Optimalisering av markedsføringsstrategier for banker

Abstract

Formålet med bacheloroppgaven er å undersøke hvordan en bank kan forbedre kommende markedsføringskampanjer. Dataen stammer fra en undersøkelse gjort av en portugisisk bank i etterkant av finanskrisen, hvor fokuset var å selge fastrenteavtaler. Dataen har blitt ryddet og balansert, for å optimalisere bruken av maskinlæringsmodeller.

Deskriptiv analyse ble utført, etterfulgt av tre maskinlæringsmodeller for prediktering: logistisk regresjon, Decision Tree Classification og Artificial Neural Network. Modellene varierer i kompleksitet, med ulike fordeler og ulemper. Disse ble brukt til å klassifisere variabler som anses å ha større sannsynlighet for å predikere underskrivelse av fastrenteavtale. Videre ble det drøftet hvordan disse understreker verdien av både segmenterings- og relasjonsmarkedsføringsstrategier, og hvilke som anses som bedre. Å ha en mer algoritmisk tilnærming kan være fordelaktig i dagens raske digitale utvikling.

Analysen viser til viktigheten av både segmentering og relasjonsmarkedsføring. Det å vektlegge disse kan bidra til at unødvendige ressurser ikke sløses på personer som har lav sannsynlighet for å inngå avtaler, noe som sikrer en mer målrettet og kostnadseffektiv markedsføringsstrategi.

The purpose of this bachelor thesis is to examine how a bank can improve upcoming marketing campaigns. The data originates from a survey conducted by a Portuguese bank following the financial crisis, focusing on selling fixed-rate agreements. The data has been cleaned and balanced to optimize the use of machine learning models.

A descriptive analysis was conducted, followed by three machine learning models for prediction: Logistic Regression, Decision Tree Classifier, and Artificial Neural Network. The models vary in complexity and have different advantages and disadvantages. They were used to classify variables considered more likely to predict the signing of a term deposit agreement. Further discussion addressed how these emphasize the value of both segmentation and relationship marketing strategies, and which are considered better. Having a more algorithmic approach can be beneficial in today’s rapid digital development.

The analysis highlights the importance of focusing on both segmentation and relationship marketing. Emphasizing these can help ensure that unnecessary resources are not wasted on individuals who are unlikely to enter into agreements, securing a more targeted and cost-effective marketing strategy.