Customer lifetime value na banca

Abstract

Ao longo do tempo, as instituições financeiras, muito em particular os bancos, têm cada vez mais apostado na implementação, na gestão de processos e em métricas que possibilitem a gestão do relacionamento com os clientes, e o próprio conhecimento inteligente sobre o valor dos mesmos. Uma das possíveis métricas a utilizar é o Customer Lifetime Value (CLTV), que tem vindo a ganhar cada vez maior importância. Este projecto consistiu no desenvolvimento, e implementação, do modelo de CLTV probabilístico num banco, evidenciando algumas das limitações das métricas “tradicionais” utilizadas para o cálculo do valor do cliente. A metodologia utilizada no desenvolvimento do projecto foi a metodologia “implementação plataformas inteligentes” (IPI), a qual é utilizada pelo SAS para o desenvolvimento de projectos de Data Mining. Para a obtenção do CLTV foi necessário efectuar o cálculo e análise da rentabilidade e potencialidade futura associada a cada cliente ao longo do período de tempo em análise. A partir do desenvolvimento do modelo de CLTV foi possível identificar quais os clientes com maior valor actual (rentabilidade) e maior valor futuro (potencialidade), com o intuito de futuramente criar estratégias específicas que permitam maximizar o ciclo de vida dos clientes no banco.

Ao longo do tempo, as instituições financeiras, muito em particular os bancos, têm cada vez mais apostado na implementação, na gestão de processos e em métricas que possibilitem a gestão do relacionamento com os clientes, e o próprio conhecimento inteligente sobre o valor dos mesmos. Uma das possíveis métricas a utilizar é o Customer Lifetime Value (CLTV), que tem vindo a ganhar cada vez maior importância. Este projecto consistiu no desenvolvimento, e implementação, do modelo de CLTV probabilístico num banco, evidenciando algumas das limitações das métricas “tradicionais” utilizadas para o cálculo do valor do cliente. A metodologia utilizada no desenvolvimento do projecto foi a metodologia “implementação plataformas inteligentes” (IPI), a qual é utilizada pelo SAS para o desenvolvimento de projectos de Data Mining. Para a obtenção do CLTV foi necessário efectuar o cálculo e análise da rentabilidade e potencialidade futura associada a cada cliente ao longo do período de tempo em análise. A partir do desenvolvimento do modelo de CLTV foi possível identificar quais os clientes com maior valor actual (rentabilidade) e maior valor futuro (potencialidade), com o intuito de futuramente criar estratégias específicas que permitam maximizar o ciclo de vida dos clientes no banco.