Síntese e Análise de Resultados Relevantes

Numa época de crise financeira mundial o nosso país, em particular, devido a inúmeras razões económicas (externas e internas), tem dificuldades acrescidas de financiamento. Neste contexto, é fulcral para as instituições bancárias a retenção de capital por meios próprios – no caso vertente, cativando os clientes a aforrar dinheiro na instituição – de forma a poderem continuar a dispor de capital para investir e financiar a própria economia nacional.

A prova disto é o facto de todas as instituições bancárias estarem a remunerar os seus depósitos a taxas cada vez mais elevadas, algo que preocupa o Banco de Portugal que, em Junho de 2011 anunciou uma iniciativa para obrigar os bancos a comunicar taxas que ultrapassem em três pontos percentuais o valor da taxa Euribor aplicável na operação respectiva24.

Tendo esse cenário presente, o qual pressiona também a concorrência entre instituições, não basta esperar apenas que os clientes surjam no balcão de atendimento para subscrever produtos de aforro; tornam-se, por isso, cada vez mais importantes todas as acções proactivas de contactar os clientes e ir de encontro às suas expectativas e necessidades, cativando assim a subscrição dos produtos de poupança.

No entanto, é precisamente o contexto económico que pressiona a uma redução global de custos e que, talvez até contraditoriamente, acaba por afectar também o orçamento disponível para efectuar os contactos com os clientes, levando a reduções quer no custo de comunicações, quer no custo de contratação e formação dos operadores humanos (sendo operações algo intrusivas, de venda directa, descarta-se a possibilidade de utilização de chamadas automáticas, tratadas por um sistema de IVR).

Assim a redução de custos e consequente aumento da eficiência dos contactos pode ser conseguida através do conhecimento adquirido sobre o funcionamento das campanhas, o qual pode ser usado para a optimização das mesmas. Tal implica que a selecção dos contactos tenha por base um modelo com uma excelente capacidade de previsão, para que a sua análise no que diz respeito à explicação do sucesso do contacto possa traduzir-se em conhecimento útil, a ser utilizado em campanhas futuras.

O cálculo do benefício resultante de uma subscrição de um depósito a prazo é demasiado complexo dada a entropia25 que lhe está associada. São inúmeras as variáveis que teriam de ser consideradas, por exemplo, se o cliente que subscreveria o produto não fosse contactado e se se dirigisse ao balcão para o subscrever por sua própria iniciativa, então o benefício seria nulo, apesar de o contacto, a ser feito, ter resultado num sucesso.

24 _{Retirado do Semanário Sol, “Taxa de juro nos depósitos a prazo mais do que duplica num ano”, edição} online de 11 de Julho de 2011 – http://sol.sapo.pt/inicio/Economia/Interior.aspx?content_id=23861. 25

Medida de desordem ou imprevisibilidade – retirado de Dicionário Priberam da Língua Portuguesa, Edição Online, http://www.priberam.pt/DLPO/, Agosto de 2011.

Adicionalmente, definiu-se como objectivo principal deste estudo a definição de um modelo explicativo da subscrição de um depósito a prazo no âmbito de uma campanha, não se equacionando o valor investido por cada subscrição. Ou seja, o modelo a obter com esta investigação torna-se extremamente útil, no sentido em que permite explicar o sucesso dos contactos com base em informação distinta, possibilitando assim uma reconfiguração de campanhas futuras tendo em conta o conhecimento adquirido.

Com todas as considerações já expostas relativamente à quantificação de benefícios e, tendo obtido na 3ª iteração do CRISP-DM três modelos com boa capacidade de explicar o sucesso (ainda que um deles sobressaísse), é relevante justificar perante a equipa de gestão da área de negócio (no caso, a Direcção de Marketing) a escolha e interpretação de um modelo. Assim, poderá ser analisada na Figura 13 a curva Lift para os três modelos: Naïve Bayes (NB), Àrvores de Decisão (DT) e Máquinas de Vectores de Suporte (SVM).

Figura 13 - Lift acumulativo dos modelos obtidos na 3ª iteração do CRISP-DM

A figura permite, de uma forma simples, visual, ter a percepção de como seria afectada uma campanha no que diz respeito ao número de sucessos em função do conjunto de contactos seleccionados por cada modelo.

Quanto maior o valor de respostas positivas acumuladas, mais contactos referentes a sucessos são abrangidos no lote seleccionado da amostra total. A baseline pode ser interpretada da seguinte forma: a utilização de N% dos contactos resultaria em N% do total de sucessos. Logo, quanto maior a diferença entre a baseline e a curva Lift para o modelo e,

consequentemente, a área debaixo da curva Lift (ALIFT), melhor o modelo na capacidade de concentrar os sucessos nos primeiros decis.

Por exemplo, pode-se constatar para os modelos NB e DT que, com uma selecção de apenas 20% dos contactos (os primeiros dois decis, que contêm os clientes com maior probabilidade de sucesso), se irão obter mais de 75% do total de sucessos.

Desta forma, é possível comparar os modelos e considerar que o SVM é substancialmente melhor do que os restantes: uma selecção de 30% do universo de contactos disponíveis para serem efectuados selecciona a quase totalidade dos contactos que resultariam em sucesso. Confirma-se assim os resultados da análise efectuada com a curva ROC (Figura 12), ou seja, o modelo SVM é de elevada qualidade.

Definido o melhor modelo (SVM), resta então analisar o mesmo no que diz respeito à importância dos atributos (Figura 14) para a sua definição e assim poder extrair o conhecimento sobre o funcionamento dos contactos na subscrição de depósitos a prazo.

Claramente sobressai na Figura 14 a importância da duração da chamada no sucesso do contacto. A duração por si só tem uma influência superior a 20% na definição do modelo obtido. No entanto, dois outros atributos surgem também com alguma importância no sucesso. Um deles é o resultado obtido no âmbito da última campanha de depósitos a prazo de que o cliente foi alvo. O outro é o mês em que o contacto foi efectuado, significando que alguns meses são melhores para este tipo de campanhas.

Através de uma curva VEC (Variable Effect Characteristic), é possível verificar como é que os atributos mais importantes na definição do modelo SVM influenciaram o resultado. Assim, na Figura 15 pode-se verificar que, a uma duração de chamada entre 15 e 50 minutos (entre 1000 e 3000 segundos), aproximadamente, corresponde uma probabilidade de quase 1,0 de o contacto resultar num sucesso. A tal não será certamente alheio o facto de haver uma necessidade de descrever detalhadamente as características do depósito aos clientes que se mostrem interessados.

No entanto, eventualmente, um cliente com mais disponibilidade para ouvir o agente poderá ficar mais receptivo ao produto, devendo o agente investir no prolongamento do diálogo. O conhecimento deste facto poderá conduzir a um investimento na formação dos agentes para treinar a sua capacidade de cativar através do diálogo. Apesar de tudo, a partir de 50 minutos a probabilidade de sucesso diminui, o que poderá ser devido a uma saturação do cliente face a um diálogo demasiado prolongado.

68

Figura 15 - Influência da duração da chamada no resultado

Relativamente ao mês de contacto, pode-se observar na Figura 16 que existe uma maior probabilidade de sucesso se o contacto for efectuado no último mês de cada trimestre (Março, Junho, Setembro e Dezembro). Para estes meses e ainda para Outubro, a probabilidade de sucesso traduzida no modelo corresponde a mais de 0,4.

No caso do resultado do último contacto para a última campanha, a influência corresponde ao que já havia sido identificado aquando da análise da Figura 10: a ocorrência de um sucesso anterior aumenta fortemente as probabilidades de um sucesso no futuro.

Figura 16 - Influência do mês de contacto no resultado

Desta forma e, através da análise da curva VEC, é possível perceber como é que cada atributo utilizado no modelo influencia o sucesso na subscrição de depósitos a prazo.