The InvitAItion: scegliere gli ospiti giusti

La sfida

Come generare la migliore lista di ospiti per un evento di lusso, per aumentare i ricavi? È l’obiettivo che Eleven Strategy, una delle principali società di consulenza di Parigi, ha dato a metà della mia classe di MSc. Dopo un’assegnazione casuale dei gruppi, avevamo cinque giorni per presentare la proposta di consulenza data più convincente. Abbiamo gareggiato contro altri dieci team e abbiamo vinto.

Contesto e dati

Avevamo a disposizione circa 55.000 transazioni di oltre 13.000 clienti, più 10.000 inviti a eventi, alcuni andati a buon fine e altri no. La nostra soluzione era pensata per un brand del lusso che vuole invitare gli ospiti ideali: quelli con più probabilità di acquistare dopo aver partecipato a un evento (un modello di classificazione) e che ci si aspetta spendano di più (un modello di regressione).

La situazione di partenza

Solo il 50% circa degli inviti andava a buon fine, cioè il cliente partecipava all’evento: la strategia di invito non era migliore di un lancio di moneta. La maggior parte dei clienti che avevano accettato un invito (93%) aveva partecipato a un solo evento. Per avere una stima non distorta del guadagno medio attuale per evento, abbiamo escluso i clienti che avevano partecipato a più eventi e fissato una finestra di 90 giorni per confrontare le vendite prima e dopo ogni evento. Il guadagno medio per evento era di circa 28K €.

I KPI della nostra soluzione

• Guadagno medio per evento (KPI di business)
• Tasso di successo degli inviti (KPI di business)
• Performance del modello (KPI tecnico): recall per il modello di classificazione, MSE per il modello di regressione

Misurare il vero impatto di un evento

Per prima cosa abbiamo raggruppato i clienti con comportamenti d’acquisto simili prima di qualsiasi evento, con un clustering K-means, per avere un riferimento. Poi, all’interno di ogni cluster, abbiamo confrontato la variazione media degli acquisti dei clienti che avevano partecipato a un evento con quella di chi non c’era. La differenza tra queste due variazioni è il vero guadagno dell’evento.

Sei cluster

Cluster	Clienti	Vendite (mln €)	Acquisti	Anzianità cliente (mesi)
Loyal Shoppers	297 (2%)	31 (30%)	30	16
Women’s Style Enthusiasts	8.719 (67%)	58 (56%)	3	3
Men’s Fashion Explorers	2.364 (18%)	7 (8%)	2	2
Rare Shoppers	1.286 (10%)	3 (4%)	1	1
Tiny Trends	257 (2%)	0,5 (0,5%)	2	2
Timepieces Lovers	163 (1%)	2 (1%)	2	3

Abbiamo costruito i cluster sul comportamento d’acquisto: importo speso, numero di acquisti, categorie acquistate e anzianità del cliente. Sono ottimi indicatori del comportamento futuro e vanno privilegiati; le variabili demografiche servono piuttosto a raggiungere e trovare i clienti.

Un evento riuscito

In entrambi i cluster la spesa media è cambiata dopo l’evento. Prendiamo il cluster 1: sia i partecipanti sia i non partecipanti hanno speso di più, ma la spesa dei partecipanti è cresciuta di più. Dato che i due gruppi appartengono allo stesso cluster, prima dell’evento avevano comportamenti d’acquisto simili: la differenza tra il guadagno dei partecipanti e quello di riferimento si può quindi attribuire all’evento stesso (evidenziata). Ripetendo il calcolo per ogni cluster e sommando i risultati si ottiene il vero guadagno totale dell’evento. Questo evento è riuscito, perché c’è un guadagno dovuto all’evento.

Un evento non riuscito

Qui entrambi i gruppi dello stesso cluster hanno aumentato la spesa della stessa cifra. Quella crescita dipende da fattori esterni, come una congiuntura economica migliore o eventi stagionali come il Natale, non dall’evento.

Dare un punteggio agli ospiti

Per trovare gli ospiti ideali abbiamo dato un punteggio a ogni cliente moltiplicando due valori: l’importo d’acquisto atteso dopo un evento (modello di regressione) e la probabilità di partecipare dopo aver ricevuto l’invito (modello di classificazione). I clienti vengono poi ordinati per punteggio decrescente.

Una piattaforma automatizzata

Abbiamo realizzato il prototipo di una piattaforma completamente funzionante che prende in ingresso le caratteristiche di un nuovo evento e restituisce la lista di ospiti ottimale. Il cliente può scegliere il tipo di evento, il prodotto da promuovere, il canale di invito, il numero di invitati, il costo per ogni invitato presente e altre variabili legate al prodotto. La lista contiene i clienti con i punteggi più alti, e il guadagno totale è la somma dei loro punteggi meno il costo atteso dell’evento (numero di invitati × costo per invitato).

Come società di consulenza orientata ai dati, abbiamo proposto anche servizi aggiuntivi: formazione settimanale per un avvio semplice, manutenzione del modello e della dashboard, una raccolta dati migliore e il riaddestramento continuo del modello con i nuovi dati.

Risultati

Il tasso di successo iniziale degli inviti era di circa il 50%; il nostro modello ha raggiunto un’accuratezza dell’89%, con un recall del 91% sugli inviti riusciti. Il modello prevedeva un guadagno medio atteso per evento di circa 49K €, rispetto ai 28K € iniziali.

La competizione non chiedeva un modello perfetto: avevamo solo cinque giorni. L’obiettivo era costruire la proposta di consulenza data più convincente, quella che un cliente avrebbe scelto. Nella realtà, una soluzione solida per un progetto del genere richiederebbe mesi di lavoro e di analisi approfondita.

Guidare il team

L’hackathon è stato impegnativo e appagante allo stesso tempo, e l’assegnazione casuale dei team lo rendeva ancora più simile a un vero ambiente di lavoro. Ho avuto la fortuna di lavorare con persone altrettanto motivate e preparate, senza le quali vincere sarebbe stato molto più difficile.

Come project leader, ho motivato tutti, ci ho tenuti concentrati sull’obiettivo comune e ho presentato la soluzione finale.

Ogni membro di un team ha bisogno di un ambiente in cui si senta valorizzato, ascoltato e motivato. Per questo credo che i grandi leader siano grandi creatori di ambienti.