Créer des niveaux inédits d`engagement client grâce à l

IBM Analytique
Livre blanc
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
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 financiers parmi toutes les
possibilités offertes. Ils souhaitent agir à leurs conditions.
Ils exigent des interactions efficaces 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 financières 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 défi 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 fidélité client. Pour capitaliser sur ces
opportunités, une banque se doit de tirer parti du capital
d’informations dont elle dispose. Elle doit analyser avec
efficacité 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’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 spécifiques. Si la plupart des
entreprises définissent 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.
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
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 fichiers 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 difficultés
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 efficacement ce gisement varié
et étendu de données pour connaître les souhaits de leurs
clients. Faute d’une intégration et d’une analyse efficaces,
une banque ne peut pas déterminer le niveau de service
à proposer et les actions contribuant à la fidélité et la
satisfaction des clients, ni la manière d’anticiper leurs besoins
financiers futurs et d’y répondre.
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 spécifiques que
celles-ci, vous pouvez :
•
•
•
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 inefficaces, 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 efficaces 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 définir 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 unifiée
englobant différents modes.
3
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 fidéliser ;
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.
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 efficace 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 final, 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 flux de données,
les fonctionnalités d’optimisation multi-campagnes
permettent d’identifier 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
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.
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’efficacité
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
fidélisation 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 ;
Identifier les clients rencontrant des problèmes similaires
et agir de manière proactive pour les résoudre ;
Transformer les problèmes en opportunités avec des offres
de fidélisation adaptées en fonction des objectifs de
l’entreprise et de la valeur client.
6
Créer des niveaux inédits d’engagement client grâce à l’analyse prédictive
Capitaliser sur les données des réseaux
sociaux pour obtenir des informations
plus détaillées
Les billets de blogs, les réseaux sociaux et les différentes
enquêtes mettent en lumière des connaissances détaillées sur
les préférences, les attitudes et les comportements des clients.
L’analyse des sentiments, par exemple, permet de déterminer
si des thèmes pertinents pour la banque font l’objet de
commentaires positifs, négatifs, neutres ou ambivalents.
Plus important encore cependant, bien au-delà de la simple
mesure des sentiments et des affinités, les modèles prédictifs
contribuent à décider du meilleur plan d’action possible pour
tirer parti de ces informations. Pour prendre un exemple,
une banque peut analyser les données issues des médias
sociaux et des canaux digitaux pour déterminer, entre autres,
les besoins, les souhaits, les intentions et les comportements
des clients, mais aussi les événements de leur vie. Ces
informations peuvent ensuite être utilisées pour développer
des profils détaillés et créer des micro-segments destinés à
améliorer le ciblage marketing.
Grâce à ces connaissances, il est possible d’accompagner un
très grand nombre de décisions, par exemple : le choix du
message à utiliser pour attirer des prospects, la sélection des
investissements publicitaires à opérer, les actions à mener
pour améliorer la satisfaction des clients et les points faibles
des concurrents sur lesquels agir.
Faire de l’information une puissante
alliée contre la concurrence
L’analyse prédictive n’est pas un processus linéaire. À chaque
itération, vous obtenez de nouvelles connaissances que vous
pouvez intégrer dans le processus d’analyse, permettant ainsi
d’améliorer en permanence les performances futures. En
ajoutant au fil du temps de nouvelles sources de données et
en affinant les sources existantes, vous pouvez enrichir de
manière considérable votre vision du client et étoffer vos
modèles prédictifs.
Ce qui vous permet d’anticiper les meilleures actions
suivantes pour améliorer vos résultats, réduire les coûts et
gagner en efficacité globale. Point tout aussi important, vous
pouvez engager le dialogue avec le client tout au long du
cycle d’achat, depuis l’identification des besoins jusqu’à
l’achat, en passant par la phase d’exploration et de
découverte. Vous investissez donc votre temps et vos
ressources là où vous obtiendrez les résultats souhaités.
Permettre des interactions client optimisées
La solution IBM® Predictive Customer Intelligence dispose
des capacités nécessaires pour recommander des offres
et des actions pertinentes et appropriées à des clients
spécifiques en fonction des informations les plus récentes.
•
•
•
•
•
•
•
Analyse prédictive. L’analyse prédictive, qui englobe
l’extraction (data mining) et la modélisation des
données, vous aide à anticiper les souhaits ou les
actions possibles de clients spécifiques.
Gestion décisionnelle (DM) La gestion décisionnelle
permet de convertir les scores de prédiction en actions
commerciales appropriées.
Établissement d’un score de prédiction en temps réel.
L’établissement d’un score de prédiction en temps réel
permet de générer à plusieurs reprises des prédictions à
la demande pour vous permettre de réagir immédiatement
à de nouvelles informations.
Segmentation sur la valeur client. Les recommandations
d’actions sont optimisées pour assurer une rentabilité
prévisionnelle à long terme.
Optimisation multi-campagnes. L’analyse des
campagnes, des canaux et des contraintes métier
permet d’effectuer la meilleure association possible
entre les clients et les campagnes.
