CAPITOLO 5: Il Progetto
Il progetto, a cui ho partecipato, si pone come obiettivo lo studio di un applicativo capace di apprendere e migliorare quindi le campagne di marketing delle aziende che ne faranno uso.
L’applicativo, denominato AKIM (Autonomic Knowlege Discovery for Interactive Marketing), è un sistema innovativo di Customer Intelligence, ed è rivolto principalmente ad aziende che propongono i loro prodotti sia nella forma classica del direct marketing per via posta elettronica e telefonica, sia nella forma del web marketing.
Le innovazioni riguardano il miglioramento incrementale delle analisi della clientela e la ri-pianificazione in tempo reale della campagna.
Nel caso di campagne telefoniche a potenziali nuovi clienti il successo dipende dalla cura con cui vengono selezionate le persone da chiamare e i prodotti da offrire.
Il sistema permette, partendo dalla segmentazione della clientela e dai prodotti, di variare automaticamente la metodologia di selezione dei contatti per ogni singolo operatore, proponendogli quotidianamente una lista aggiornata di persone da contattare, con l’obiettivo di concentrarsi solo sui clienti promettenti con offerte mirate.
Lo scopo del capitolo è quello di analizzare il funzionamento dell’applicativo, mettendo in evidenza le varie fasi che hanno portato alla realizzazione del progetto.
1 Obiettivi e motivazioni del progetto
Dopo il lancio di una campagna di marketing, è necessario monitorarne l'efficacia ed eventualmente apportarvi modifiche per generare un maggior ritorno.
I sistemi attualmente presenti sul mercato permettono di monitorare l’andamento delle campagne: identificando il target ottimale, semplificando il ciclo di vendita, ed infine valutando le performance. La valutazione del feedback però non è immediata.
Ogni campagna di marketing ha un profitto sperato; accorgersi in ritardo che la campagna non funziona, può pregiudicarne la riuscita.
L’idea che sta dietro ad AKIM, è quella di realizzare un software, in grado di valutare il feedback con l’obiettivo di ri-pianificazione in tempo reale una campagna di marketing, cercando di fare progressivamente emergere, mediante apprendimento evolutivo, buone strategie di targeting.
AKIM è un sistema adatto a chi vuole condurre una campagna direct marketing o web marketing con il limite che i clienti siano in numero sufficiente da giustificare il fatto che
la campagna si estenda nel tempo. Questi sono suddivisi in segmenti e a questi possono essere offerti numerosi prodotti, “ma qual è l’offerta giusta?”
Non è possibile rispondere con certezza a questa domanda, si possono fare solo delle ipotesi in base all’esperienza, questo è ciò che fanno gli esperti di marketing nel momento in cui pianificano le campagne.
Avere un sistema in grado di riuscire a percepire i cambiamenti dell’ambiente valutando in tempo reale il feedback, permette di migliorarne il rendimento e di diminuire il numero delle telefonate “inutili”, ovvero telefonate rivolte a persone che non hanno interesse per il prodotto offerto.
Per chiarire il concetto di sistema che si adatta ai cambiamenti dell’ambiente, proviamo a fare un esempio: supponiamo che la campagna telefonica che stiamo conducendo sia concentrata su Firenze, Pisa e Livorno, le operatrici cominciano a chiamare, i fiorentini e i pisani rispondono, mentre i livornesi No. I sistemi attuali non riescono ad accorgersi in tempo reale di questa situazione, di conseguenza c’è uno spreco di risorse perché l’operatrice continua a chiamare senza nessun risultato. AKIM, invece dopo un certo numero di chiamate senza risposta, si accorge di questa situazione, modifica la lista delle persone da chiamare e indirizza l’operatore su un'altra città. In seguito riproverà nuovamente a chiamare.
Tutto questo viene fatto in modo “autonomico”, ovvero senza bisogno dell’intervento umano, AKIM apprende e si adatta all’ambiente in cui si trova ad operare.
