Optimización campaña captación de depósitos
VÍCTOR LÓPEZ
15/08/2020
ID Petición
- Número 17: Optimización de campañas con machine learning
Contexto
La alta dirección ha manifestado su preocupación por el constante incremento en los costes de las campañas comerciales mientras que los ingresos se mantienen
En consecuencia el ROI por euro invertido cada vez es menor y la dirección se plantea mover parte del presupuesto de marketing a otras inversiones con mayor ROI
El departamento de marketing ha solicitado al equipo de DS una solución para optimizar el ROI las campañas comerciales explotando todos los datos históricos con los que cuenta la compañía
Requirimientos del proyecto
Mejorar el ROI de las campañas comerciales
Sabiendo que el coste por acción comercial es fijo en 20€ por acción y no hay posibilidad de mejorarlo
Conclusiones y recomendaciones:
- LIMITAR EL TAMAÑO DE CAMPAÑA: El tamaño óptimo de campaña para maximizar el ROI es de: 6.683 clientes
- CON LO QUE SE GENERARÁN UNOS ingresos esperados de margen neto acumulado de: 289.117 €
- DISMINUYENDO LOS costes agregados HASTA: 133.660 €
- Y PRODUCIENDO UN Retorno Neto de la Inversión de: 155.457 €
- QUE SE CORRESPONDE EN TÉRMINOS DE % ROI al: 116 %
Detalle del trabajo realizado
Se ha trabajado sobre un histórico de contrataciones y se ha obtenido un modelo predictivo de alta calidad.
El modelo es estable y consigue separar satisfactoriamente a los clientes por su interés en la contratación de depósitos.
## `summarise()` ungrouping output (override with `.groups` argument)
Resultados
Nuestra previsión es que usando este modelo se puede conseguir un ROI en la próxima campaña de 155.457 € como se expone en los siguientes resultados.
Hipótesis utilizadas
Según los datos que nos ha facilitado el departamento de marketing:
- El margen medio que se obtiene por cada depósito contratado es de 100€
- El coste medio de cada acción comercial es de 20€
Con estos datos podemos calcular el punto de equilibrio, en el que los ingresos van a ser igual que los gastos y por tanto el margen neto generado por la acción comercial va a ser cero (y a partir de ahí comenzaríamos a perder dinero):
Según este análisis, el tamaño máximo de campaña rentable es de 6683 clientes
Conocido el punto de equilibrio ya podemos crear la curva agregada de la campaña, que nos va a permitir calcular su tamaño óptimo:
Y ahora vamos a visualizar un zoom sobre el ROI solo en los tamaños de campaña que son positivos para localizar el punto optimo
Además, la siguiente información ha sido generada para todos los clientes
| CLIENTE_COD | INDICE | ME | MN | INGRESOS_AGRE | COSTES_AGRE | ROI | Porc_ROI |
|---|---|---|---|---|---|---|---|
| 34971 | 1 | 99.17307 | 79.17307 | 99.17307 | 20 | 79.17307 | 395.8654 |
| 19306 | 2 | 99.01694 | 79.01694 | 198.19002 | 40 | 158.19002 | 395.4750 |
| 28373 | 3 | 98.00942 | 78.00942 | 296.19943 | 60 | 236.19943 | 393.6657 |
| 49068 | 4 | 97.57219 | 77.57219 | 393.77162 | 80 | 313.77162 | 392.2145 |
| 35159 | 5 | 97.18349 | 77.18349 | 490.95511 | 100 | 390.95511 | 390.9551 |
| 46786 | 6 | 97.13168 | 77.13168 | 588.08679 | 120 | 468.08679 | 390.0723 |
| 13930 | 7 | 97.10910 | 77.10910 | 685.19589 | 140 | 545.19589 | 389.4256 |
| 435 | 8 | 97.10746 | 77.10746 | 782.30335 | 160 | 622.30335 | 388.9396 |
| 36730 | 9 | 97.10746 | 77.10746 | 879.41081 | 180 | 699.41081 | 388.5616 |
| 39959 | 10 | 97.10746 | 77.10746 | 976.51827 | 200 | 776.51827 | 388.2591 |
| 48814 | 11 | 97.10746 | 77.10746 | 1073.62573 | 220 | 853.62573 | 388.0117 |
| 46508 | 12 | 97.04633 | 77.04633 | 1170.67206 | 240 | 930.67206 | 387.7800 |
| 25597 | 13 | 96.41689 | 76.41689 | 1267.08895 | 260 | 1007.08895 | 387.3419 |
| 46654 | 14 | 96.37275 | 76.37275 | 1363.46170 | 280 | 1083.46170 | 386.9506 |
| 48488 | 15 | 95.69019 | 75.69019 | 1459.15188 | 300 | 1159.15188 | 386.3840 |
| 13691 | 16 | 95.57568 | 75.57568 | 1554.72756 | 320 | 1234.72756 | 385.8524 |
| 22045 | 17 | 95.30645 | 75.30645 | 1650.03401 | 340 | 1310.03401 | 385.3041 |
| 21170 | 18 | 95.10091 | 75.10091 | 1745.13492 | 360 | 1385.13492 | 384.7597 |
| 14393 | 19 | 94.82122 | 74.82122 | 1839.95614 | 380 | 1459.95614 | 384.1990 |
| 12208 | 20 | 94.72502 | 74.72502 | 1934.68115 | 400 | 1534.68115 | 383.6703 |