιθανότητας έγκαιρης αποπληρωμής τρέχουσας και ληξιπρόθεσμης οφειλής πελάτη με στόχο την εισήγηση κατάλληλων δράσεων επικοινωνίας, γ) χρησιμοποίηση ιστορικών δεδομένων και μοντέλων πρόβλεψης με στόχο την προσωποποιημένη πρόταση ταρίφας/τιμολογίου και bundle υπηρεσιών/προϊόντων για κάθε πελάτη (“Recommendation Engine”), δ) ανάλυση συναισθήματος, Ηγετών Δημόσιας Γνώμης (“Key Opinion Leaders”) και κατηγοριοποίηση θεματικών περιοχών συζήτησης όσων δημοσιεύονται σε δημόσια διαδικτυακά μέσα για τον οργανισμό και τις Εμπορικές δραστηριότητες του, ε) την ανάλυση συναισθήματος, την κατηγοριοποίηση θεματικών περιοχών συζήτησης, την ποσοτική ανάλυση σε αδόμητο κείμενο που προέρχεται από τις καταγραφές τηλεφωνικών συζητήσεων και ανατροφοδότηση που παρέχει ο πελάτης σε συνέχεια της δι-επαφής εξυπηρέτησης

-Ο σχεδιασμός, κατάρτιση, συντήρηση & αυτοματοποίηση πινάκων προηγμένης οπτικοποίησης που περιλαμβάνουν κατάλληλα Key Performance Indicators (KPIs) εμπορικών δραστηριοτήτων, εξυπηρέτησης και συμπεριφοράς πελάτη, που: α) διευκολύνουν την παρακολούθηση αποδοτικότητας των διαφορετικών καναλιών εξυπηρέτησης πελάτη μέσω των κατάλληλων KPIs σε  διαφορετικά χρονικά διαστήματα, όπως ετήσια, μηνιαία, εβδομαδιαία και ημερήσια, β) επιτρέπουν την συνεπή σύγκριση ανάμεσα στα διαφορετικά κανάλια εξυπηρέτησης ώστε best practices να μπορούν να διαμοιραστούν, γ) επιτρέπουν την παρακολούθηση των πιθανών omni-channel διαδράσεων του πελάτη με πολλαπλές διεπαφές εξυπηρέτησης σύμφωνα με την ανάγκη συχνότητας ανανέωσης, τον απαιτούμενο χρόνο ανάπτυξης και χειροκίνητης ανανέωσης/συντήρησης

-Ο σχεδιασμός και υλοποίηση των κατάλληλων μεθόδων αποτίμησης της αποτελεσματικότητας των εμπορικών δραστηριοτήτων, όπως για παράδειγμα: α) τον καθορισμό λιστών επικοινωνίας στόχoυ και λιστών ελέγχου για σκοπούς A/B testing, β) την εκτίμηση αποτελεσματικότητας καμπανιών επικοινωνίας και προωθητικών ενεργειών σε metrics που ενδεικτικά αφορούν: διακράτηση πελατών, νέες συμβάσεις, βαθμό ικανοποίησης πελάτη, κτλ. με βάση κατάλληλα μαθηματικά ή/και προσομοιωτικά μοντέλα γ) την εκτίμηση αποτελεσματικότητας προωθητικών ενεργειών στοχευμένων καμπανιών επικοινωνίας και διαφημιστικών δαπανών με βάση κατάλληλα μαθηματικά ή/και προσομοιωτικά μοντέλα και συνακόλουθη συγκριτική αξιολόγηση τους, δ) τις προτάσεις ανακατανομής εμπορικών δαπανών ώστε να βελτιστοποιηθούν εμπορικοί στόχοι, όπως ελαχιστοποίηση εμπορικών δαπανών και αποχωρήσεων πελατειακής βάσης, μεγιστοποίηση νέων συμβαλλομένων, ελαχιστοποίηση μέσου χρόνο αναμονής, εξυπηρέτησης ανά κανάλι, μεγιστοποίηση αποτελεσματικής ολοκλήρωσης αιτήματος πελάτη, ελαχιστοποίηση προσωπικού εξυπηρέτησης, κτλ., ε) την παρακολούθηση παραγόμενου αποτελέσματος και συνέπειας ως προς το προσδοκώμενο όφελος

-Η αυτοματοποίηση τυχαίας δειγματοληψίας για σκοπούς εκτέλεσης & ανανέωσης δειγμάτων που απαιτούνται για διάφορα εμπορικά surveys

-Ο εντοπισμός και κατάρτιση των trigger points διαδικασιών που επιτρέπουν την παρακολούθηση των SLAs ανά βήμα κάθε διαδικασίας πελάτη, την υλοποίηση και αυτοματοποίηση standard reports για την παρακολούθηση του performance των διαδικασιών σε σχέση με τα SLAs και την ανατροφοδότηση των αποτελεσμάτων μαζί με τα ενδεχόμενα ευρήματα και τις σχετικές προτάσεις στις αρμόδιες εμπορικές ομάδες.

Αρχειοθήκη ιστολογίου