Analyse en boucle fermée. Les actions suggérées,
les nouvelles expériences constatées et les résultats
obtenus sont réintroduits dans le processus d’analyse
pour améliorer en permanence les prédictions et les
recommandations.
Automatisation du processus d’analyse.
L’automatisation de l’essentiel des tâches d’analyse
permet de gagner en fiabilité et en cohérence.
IBM Analytique
Fonder les analyses sur une plateforme
de données étendue et robuste
Plus les données sont disponibles, plus les opportunités sont
nombreuses, mais à condition que vous puissiez les exploiter
au profit de vos objectifs commerciaux et marketing. La bonne
plateforme d’intelligence client prédictive vous permet
d’analyser vos données pour connaître avec précision vos
clients et personnaliser vos campagnes et vos interactions
avec davantage de succès. Elle permet également de mettre
en place des actions optimisées et pertinentes au bon point
d’impact pour améliorer l’expérience client et contribuer
à l’augmentation du chiffre d’affaires. Vous disposez ainsi
d’une vue unique et fiable du client, au lieu d’être contraint
d’essayer de retrouver la donnée dont vous avez besoin dans
vos systèmes.
La plateforme idéale met à votre disposition la bonne
information au bon moment sur l’ensemble des points de
contact, des canaux numériques et des équipes et systèmes en
contact direct avec les clients. Ces informations bénéficient
à de nombreux collaborateurs (responsables marketing,
personnel des agences, service client, équipes commerciales,
etc.) pour identifier des tendances et accéder à des
connaissances sur les clients avec rapidité et efficacité.
Résultat : une expérience attractive qui permet de fidéliser
le client, accroître sa valeur et améliorer la rentabilité.
Une bonne solution d’intelligence client prédictive vous aide
à imbriquer la modélisation métier et l’intelligence prédictive
au cœur des canaux numériques et des processus en contact
direct avec les clients. Votre entreprise bénéficie ainsi d’une
mine de capacités d’analyse pour améliorer les résultats du
marketing, des ventes et du service client. Vous pourrez
attirer, fidéliser et satisfaire plus de clients que par le passé.
Pour plus d’informations
Pour en savoir plus sur les solutions IBM Predictive
Customer Intelligence et IBM Analytics, contactez votre
représentant IBM ou votre partenaire commercial IBM, ou
consultez le site à l’adresse suivante :
•
•
ibm.com/software/products/fr/predictive-customerintelligence
ibm.com/software/products/en/predictive-customerintelligence
De plus, IBM Global Financing peut vous permettre
d’acquérir la solution dont vous avez besoin de la manière
la plus appropriée. Les clients qualifiés pour un crédit
bénéficieront d’une solution de financement adaptée à leurs
objectifs, à leur gestion de trésorerie et au coût total de
possession. Financez vos investissements informatiques
critiques et poussez votre organisation plus loin avec
IBM Global Financing. Pour plus d’informations, visitez
le site ibm.com/financing/fr
7
IBM France
17 Avenue de l’Europe
92275 Bois Colombes Cedex
IBM, le logo IBM et ibm.com sont des marques d’International Business
Machines Corp., déposées dans de nombreux pays du monde. Les autres
noms de produits et de services peuvent être des marques d’IBM ou
d’autres sociétés. Une liste actualisée des marques IBM est accessible
sur le web sous la mention « Copyright and trademark information »
à l’adresse ibm.com/legal/copytrade.shtml
Ce document est considéré comme à jour à sa date initiale de
publication et peut être modifié par IBM à tout moment. Toutes les
offres ne sont pas disponibles dans tous les pays où IBM est présent.
Les données de performance et les exemples de clients fournis ne sont
mentionnés qu’à titre d’information. Les performances réelles peuvent
varier selon les configurations et les conditions d’exploitation. LES
INFORMATIONS CONTENUES DANS CE DOCUMENT SONT
FOURNIES « EN L’ÉTAT », SANS AUCUNE GARANTIE
EXPRESSE OU TACITE, NOTAMMENT SANS AUCUNE
GARANTIE DE QUALITÉ MARCHANDE OU D’ADAPTATION
À UN EMPLOI SPÉCIFIQUE, ET SANS AUCUNE GARANTIE
OU CONDITION DE NON INFRACTION VIS-À-VIS DES LOIS.
Les produits IBM bénéficient de la garantie décrite dans les conditions
générales des contrats dans le cadre desquels ils sont fournis.
© Copyright IBM Corporation 2015
Accenture, « A Critical Balancing Act: US Retail Banking in the Digital
Era », 2013, http://www.accenture.com/SiteCollectionDocuments/
PDF/Accenture-Consumer-US-Retail-Banking-Survey.pdf
1
Ibid.
2
Ibid.
3
4
EY, « Winning through customer experience: EY Global Consumer
Banking Survey 2014 », http://www.ey.com/Publication/
vwLUAssets/EY_-_Global_Consumer_Banking_Survey_2014/
$FILE/EY-Global-Consumer-Banking-Survey-2014.pdf
Veuillez recycler
IMW14822-FRFR-00