Modello di ottimizzazione di pricing multidimensionale sui rinnovi
Partendo dall’analisi del processo as-is e dei dati disponibili in azienda sono stati definiti i punti di debolezza del modello in essere e le opportunità. La basi dati disponibili sono state messe in relazione, arricchite con fonti esterne e variabili calcolate, normalizzate ed integrate in un unico data lake. Tramite modelli di AI e analisi avanzate abbiamo effettuato diversi studi volti a valutare la sensibilità del cliente rispetto alla variazione di prezzi, il tasso di inerzialità rispetto a churn ed rvc (richieste di variazioni contrattuali) della clientela, le variabili più significative per descrivere i rischi, ecc.
Successivamente è stato sviluppato un framework di ottimizzazione per il clustering e il repricing ottimale da applicare ai clienti. Il modello propone diverse strategie di pricing andando ad ottimizzare le funzioni obiettivo impostate: massimizzazione del margine, minimizzazione del rischio associato alla strategia applicata e massimizzazione delle forniture non impattate dal processo. L’utente può anche impostare numerosi vincoli sui prezzi, sul margine e sulle logiche di clustering in modo da focalizzare il modello solamente sulle soluzioni che rispettino le logiche di business e le regole dettate dall’autorità.
Per valutare l’output del modello e permettere all’utente di selezionare la strategia di prezzo ottimale, è stata predisposta una dashboard in Power BI che permette di navigare e fare drill-down di dettaglio sulle soluzioni del modello e sulle caratteristiche delle forniture sottese.