Resumen

El Neuron Customer Scoring de Dedomena AI predice el valor del cliente a partir de la actividad transaccional de depósitos y retiros. Convierte el comportamiento bancario histórico y reciente en una puntuación (score) del 1 al 5 y en un segmento claro: top (superior), high (alto), medium (medio) o low (bajo).

El sistema está diseñado para la evaluación, segmentación y predicción del comportamiento de los clientes utilizando únicamente datos bancarios transaccionales. Analiza saldos, montos de transacciones, patrones de depósitos y retiros, monedas, categoría de usuario, antigüedad de la cuenta y la antigüedad de la transacción para estimar el potencial del cliente. El resultado ayuda a los equipos a priorizar el compromiso, personalizar ofertas y mejorar la focalización (targeting) con una capa de puntuación consistente.

???+ warning Este score es una predicción analítica y debe considerarse junto con otras verificaciones comerciales antes de tomar decisiones. El algoritmo se ejecuta sobre la marcha: Dedomena AI no almacena los datos enviados. Debes copiar los resultados para evitar perder la información.

El Customer Scoring proporciona una forma práctica de clasificar a los clientes, comparar perfiles de comportamiento y respaldar los flujos de trabajo de crecimiento, retención y fidelización basados en datos.

Propiedades Clave

La funcionalidad del sistema se basa en varias innovaciones clave:

• Requisitos de Entrada Simplificados: A diferencia de otros modelos, este sistema solo requiere datos bancarios transaccionales de los usuarios evaluados. La API funciona con campos de transacciones estándar como montos, saldos, moneda, fecha de creación del usuario, categoría de usuario y fecha de transacción, lo que reduce la complejidad de la integración.

• Procesamiento Orientado a la Privacidad: Los datos enviados se procesan sobre la marcha a través de la API. Dedomena AI no almacena la carga útil transaccional (payload), lo que ayuda a las organizaciones a utilizar el servicio de scoring mientras limitan la exposición de los datos.

• Modelado de Comportamiento Avanzado: Los datos se transforman en indicadores de comportamiento que capturan la actividad de depósitos y retiros, la antigüedad de las transacciones, la antigüedad de la cuenta, la evolución de los saldos, el volumen de transacciones y la actividad a lo largo de diferentes ventanas de tiempo. Estas señales permiten que el modelo identifique patrones significativos de los clientes a partir de la actividad transaccional sin procesar.

• Modelos de Valor y Comportamiento del Cliente: El scoring final está determinado por modelos propietarios que estiman el valor del cliente y la consistencia del comportamiento. La salida proporciona un score del 1 al 5 y un segmento claro: low, medium, high o top.

• Escalabilidad y Actualizaciones: El sistema garantiza la escalabilidad y la integración perfecta a través de una API. Permite puntuar a uno o varios usuarios en una sola solicitud y aplica controles de uso basados en el plan de suscripción asociado al token.

• Automatización y Simplicidad Operativa: El proceso de puntuación está automatizado, desde la validación de la solicitud hasta la generación de características y la predicción. La respuesta es compacta y fácil de integrar en flujos de trabajo de segmentación, targeting, CRM y fidelización.

Casos de Uso

A continuación se presentan los casos de uso clave para el Neuron Customer Scoring:

• Segmentación de Clientes: Identificar segmentos de clientes y adaptar productos y servicios para satisfacer sus necesidades específicas.

• Estrategias de Marketing: Optimizar las audiencias de las campañas priorizando a los clientes con mayor actividad transaccional, señales de valor más altas o mayor potencial de compromiso.

• Gestión de Relaciones con el Cliente (CRM): Ayudar a los equipos de CRM a personalizar la comunicación, las ofertas y los niveles de servicio en función del score y el perfil de comportamiento de cada cliente.

• Retención y Reactivación: Identificar clientes cuya actividad reciente, recencia de transacciones o patrones de comportamiento sugieren la necesidad de acciones de retención o campañas de reactivación.

• Priorización de Cartera: Clasificar a los clientes en una cartera para que los equipos comerciales puedan centrar su atención, incentivos y recursos en los segmentos más relevantes.

• Monitoreo del Comportamiento: Detectar cambios en la actividad de depósitos y retiros a lo largo del tiempo y utilizar esas señales para priorizar acciones de seguimiento.

• Personalización de Productos: Respaldar estrategias de recomendación, empaquetado (bundling) y venta cruzada adaptando productos o beneficios al valor del cliente y a sus patrones de actividad.

• Crecimiento Empresarial: Impulsar el crecimiento estratégico mediante el uso de los scores de los clientes para mejorar el targeting, aumentar la satisfacción y hacer más eficientes los flujos de trabajo de engagement.

El Neuron Customer Scoring de Dedomena AI es la solución definitiva para empresas, minoristas, fintechs y organizaciones de diversos sectores, que buscan una herramienta completa, segura e innovadora para la evaluación y segmentación de clientes.

API y Endpoints

/v4/scoring

POST/v4/scoring

Este endpoint predice la puntuación de un cliente del 1 al 5 y clasifica a los usuarios en 4 categorías: top, high, medium y low.

Cabeceras (Headers):

• token: disponible mediante prueba gratuita o suscripción.

Parámetros:

• user_type (str): Tipo de usuario. Actualmente, el único valor posible es PERSON.

Cuerpo de la Solicitud (Request Body):

Debe ser un arreglo JSON con los siguientes campos:

• user_id (str): Identificador único y anónimo del usuario.

• transaction_state (str): Estado de la transacción. Opcional. Si se omite, v4 infiere el éxito a partir del signo del monto de la transacción.

• transaction_currency (str): Moneda de la transacción.

• user_balance (float): Saldo del usuario en el momento de la transacción.

• transaction_amount (float): Monto de la transacción. Los valores positivos son depósitos y los valores negativos son retiros.

• user_created (str): Fecha y hora de creación del usuario.

• user_category (str): Categoría de usuario. Los valores permitidos son API y WEB.

• transaction_date (str): Fecha y hora de la transacción.

Cuerpo de la Solicitud - Arreglo JSON

[
    {
        "user_id": "user_123",
        "transaction_state": "SUCCEEDED",
        "transaction_currency": "USD",
        "user_balance": 1000.0,
        "transaction_amount": 50.0,
        "user_created": "2024-01-01T12:00:00",
        "user_category": "WEB",
        "transaction_date": "2024-06-30T12:00:00"
    },
    {
        "user_id": "user_123",
        "transaction_state": "COMPLETED",
        "transaction_currency": "USD",
        "user_balance": 900.0,
        "transaction_amount": -100.0,
        "user_created": "2024-01-01T12:00:00",
        "user_category": "WEB",
        "transaction_date": "2024-06-30T12:30:00"
    }
]

Respuesta

200

[
    {
        "user_id": "user_123",
        "score": 4.35,
        "category": "top"
    }
]

400

[
    {
        "detail": "Data not valid"
    }
]

401

[
    {
        "detail": "Could not validate credentials"
    }
]

405

[
    {
        "detail": "User type not allowed"
    }
]

406

[
    {
        "detail": "the number of observations in the payload exceed the available quote"
    }
]

422

[
    {
        "detail": "Unprocessable Entity"
    }
]

429

[
    {
        "detail": "The maximum monthly number of calls or predictions for your account has been exceeded"
    }
]

Métricas

Las métricas de rendimiento del modelo de Dedomena AI aseguran una alta precisión y confiabilidad:

Resumen: