En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour vous proposer des contenus et services adaptés à vos centres d’intérêts. En savoir plus et gérer ces paramètres. OK X
 
 

 

 

Dossiers

Le modèle CLO : le Big Data transforme les programmes de fidélité bancaire

Publication: Juillet 2016

Partagez sur
 
Afin de mieux fidéliser leur clientèle, le Big Data offre aux banques, une opportunité de passer d’une communication massive à une communication personnalisée avec le client...
 

Cette nouvelle communication, basée sur la proposition d’offres personnalisées et adaptées aux habitudes de consommation du client, repose sur un business model dit « d’offres liées à la carte » ou Card-Linked Offer (CLO)..

A ce jour, les programmes de fidélité appliqués par la majorité des banques françaises depuis des années sont très coûteux : en moyenne 25 millions d’euros par banque et par an. Ces programmes sont basés sur un système de points donnant accès à un catalogue de produits. Non adaptés aux nouveaux modes de consommation des clients, ces programmes ne sont plus attractifs pour les clients et devenus obsolètes pour les banques.

Pour innover ce modèle, des premières initiatives ont vu le jour aux Etats-Unis. Ces initiatives ont permis d’adopter le business model d’offres liées à la carte ou Card-LinkedOffers (CLO). Ce modèle connait un engouement aux Etats-Unis auprès des clients car il répond de façon pertinente à leurs attentes. En effet, sur la base d’une analyse individuelle des transactions carte, le système sélectionne des réductions adaptées aux habitudes de consommation du client et les lui propose ensuite au sein de son espace personnel. C’est-à-dire que suivant l’utilisation de la carte dans telle ou telle enseigne, le client recevra des offres dédiées. Une fois acceptées, il reçoit son avantage sous forme de cashback sur son compte bancaire. Ce principe séduit beaucoup aux Etats-Unis où 75 % des ménages sont utilisateurs de ce programme.

Le Big Data pour une analyse fine des clients

Généralement, le busines modèle CLO est proposé par des grands acteurs du progiciel qui intègrent dans leurs systèmes des modules d’analyse des comportements d’achat des clients afin de leur proposer des offres ciblées. L’arrivée du BIG DATA a permis de rendre possible l’implémentation d’une solution interne au lieu de s’appuyer sur un partenaire externe. A titre d’exemple, un cluster Hadoop accompagné d’un outil d’analyse répond bien à une meilleure connaissance du client. Une telle stratégie aidera fortement à transformer la communication clientèle d’une banque en la rendant plus personnalisée que jamais avec des offres adaptées. Segmenter à l’extrême la clientèle deviendra donc une nécessité pour une optique opérationnelle et pour affiner toujours plus les caractéristiques clients.

Privilégier la solution interne permet de maintenir une évolution dans le temps des critères de segmentation. Il permet aussi de rassurer les clients que leurs données restent au sein de la banque et permet de donner plus de transparence sur les modes de calculs par rapport à des contraintes juridiques ou opérationnelles. Une solution interne Big Data permet aussi de mutualiser plusieurs projets visant à nouer une relation personnalisée avec le client, être en mesure de multiplier les points de contact tout au long de son parcours multi/cross-canal.

La personnalisation de la communication passe par :

La détection des moments de vie du client (entrée dans la vie active, achat d’un bien,…),

Une segmentation fine des comportements d’achat des clients chez les différents commerçants et par

L’analyse des données liées aux commerçants, notamment pour catégoriser les modes de consommation en groupes homogènes et typés.

Le concept de BIG DATA est généralement décrit par ses trois dimensions de volume, variété et vitesse, aussi appelé le « 3 V » :

Volume : Le volume des transactions cartes générées par jour pourrait dépasser les dizaines de millions d’opérations. Pour permettre une analyse plus fine et traiter l’effet de la saisonnalité, un historique des données sur 24 mois est préconisé. Nous nous retrouvons facilement avec des milliards de lignes à traiter. Les traitements distribués des plates-formes Big Data rendent le stockage de ce tas de données plus facile et plus accessible.

Variété : Les données à exploiter proviennent de sources différentes. Dans ce cas d’analyse, en plus des flux de transactions carte, il est indispensable de croiser les flux d’équipement des clients, les flux des données sociodémographique et les données de navigation web.

Vélocité : Le concept du Big Data ne couvre pas seulement la problématique de la taille et de la variété des données, mais aussi des exigences sur les temps de réponse avec des analyses qui avoisinent le temps réel. Cela permet de proposer la bonne offre, au bon moment et, au-delà, élaborer des modèles prédictifs qui visent à anticiper les moments de vie.

Les bénéfices visés par les banques

Avec ces initiatives, les banques auront pour objectif de viser plusieurs bénéfices :

Réduction des coûts avec la transformation des programmes de fidélité par un modèle entièrement financé par les commerçants partenaires,

Fidélisation de sa clientèle pour faire face à la concurrence des banques en ligne qui proposent des cartes Gold gratuites qui attirent de plus en plus de clients, et

Augmentation du volume des paiements par carte et l’attractivité des promotions proposées.

La stratégie BIG DATA offre une nouvelle réponse aux problématiques de la relation clientèle de la banque et devient donc une opportunité à saisir. Une meilleure exploitation de la Data permet une optimisation du Business et la valorisation de données.

Ethique pour exploiter le Big Data en marketing

Les banques travaillent en lien direct avec la CNIL pour tenir compte des problématiques juridiques.. La CNIL est toujours sollicitée dès le lancement des projets centrés sur les données. S’agissant du modèle CLO, les banques peuvent se baser sur le principe d’un « opt-in », demandant à leurs clients une adhésion volontaire au programme de CLO et par la confirmation sur le site de la banque. Pour la phase analytique dans la plate-forme Big Data, l’analyse ne nécessitant pas de vision nominative, un travail d’anonymisation (et éventuellement d’agrégation) devra être mené.

Suivez MtoM Mag sur le Web

 

Newsletter

Inscrivez-vous a la newsletter d'MtoM Mag pour recevoir, régulièrement, des nouvelles du site par courrier électronique.

Email: