Créer des niveaux inédits d`engagement client grâce à l

Livre blanc
IBM Analytique Banque de détail
Créer des niveaux inédits d’engagement
client grâce à l’analyse prédictive
Permettre aux banques de mieux connaître leurs clients pour leur offrir des expériences
digitales gagnantes et personnalisées.

2 Créer des niveaux inédits d’engagement client grâce à l’analyse prédictive
S’assurer un avantage grâce
àl’analytique évoluée
Par le passé, les spécialistes du marketing de masse ont
découvert la possibilité de cibler leurs clients et de créer des
produits pour des segments spéciques. Si la plupart des
entreprises dénissent différents segments pour les cibler
dans une approche marketing, nombre d’entre elles ne créent
que des grands segments macroscopiques. Aujourd’hui, grâce
aux outils d’analyse avancée, une entreprise peut circonscrire
un segment jusqu’au niveau de l’individu. L’approche
marketing du segment au niveau de l’individu permet de
suivre et connaître le comportement de chaque client.
L’entreprise peut alors convertir les simples visiteurs en
clients de valeur à long terme, avec une rentabilité accrue.
Les clients des banques de détail sont aujourd’hui devenus
des acteurs. Ils savent facilement comparer les tarifs, les
services et les autres éléments différenciateurs pour repérer
les bons produits et services nanciers parmi toutes les
possibilités offertes. Ils souhaitent agir à leurs conditions.
Ilsexigent des interactions efcaces et un accès rapide à
l’information. Avec l’avènement des technologies digitales
etmobiles et la montée en puissance d’acteurs innovants
enmatière de paiement mobile, comme PayPal et Square,
lesclients attendent des transactions nancières pratiques
etdesservices à valeur ajoutée. Dans le même temps,
lesdistributeurs tels que Apple, Starbucks et Amazon offrent
aux clients des expériences adaptées à leurs besoins, voire
anticipées sur leurs demandes.
Ce nouveau dé pour les banques s’accompagne d’opportunités
exceptionnelles pour créer de la valeur et se différencier
grâce à des interactions et des offres personnalisées,
pertinentes et synchronisées, avec à la clé rentabilité,
satisfaction et délité client. Pour capitaliser sur ces
opportunités, une banque se doit de tirer parti du capital
d’informations dont elle dispose. Elle doit analyser avec
efcacité et précision les données client et produire des
connaissances en temps réel pour créer un engagement
inégalé et maximiser son potentiel de chiffre d’affaires sur
tous les canaux possibles (digital, mobile, contact direct).
S’adapter en fonction de l’évolution des préférences
duclient
Les appareils mobiles et les réseaux sociaux, parmi
d’autres évolutions, transforment les comportements
etlespriorités des clients vis-à-vis des banques:
• Les consommateurs considèrent la banque digitale
comme le domaine où les banques devraient le plus
sedévelopper et investir.1
• Les opérations de banque mobile ont progressé de près
de 50% depuis 2012, avec près d’un tiers des clients
disant effectuer une opération au moins une fois par
mois.2 Plus de 37% des répondants à un sondage
disent envisager d’utiliser davantage la banque mobile
àl’avenir.3
• 41% des clients disent être prêts à payer davantage
pour des expériences et des interactions plus simples.4

IBM Analytique 3
Associée à l’analyse prédictive, l’analyse des médias sociaux
constitue une puissante plateforme capable de détecter les
tendances, les corrélations et les sentiments. Cette approche
permet d’aller bien au-delà de la question consistant à savoir
ce que les clients pensent de l’entreprise. En effet, la solution
apporte une mine de connaissances pour connaître les besoins,
les souhaits et les intentions des clients, en répondant à des
questions essentielles comme par exemple: «Quels sont les
facteurs expliquant les activités sur les médias sociaux, les
comportements en ligne et les sentiments? Avons-nous
effectué les bons investissements dans les produits et les
services, les campagnes, les employés et les partenaires?
Atteignons-nous les bonnes audiences et sommes-nous
àl’écoute? »
Grâce à des informations client aussi spéciques que
celles-ci, vous pouvez:
• Cibler des clients grâce à des offres extrêmement
pertinentes en vous appuyant à la fois sur les canaux
digitaux et traditionnels;
• Connaître vos clients dans le contexte de leurs relations
avec votre marque;
• Engager vos clients à travers le bon canal, le bon message
et au bon moment;
• Prévoir les clients qui risquent de passer à la concurrence,
savoir pourquoi et mettre en place les actions adaptées
pour les déliser;
• Évaluer les sentiments du client sur les médias sociaux et
grâce aux données d’enquête pour connaître de manière
plus précise ses besoins, ses souhaits, ses intentions et ses
comportements;
• Maximiser la valeur du cycle de vie du client grâce à des
offres personnalisées de ventes additionnelles et croisées.
Comme les autres domaines d’activité, le secteur bancaire
aassisté à l’explosion du volume des informations client
disponibles. Ces données englobent de simples informations
démographiques, mais aussi les enregistrements de
transactions, les portefeuilles de produits, les préférences
deservice, ou encore les chiers de consignation d’activité,
les interactions avec les centres d’appels, les médias sociaux
et les points de vue exprimés sous la forme de réclamations
etde demandes de renseignements.
Cependant, la plupart des banques rencontrent des difcultés
à transformer ces volumes massifs de données en connaissances
exploitables, porteuses de valeur. En effet, elles sont
confrontées à l’intégration de données fragmentées sur des
sources nombreuses, hétérogènes, structurées en silos et
souvent dispersées dans différentes zones géographiques.
Elles peinent donc à analyser efcacement ce gisement varié
et étendu de données pour connaître les souhaits de leurs
clients. Faute d’une intégration et d’une analyse efcaces,
une banque ne peut pas déterminer le niveau de service
àproposer et les actions contribuant à la délité et la
satisfaction des clients, ni la manière d’anticiper leurs besoins
nanciers futurs et d’y répondre.
Dans la compétition féroce que mènent les banques pour
acquérir et conserver des clients rentables, l’absence de
connaissances sur ces clients peut avoir des conséquences
considérables. En effet, la diminution de la part de marché de
la banque dans le portefeuille des actifs du client, la mise en
place de campagnes marketing inefcaces, les taux d’opt-out
élevés et l’impossibilité d’améliorer le cycle de vie client
impactent négativement le chiffre d’affaires et la rentabilité.
Si les outils d’analyse traditionnels peuvent mettre en
évidence ce qui s’est passé et pourquoi, les entreprises les
plus efcaces utilisent en revanche l’analyse prédictive pour
savoir ce qui peut arriver et choisir la meilleure action
possible. Une solution d’intelligence client prédictive idéale
sait capitaliser sur les systèmes technologiques dont votre
entreprise dispose déjà pour apporter des ressources à vos
canaux de distribution et dénir les clients, les produits et
lesservices. Elle doit également croiser les informations
replacées dans leur contexte avec différents types de données
analytiques pour produire une vue détaillée et uniée
englobant différents modes.

4 Créer des niveaux inédits d’engagement client grâce à l’analyse prédictive
Améliorer les actions de ventes
additionnelles et croisées
Les solutions prédictives d’intelligence et d’engagement
client vous apportent les moyens de faire ce que vous faites
déjà, mais de manière plus efcace et plus rapide, avec
davantage de précision, de réussite et de rentabilité.
L’amélioration des actions de ventes additionnelles et
croisées en constitue un exemple parfait.
En effet, la réussite des ventes additionnelles et croisées tient
à la capacité de proposer des offres ciblées au bon moment,
sur le bon canal, pour le bon client. Pour tirer pleinement
parti de ces interactions, les collaborateurs de la banque
doivent connaître en temps réel les produits, les services
etles offres ayant la plus forte probabilité de susciter une
réponse favorable du client.
Améliorer les résultats dans différents domaines
Les technologies et les outils d’aide à la décision existants
nécessitent d’abord l’enregistrement des données sur un
dispositif de stockage, puis l’application d’un logiciel
d’analyse pour procéder à des requêtes afin d’identifier
des informations utiles. Les entreprises les plus averties
constatent que le temps perdu dans ce processus se
traduit par des opportunités manquées qui pourraient faire
la différence entre le succès et l’échec.
A contrario, les analyses en flux continu et en temps réel
créent une ouverture sur ces opportunités au moment et
où elles se produisent. En effet, l’analyse prédictive vous
apporte les moyens nécessaires pour capter et examiner
les données client pertinentes, et y répondre, au point
d’interaction et au moment même du dialogue, ce qui
permet d’optimiser à la fois l’expérience client et les
résultats marketing et commerciaux.
Jusqu’ici, l’acquisition des données nécessitait plusieurs
étapes fastidieuses, englobant la collecte avec saisie ou
numérisation optique des données, le nettoyage, la
transformation, l’enrichissement et, au nal, le chargement
dans un entrepôt de données approprié. Ce décalage dans
letemps conduisait souvent à une action plus réactive que
proactive. Mais aujourd’hui, les banques ont accès à des
capacités et des technologies plus évoluées qui permettent
d’améliorer la collecte, le traitement et la diffusion des
données pour éviter ces délais. Par exemple, en associant
lalogique des règles métier avec les connaissances issues
d’une modélisation prédictive et d’un ux de données,
lesfonctionnalités d’optimisation multi-campagnes
permettent d’identier rapidement la décision la plus
rentable pour chaque client. De plus, l’accélération des temps
de réponses vous permet de produire des offres quasiment en
temps réel alors que les clients sont en interaction, évaluent
les offres produit sur le web ou effectuent des transactions.
Cette approche mieux étayée et ciblée vous permet de
proposer des offres plus pertinentes, avec à la clé des résultats
de campagnes nettement meilleurs.

