Risk is the new black : uma abordagem com diferentes medidas de risco para o portfólio de clientes

Abstract

A gestão de clientes de uma empresa envolve decisões estratégicas sobre os segmentos que deverão ser priorizados em virtude dos retornos que poderão proporcionar. Do ponto de vista do marketing, tornar a empresa centrada nas necessidades dos clientes pode gerar vantagens competitivas, bem como maiores receitas. Assim, é vantajoso que a empresa conheça os retornos de sua base de clientes, bem como risco que podem apresentar para a manutenção da saúde financeira da empresa a longo prazo. Novas propostas para a gestão de clientes usam a teoria financeira do portfólio de Markowitz com algumas adaptações. Nos estudos anteriores em marketing, o risco é comumente abordado como sendo o Desvio Padrão e Valor Condicional em Risco (CVaR ou Perda Esperada) dos retornos ou algumas de suas variantes. A abordagem sugerida por esta dissertação oferece alternativas para melhor alocação dos recursos de marketing entre os segmentos de clientes, considerando diferentes medidas de risco dos clientes já utilizadas em finanças, permitindo diferentes resultados a serem considerados pelos gestores. O trabalho utilizou as medidas de risco de Desvio Padrão (SD), Perda Média (EL), Perda Esperada (ES), Entrópica (ENT), Valor em Risco Expectílico (EVaR), Desvio da Perda Média (ELD), Risco do Desvio da Perda (SDR), Desvio Entrópico (DENT), Desvio do Valor em Risco Expectílico (DEVaR) e Perda Máxima (ML). A metodologia foi aplicada em uma base de dados de 2012 a 2017 com 6 segmentos de clientes de uma distribuidora de bens de consumo embalados no Brasil. Não houve uma medida de risco que pudesse ser considerada superior às demais, pois dependendo da medida de performance, algumas se sobressaíram melhor do que as demais. No critério de mínimo risco as medidas de cauda (ES, SDR, EVaR e DEVaR) não obtiveram destaque: seu desempenho foi pior comparado com as demais medidas. A exceção foi a ML, que obteve o melhor desempenho, especialmente na Média/Mínimo. Já no critério de máximo retorno por risco, a medida de ML novamente se sobressaiu sobre as demais no critério de Média/Mínimo. Já o EVaR se destacou no Índice de Sharpe. Os resultados sugerem que, para marketing, a medida de Perda Máxima (ML) - que dá mais peso aos segmentos que possuem menos dias com retorno nulo - apresenta melhor desempenho, pois mantém o fluxo de caixa mais estável, evitando dias sem negociação.

A company's customer management involves strategic decisions about the segments that should be prioritized based on the returns that they can provide. From a marketing perspective, making the company customer-centric can generate competitive advantages as well as higher revenues. Thus, it is advantageous for the company to know the returns of its customer base, as well as the risk that they may present for the maintenance of the company's financial health in the long term. New proposals for customer management use Markowitz's portfolio financial theory with some adaptations. In previous marketing studies, the risk is commonly referred to as the Standard Deviation and Conditional Value at Risk (CVaR or Expected Shortfall) of returns or some of its variants. The approach suggested by this dissertation offers alternatives for a better allocation of marketing resources among customer segments, considering different customer risk measures that are already used in finance, allowing different results to be considered by managers. This work used the risk measures of Standard Deviation (SD), Expected Loss (EL), Expected Shortfall (ES), Entropic (ENT), Expected Value at Risk (EVaR), Expected Loss Deviation (ELD), Shortfall Deviation Risk (SDR), Entropic Deviation (DENT), Expectile Value at Risk Deviation (DEVaR) and Maximum Loss (ML). The methodology was applied to a database from 2012 to 2017 with 6 segments of a consumer packaging goods distributor in Brazil. No risk measure could be considered superior to the others because depending on the performance measure, some stood out better than others. In the minimum risk criterion, the tail measures (ES, SDR, EVaR and DEVaR) were not highlighted: Its performance was worse compared to the other measures. The exception was ML, which had the best performance, especially in Medium/Minimum. In the maximum return per risk criterion, ML once again stood out over the others in the Average/Minimum criterion. The EVaR stood out in the Sharpe Ratio. The results suggest that, for marketing, the Maximum Loss (ML) measure - which gives more weight to segments that have fewer days with zero return - performs better, as it keeps the cash flow more stable, avoiding non-trading days.