Conhecer o comportamento dos clientes e prevenir o risco de abandono tem os seus benefícios. Não só pode traduzir-se em termos de rendimento económico e incremento de receitas, mas também em conceito de melhoria de gasto e optimização dos recursos disponíveis. De facto, para a Amena pressupunha uma oportunidade de encarar esta problemática com o objectivo de colocar em marcha uma política de distribuição adequada de recursos pelas carteiras de clientes, ajustando os seus activos de marketing em função do tipo de utilizador ao qual se dirigem as campanhas.
Como passo prévio, a empresa necessitava de conhecer em profundidade o perfil dos clientes residenciais que se tinham dispensado anteriormente, de forma a poder estabelecer-se um conjunto de regras aplicáveis a cada um dos grupos identificados, assim como a propensão para desistência das classes encontradas. A análise, que se levou a cabo ao longo de 2004, centrou-se nos clientes residenciais da empresa. Com o objectivo de determinar a probabilidade de fuga por segmentos, començou-se por delimitar o termo “baixa”(?). Assim, distinguiram-se três categorias:
De seguida, reuniu-se a informação necessária para estabelecer um modelo de data mining, analisando os clientes residenciais que se foram embora e outros que não o haviam feito, e determinando, num e noutro caso, as suas características próprias, de tal forma que fosse possível delimitar ao máximo os diferentes perfis existentes para os poder comparar e estabelecer os parâmetros que explicam o comportamento futuro do utilizador. Os dados utilizados nesta parte do processo respondiam a diversas tipologias:
Com tudo isto, estabeleceram-se uma série de regras com as quais identificar perfis gerais, singularizando cada um mediante dados tais como o seu tamanho ou o seu índice de propensão para desistir. Depois, desenvolveu-se um sistema de scoring, capaz de atribuir a cada conjunto de clientes, de forma automática, um indicador da sua probabilidade de abandono. Desta forma, é possível atribuir a cada contrato ou cliente, consoante o caso, um número que indica a sua propensão para desistir. Isto permite estabelecer um critério para ordenar os clientes em relação a este indicador e realizar, posteriormente, acções de fidelização mais precisas. Por último, levaram-se a cabo estudos de desistência centrados no segmento residencial, objecto do projecto.
Com toda esta metodologia, pode-se estabelecer uma ordem de actuação por perfis que permite realizar campanhas personalizadas de fidelização (Marketing 1 para 1), mais selectivas e eficazes, ajustadas além disso às necessidades de cada grupo de utilizadores.
O trabalho realizado permitiu à empresa fazer uma utilização inteligente e racional dos seus recursos, desenvolvendo estratégias de fidelização diferenciadas para cada perfil de utilizador, o que resultou numa poupança de gastos e numa notável melhoria da eficácia comercial. Desta maneira, conhecer em profundidade os motivos de abandono serviu para melhorar a retenção de clientes, adequando a oferta às suas necessidades específicas.