IBM Analytique 5
L’objectif est donc d’équiper les collaborateurs pour qu’ils
puissent engager le dialogue avec le client dans le but
d’obtenir le résultat le plus productif. Imaginons par exemple
un scénario dans lequel les habitudes d’achat d’une cliente
particulière indiquent un besoin de crédit plus important.
Les analyses ont permis de révéler que cette cliente venait
d’acheter un nouveau logement et l’analyse de ses dépenses
qu’elle avait acquis des meubles. L’intégration de ces
informations dans un modèle prédictif apporte aux
conseillers en contact direct avec la cliente les meilleures
possibilités de réponses possibles. En outre, l’analyse peut
calculer la rentabilité de chaque client, ce qui permet de
personnaliser davantage les offres et de s’assurer qu’elles
contribuent, sur la durée, à maintenir la valeur du client
pourla banque.
De plus, l’analyse permet d’évaluer en permanence l’efcacité
des services et la satisfaction du client en s’assurant que
chaque interaction optimise la valeur créée à la fois pour le
client et pour la banque. Puisque les conseillers en contact
avec le client disposent instantanément d’informations
récapitulatives et de suggestions d’actions, ils connaissent
ceux des clients auxquels ils doivent accorder une attention
particulière et sur quels points focaliser leurs actions de
délisation et de ventes croisées.
Grâce aux informations détaillées générées par l’analyse
prédictive, les conseillers au contact direct des clients peuvent:
• Faire des recommandations plus personnalisées;
• Identier les clients rencontrant des problèmes similaires
et agir de manière proactive pour les résoudre;
• Transformer les problèmes en opportunités avec des offres
de délisation adaptées en fonction des objectifs de
l’entreprise et de la valeur client.
Une banque améliore l’acquisition de clients et les
ventes croisées
En analysant et en mettant en place des stratégies
d’acquisition de clients et de ventes croisées, une banque
d’Amérique du Sud souhaitait accroître la satisfaction de
ses clients et la valeur du client tout en maximisant la
rentabilité de la banque.
Pour atteindre cet objectif, la banque a mis en œuvre une
solution d’analyse prédictive en quatre phases successives.
La nouvelle solution a permis de calculer le retour sur
investissement de chaque offre produit tout en prenant
encompte différentes variables, dont les limites de budget
et les restrictions de contact. Grâce à une vision plus
pertinente de sa base de clients, la banque a obtenu les
résultats suivants:
• Utilisation de modèles prédictifs pour identifier les
clients potentiellement les plus favorables à une offre;
• Création d’un processus de ventes croisées pour
anticiper l’offre additionnelle la plus appropriée pour
chaque client;
• Augmentation de 40% du chiffre d’affaires réalisé avec
les clients existants;
• Augmentation de 60% de la marge réalisée avec les
clients de la banque de détail.
Optimiser les performances au contact
direct du client
L’analyse prédictive permet non seulement d’extraire des
informations critiques des données, mais également de les
intégrer aux interactions avec les clients, que ce soit en face
àface, via les canaux digitaux, les processus métier ou les
systèmes opérationnels. De ce fait, il est possible de corréler
les opérations internes pour proposer une expérience client
cohérente et optimisée à l’échelle de toute l’entreprise.