小売りおよび中規模のマーチャントの維持とコレクション性能の向上を図るためのインテリジェントな再価格設定

業界セクター： 金融サービス

ビジネス機能： オペレーションズ

決済プロセッサは、コレクションの最適化、再価格設定に対して感度の低いマーチャントの価格設定、および離脱リスクのある高価値顧客の維持によって、小売および中規模マーチャントからの収益を増やすことを目指していました。しかし、非常に大規模な断片化されたデータランドスケープでは、これらのアイデアを実行するために必要な分析を実行することができませんでした。

課題

このプロセッサが運用する規模では、主に以下の2つの課題がありました。

• コレクションのためのマーチャントを優先順位付けまたはランク付けする効果的な方法がない
• マーチャントに適したレートや手数料を決定する能力が限られている

解決策

• マーチャント活動の完全なビュー — 顧客活動、価格設定、支払い端末、請求、不正行為、および信用履歴に関する大量の統合データを利用して、同社は顧客基盤について前例のない理解を開発しました。
• コレクションの改善 — アナリストは、支払いの可能性に基づいてアカウントを評価する統計モデルを開発します。高確率のアカウントは内部コレクションチームにルーティングされ、低確率のアカウントはサードパーティのコレクターに紹介されます。
• 新しい価格設定戦略 — アナリストは、顧客の維持に対する異なる手数料構造の影響を評価するために、大規模な分析を実行します。営業チームは、これらのインサイトを利用して、新しいアカウントの価格設定や、顧客の離脱を防ぐための既存アカウントの再価格設定を行います。

ステークホルダーとユーザーグループ

• マーチャント・コレクションズ・チーム
• フィナンシャルアナリスト
• データサイエンティスト
• 営業チーム

金融アナリストは、Foundryを使用して、マーチャントの維持を確保しつつも収益を最大化するための再価格設定演習を実施します。

インパクト

• 収集不能なアカウントを第三者にフィルター処理し、高額な収集可能なアカウントを優先することで、コレクションのパフォーマンスが向上しました。これにより、優先順位の向上によって見込まれる年間数百万ドルの追加コレクションが実現しました。
• 再価格設定モデルは、マーチャントの再価格設定演習を容易にし、目標収益を上回る数百万ドルの追加収益を生み出しました。

作り方

• 顧客関係管理（CRM）システムおよびその他のデータソースを統合して、マーチャント活動を理解するための単一の Foundry オントロジー を作成しました。顧客、その活動、価格設定、支払い端末、請求、不正行為、信用履歴などに関するオブジェクトと関係が作成されました。
• Contour やその他の Foundry 分析ツールを使用して、新しいコレクションおよび価格設定アプローチを決定するための分析を実行しました。Contour や Code Workbook で、異なる価格設定オプションのシナリオ分析が簡単に行えます。Vertex や Foundry シナリオもこのプロセスをさらに有効にすることができます。
• コレクションの優先順位付けおよび再価格設定の決定に関する機械学習モデルは、Code Repositories で実装されました。Foundry ML もここで検討されたかもしれません。
• 再価格設定アプリケーションは Slate で実装されました。

類似のユースケースを実装する

このユースケースは、以下のパターンを実装しています。Foundryで特定のパターンがどのように実装されているかを詳しく知りたい場合は、以下のリンクをフォローしてください。

• 調査とコホート分析（他の3つのユースケースで使用されています）

このユースケースの詳細をもっと知りたいですか？同様のものを実装したいとお考えですか？Palantir で始める