2 Elementi e principi di funzionamento del sistema
Alla base di ogni campagna di marketing abbiamo un’offerta; nel nostro caso l’offerta è costituita dall’insieme di azioni derivante dal prodotto cartesiano tra profili e prodotti. Ad ogni prodotto e profilo sono associati una serie di attributi rilevanti per lo svolgimento della campagna di marketing.
Nel sistema una campagna è suddivisa in n iterazioni ciascuna iterazione è composta da un certo numero di chiamate.
L’elemento principale per lo svolgimento della campagna è la strategia, questa è eseguita in un certo ambiente partendo da determinate condizioni iniziali. Ogni strategia ha i propri parametri, uno stato corrente e le performances. La strategia genera tutte le possibili azioni, a ciascuna azione è associato un valore iniziale.
A questo punto il problema consiste nel capire quali azioni scegliere per l’esplorazione1
e quali invece utilizzare per lo sfruttamento2
.
All’inizio della campagna la “temperatura” (è un parametro dell’apprendimento) è più alta, ovvero c’è una maggiore necessità di esplorare, mano a mano che la campagna va avanti la “temperatura” comincia a diminuire, questo perché solitamente le campagne si stabilizzano e quindi si tende a sfruttare i segmenti più redditizi.
Una volta selezionate le azioni, si fa una query SQL sul database clienti con lo scopo di selezionare la lista dei nominativi da chiamare, l’operatrice del call center riceve la lista delle chiamate, comincia a telefonare, e per ogni telefonata ne registra l’esito.
AKIM valuta i feedback dei clienti e aggiorna il valore atteso dell’azione. L’elaborazione del feedback influenza la lista delle chiamate da effettuare nell’iterazione successiva.
Il procedimento descritto viene ripetuto fino alla fine della campagna.
Figura 1 Schema funzionamento AKIM
A questo schema si aggiungono due funzionalità, che differenziano AKIM dai sistemi presenti sul mercato:
• Varianti di prodotti
• Varianti di profili
Come accennato all’inizio del paragrafo prodotti e profili hanno una serie di attributi, questi possono essere di tipo:
1 Per “esplorazione” si intende la capacità del sistema di utilizzare azioni che in questo momento non sono
promettenti ma che in futuro, ad esempio a causa dei cambiamenti ambientali, possono diventarlo.
2
Per “sfruttamento” si intende la capacità del sistema di utilizzare le azioni che apportano maggior profitto.
PROFILI P R O D O T T I AZIONI {A1,A2…An} Quali azioni scegliere per Sfruttamento e/o Esplorazione? Lista A zi o n i Query SQL Nominativi clienti da chiamare CLIENTI FEEDBACK Elaborazione feedback
• Nominale: i valori sono stringhe di caratteri per cui non esiste un ordinamento. Ex. Attributo “Colore”, Valori: “Giallo”, “Verde”, “blu”.
• Numerici: i valori sono numerici.
Ex. Attributo “Importo”, Valore: “100.000”
• Ordinale: i valori sono stringhe di caratteri che possono essere ordinate. Ex. Attributo “Rischio”, Valori: “basso”, “medio”,”alto”.
Proviamo a fare un esempio: supponiamo di avere come prodotti delle carte di credito queste si differenziano tra loro per il tipo (Classic, Professionisti ecc) e per i diversi valori associati ad ogni attributo:
Tipo carta Canone annuo Credito Bollo Tasso di
interesse
Classic €80,00 Non prefissato €1,29 4%
Professionisti €103 Nessuno €1,29 4%
Tabella 1 Esempio carte di credito
Indichiamo con P i prodotti e con A gli attributi, ciascun prodotto può essere quindi rappresentato come: Pi = <A1,A2,…,Aj,…. An>, questo è definito prodotto standard.
Nel nostro esempio il prodotto (Pi) è la carta di credito mentre gli attributi (A1… An)
sono il tipo, il canone annuo, il credito, il bollo e il tasso di interesse.
Partendo da questi prodotto, AKIM, permette di fare delle variazioni sul valore dei suoi attributi. Queste variazioni però devono stare all’interno di un intervallo, che deve essere impostato da un esperto del settore. Questi intervalli stabiliti servono a AKIM per capire di quanto ciascun attributo può variare.
Supponiamo che il tasso di interesse, nel nostro esempio, possa variare del 2%, in più o in meno, rispetto a quello inizialmente proposto. I vari tipi di carta di credito quindi potranno essere proposti con un tasso di interesse che varia dal 2% al 6%.
Si generano così nuovi prodotti, definiti prodotti non standard, che vanno ad aggiungersi a quelli già presenti. In questo modo si genera una famiglia di prodotti.
La stessa cosa viene fatta anche per il profili, le variazioni vengono fatte solo all’interno del profilo. Si viene così a formare una famiglia di profili.
Il prodotto cartesiano tra famiglia di prodotti e profili ci da come risultato una famiglia di azioni. Le azioni figlie (le nuove azioni create con le varianti) rimangono inattive,
ovvero non entrano in gioco, fino a quando non gli vengono assegnate delle risorse (chiamate).
Figura 2 Fam. Prodotti X Fam. Profili = Fam. Azioni
Il funzionamento del sistema una volta selezionate le azioni è analogo a quello descritto inizialmente senza considerare le famiglie di azioni.
Il progetto appena descritto è stato pensato per essere realizzato con linguaggio C#, sfruttando le funzionalità offerte da Microsoft Visual Studio 2005.
Gli algoritmi utilizzati per implementare il progetto non possono essere riportati in quanto tutelati da segreto aziendale.
In Appendice A è riportato un esempio di come funziona il sistema.
3 Varianti di prodotti e di profili
All’interno del marketing mix una delle famose 4P è costituita dal prezzo; è noto ed evidente il ruolo che questo elemento ricopre nel posizionamento e per il successo (o meno) di un prodotto.
Quando la domanda era superiore all’offerta tutto era molto più semplice e si utilizzava il metodo classico di calcolare una marginalità desiderata rispetto ai costi del prodotto; adesso però, che in quasi tutti i mercati le dinamiche sono esattamente l’opposto le cose si complicano. PROFILI P R O D O T T I Pi Famiglia Prodotti pfi Famiglia Profili Famiglia Azioni a1 a2 aj an
Fissare un prezzo pensando unicamente alla profittabilità senza tenere conto del mercato, del cliente e della concorrenza sono errori che molte volte danno un contributo significativo al fallimento del lancio (o rilancio) di un nuovo prodotto.
Spesso quello che indirizza verso la scelta del giusto prezzo è il buon senso e/o l’esperienza, in altri casi la scelta viene fatta sulla base dei risultati ottenuti da ricerche di mercato.
Sperimentare vari prezzi in base all’elasticità della domanda non è difficile, ma per capire qual è la combinazione giusta è necessario analizzare i feedback ottenuti dai clienti.
AKIM permette di fare “analisi di vendita” semplificate in modo “autonomico”, non solo sperimentando vari prezzi, ma variando anche altri attributi legati sia al prodotto sia al profilo. Queste variazioni però sono possibili sole se il prodotto è personalizzabile.
Settori come la finanza, l’elettronica e il turismo sono costituiti da prodotti di questo tipo. La caratteristica base di questi prodotti è quella di poter essere suddivisi in componenti che presentano un’alta intercambiabilità.
Facciamo un esempio, supponiamo di avere come prodotto una carta di credito, tra i suoi attributi possiamo trovare il tasso di interesse, in modo “autonomico” AKIM permetta di sperimentare varianti sul tasso originale (ex se il tasso è del 4%, si può provare con il 5% o con il 6%) e di valutare il feedback. Non chiediamo a nessuno quale secondo lui è il tasso migliore ma lo sperimentiamo tramite il software.
Queste variazioni vengono fatte su prodotti differenziati e con una funzione di domanda non chiara, ovvero non si sa come la domanda reagisce a questi cambiamenti di configurazione del prodotto.
AKIM affronta il problema del trade-off tra sfruttamento e esplorazione, intesa come generazione di varianti di configurazioni di prodotti inizialmente non previste.
Le varianti sono generate dalla macchina, ma in modo vincolato, ovvero c è un decisore umano che fissa il range entro cui possono stare le variazioni, nonostante questi vincoli però si possono generare moltissime varianti.
Tutte le varianti create sono generate variando gli attributi dei prodotti base. Il prodotto cartesiano tra attributi e profili genera delle azioni (offerte), con l’aggiunta di queste varianti lo spazio delle azioni diventa molto ampio. AKIM va a esplorare questo spazio cercando di massimizzare l’utilità discostandosi dalla compagna originale.
Assistiamo così alla personalizzazione dell’offerta fino ad arrivare all’offerta individuale; il micro marketing viene così spinto fino al marketing one-to-one.
È una “analisi di vendita” fatta per tentativi ed errori, ovvero mentre si prova si apprende da quello che è successo, cercando di migliorare le offerte future.
Si parla di ri-progettazione autonomica della campagna di marketing perché si inventa una campagna nuova.
Un problema che si può presentare variando i prodotti è quello di arrivare ad avere, se lo spazio in cui si fanno le varianti è grande, più azioni che telefonate, si presenta così un problema di campionatura, in questo caso rischierei di perdere dei contatti quindi o rinuncio a campionare le azioni, oppure campiono in modo non significativo lo spazio delle azioni (ovvero in modo random).
Ci deve essere quindi un modo per apprendere per analogia, ovvero devo essere in grado di apprendere anche su altre azioni (cioè su azioni che sono simili). Quindi se automaticamente imparo qualcosa, imparo anche per offerte simile. La conoscenza quindi si propaga tra azioni simili. Questo è possibile grazie alla presenza di algoritmi proprietari che propagano la conoscenza su azioni similari in modo da apprendere non solo sulle azioni provate, ma anche su quelle simili.
La stessa cosa viene fatta con i profili/target. Ogni profilo ha un insieme di attributi (ex. età, sesso, professione), le varianti sul profilo vengono fatte in modo tale che il target non si modifichi radicalmente, ovvero è lo stesso target ma gli attributi subiscono delle modifiche.
Esempio, supponiamo di avere un profilo con attributi del tipo: sesso, età, professione, dove l’età è tra i 25-32 anni ; una possibile estensione (variante) potrebbe essere quella di provare a variare l’età tra i 25-35 anni. In questo modo si generano altri target su cui sperimentare. Lo spazio di ricerca si allarga, e anche qui si usano delle algoritmi proprietari per la propagazione della conoscenza tra un azione e l’altra, ovvero esplorando su alcune azioni imparo anche su altre.
Con le varianti di prodotti e di profili le azioni diventano molto numerose, si selezionano così le azioni che in base a quanto già visto hanno qualche probabilità di essere buone. AKIM non si focalizza solo sugli ottimi locali, ma cerca di ottimizzare propagando la conoscenza tra azioni simili, in modo da economizzare anche sul numero di chiamate da fare.
4 AKIM e Reinforcement Learning
Come visto nel capitolo 4, gli elementi base del Reinforcement learning sono: agente, stato, azioni, reward e ambiente. L’agente può trovarsi in uno stato s ed eseguire una
azione a, all’interno delle azioni possibili dello stato corrente. Questo opera in un ambiente che applicando una azione a nello stato s restituisce lo stato successivo st+1 ed una ricompensa r, che può essere positiva, negativa o neutra. Lo scopo dell’agente è quello di massimizzare la funzione di ricompensa.
Nel nostro sistema l’agente è AKIM, questo si trova ad agire in un ambiente e a scegliere tra un insieme di azioni (offerte); ad ogni azione è associata una ricompensa (reward), questo è il valore, in termini monetari, associato alla risposta (positiva o negativa) del cliente. Premi e sanzioni si alternano per indicare a AKIM la via da seguire.
Di volta in volta, l’agente può trovarsi in vari stati. Lo stato, in questo contesto, è la memoria di ciò che è stato fatto e delle sue conseguenze.
In AKIM il concetto di stato è legato a:
1. Disponibilità di prodotto e target: fare una certa offerta ad un certo target significa diminuire la disponibilità dei clienti e dei prodotti. Mano a mano che l’operatrice fa le chiamate, il numero di clienti da chiamare diminuiscono, e se i clienti accettano diminuisce anche la disponibilità dei prodotti.
Se la disponibilità dei prodotti e dei profili è illimitata, si riamane sempre nello stesso stato; lo stato è sempre lo stesso perché la disponibilità diminuisce ma non diventa mai zero. Se non è così la disponibilità conta, perché nel momento in cui si esaurisce o la disponibilità dei prodotti o dei profili, il sistema cambia di stato, cioè non possiamo più offrire quel prodotto e/o chiamare quel segmento di clienti. Lo stato quindi dipende dalla disponibilità dei prodotti e dei profili.
2. Clienti e multicampagne: le ipotesi di base di AKIM sono quelle sia di fare una campagna in cui il cliente o non viene mai chiamato o al più viene chiamato una volta, sia di non avere interferenze da altre campagne .
Un problema che in pratica però si presenta molto spesso è quello di gestire multicampagne, ovvero gestire molte campagne sia in sequenza che in parallelo. Se si considera questo problema, viene meno l’ipotesi che il cliente possa essere chiamato al più una volta. A questo punto il cliente ha uno stato, chi è stato contattato una volta dopo non è più lo stesso cliente, perché ad esempio ha meno disponibilità, viene fidelizzato mentre prima non lo era ecc
3. Risorse e obiettivi: quando una campagna di marketing viene pianificata, solitamente si fissa un obiettivo, in termini monetari, al quale si vuole arrivare.
Supponiamo, ad esempio, che la compagnia abbia inizio, e che il segmento prescelto per le chiamate sia S1, perché considerato dai responsabili marketing quello più favorevole per il raggiungimento dell’obiettivo preposto.
Nel proseguo della campagna però, a causa di cambiamenti ambientali, questa ipotesi può venir meno; magari in quel momento il segmento più favorevole diventa S2. AKIM si adatta a questa situazione e cambia di stato passando da S1 a S2.
I tre punti appena descritti riassumono quello che per noi è il concetto di stato nel nostro sistema
5 Valutazione delle prestazioni
L’utilizzo di AKIM per condurre una campagna di marketing porta a raggiungere un certo profitto; questo è dato dai ricavi ottenuti con la vendita dei prodotti offerti meno i costi sostenuti per lo svolgimento della campagna.
Per valutare le prestazioni, in termini monetari, del software abbiamo utilizzato due casi di test chiamati “Esperto” e “Oracolo”.
Con “Esperto” indichiamo un algoritmo che esegue la campagna di marketing utilizzando le ipotesi di un esperto, cioè di una persona che ci dice quali secondo lui sono i segmenti più appropriati ai quali rivolgere l’offerta. La campagna quindi viene condotta chiamando solo i clienti che appartengono ai segmenti indicati.
Con “Oracolo” invece indichiamo un algoritmo che conduce la campagna di marketing ipotizzando di conoscere quello che succederà durante tutta la campagna. Sotto questa ipotesi l’algoritmo sceglie sempre le azioni migliori, ovvero le azioni che producono maggior guadagno.
Nella simulazione eseguita (vedi Appendice A) il profitto ottenuto con AKIM viene confrontato con quello realizzato utilizzando i due casi di test. Dal confronto dei tre profitti abbiamo visto che AKIM supera il profitto dell’esperto e si avvicina molto a quello dell’oracolo. Per confrontare le prestazioni ottenute con AKIM e con l’Oracolo possiamo utilizzare la tabella sotto riportata.
Sfruttamento Sfruttamento/Esplorazione
Oracolo A B
AKIM C D
Le lettere riportate nella tabella indicano le prestazioni (profitto) ottenute con i due algoritmi nel caso in cui si esegua solo sfruttamento e nel caso si faccia sia sfruttamento che esplorazione. L’oracolo fa solo sfruttamento, ovvero utilizza solo le azioni migliori, ottenendo un profitto A, mentre AKIM fa sia sfruttamento sia esplorazione ottenendo un profitto D. Supponendo che AKIM faccia solo sfruttamento e l’Oracolo sia sfruttamento che esplorazione otteniamo il profitto C e B.
Il confronto tra i valori riportati sulle colonne ci da il trade-off tra sfruttamento ed esplorazione, mentre quello tra le righe ci dice quanto ho imparato sul mondo reale.
Confrontando A con D otteniamo di quanto il profitto ottimo si discosta da quello ottenuto con AKIM.
L’utilizzo di AKIM quindi sopperisce ad errori nelle stime e alle variazioni che sopraggiungono, conducendo la campagna verso un profitto che si avvicina all’ottimo.
La variabile profitto, con la quale confrontiamo i tre algoritmi, è il risultato di diverse simulazioni. La sperimentazione viene fatta su dati simulati, prima di tutto perché gli interessi in gioco per una campagna di marketing sono rilevanti (si va da un milione di euro in su), e di conseguenza nessuno è disposto a dare i propri dati per fare dei test, in secondo luogo questo è il modo più corretto con il quale procedere perché è giusto testare il sistema su molti casi e vedere come si comporta, prima di utilizzarlo con dati reali.
Sistematicamente AKIM manifesta un vantaggio rispetto all’esperto, questo vantaggio è tale da giustificare ampiamente l’introduzione di un sistema di questo tipo sul mercato.
Visto che le cifre in gioco sono molto alte, anche un piccolo miglioramento nel profitto ottenuto, apporta un vantaggio per la campagna.
6 Sviluppi futuri: gestione multicampagne
Una funzionalità, ancora non presente nel sistema, ma che presto verrà implementata riguarda la gestione delle multicampagne. Molte aziende gestiscono più di una campagna alla volta sia in sequenza che in parallelo.
Senza un sistema per la gestione delle multicampagne, può succedere che una persona riceva, nello stesso periodo di tempo, più offerte contemporaneamente.
Gli automatismi da implementare dovranno permettere di superare le criticità indotte dalle chiamate così dette coincidenti, i valori qualitativi e quantitativi da superare saranno stabiliti da una corretta analisi del problema identificando gli owner delle campagne, le variabili di ambiente ed i livelli di accettazione del target da raggiungere.
Ogni cliente avrà un proprio stato che si modificherà quando riceverà un contatto. Accanto al cliente quindi avremo il suo profilo che verrà esteso con gli attributi che rappresenteranno la storia del cliente e le risposte date ai precedenti contatti (ex per quale campagna è stato contattato, quando, e le risposte date).
AKIM quindi permetterà di creare la “storia” di ogni cliente, con lo scopo di contattare più di una volto solo i clienti che dimostreranno un atteggiamento favorevole verso le multicampagne.
7 Considerazioni conclusive
La fase di sviluppo di AKIM non è ancora conclusa. Ad oggi è disponibile un prototipo già in grado di realizzare prestazioni realistiche simulando una campagna di marketing, tramite call center, elaborando in tempo reale il feedback e ripianificando giorno per giorno la campagna con lo scopo raggiungere gli obiettivi del committente.
I test realizzati fino ad ora hanno portato a risultati molto promettenti, in quanto i risultati ottenuti, con la simulazione, attestano il raggiungimento degli obiettivi preposti.
Non possiamo sapere cosa succederà su dati reali, ma ci aspettiamo che il comportamento non si discosti molto da quello ottenuto con le diverse simulazioni, in quanto si è cercato di prendere in considerazione la maggior parte dei casi che si possono presentare nel mondo reale.
Considerando, nel nostro specifico caso, la variabili profitto, il gap tra “Esperto” e AKIM aumenta e questo vantaggio, a favore di AKIM, è tale da giustificare l’introduzione del sistema sul mercato attuale.
