L`analyse client dans le secteur bancaire

Secteur bancaire
IBM Software
L’analyse client dans le
secteur bancaire
Quatre étapes pour maximiser la rentabilité client
Les faits
Dans le sillage de la crise financière mondiale, les établissements bancaires
s’emploient aujourd’hui à trouver les moyens les plus efficaces pour
rétablir la confiance et favoriser une croissance stable et à long terme.
Et dans ce contexte de sortie de crise, la primauté du client est impérative.
Selon l’étude mondiale IBM 2012 sur les chefs d’entreprise, 70 % des
chefs d’entreprise sur les marchés bancaires et financiers ont identifié
les informations issues des interactions client comme étant la cible
numéro un pour les investissements afin de créer une valeur économique
pérenne. 1 Afin d’atteindre une rentabilité sur le long terme, les banques
doivent être en mesure d’accroître la part de portefeuille, d’améliorer
la satisfaction et la fidélisation des clients à moindre coût et d’anticiper
leurs besoins.
Parallèlement, les clients actuels ont plus de cartes en mains et plus de
choix en termes de fournisseurs de services financiers. Ils sont plus
avisés, plus attentifs aux prix et beaucoup moins fidèles. Ils savent
comment ils veulent être traités et attendent de leur banque qu’elle le
sache également. Les banques qui ne comprennent pas les besoins du
client ou qui ne sont pas en mesure de les comprendre sont confrontées
à toutes sortes de difficultés avec un impact direct sur leurs recettes et
leur rentabilité.
Toutefois, en recourant à l’analyse et en exploitant leurs stocks de données
client, les banques ont la possibilité de mettre en exergue de précieuses
informations sur les besoins des clients et d’utiliser ces informations
pour établir des relations plus solides et plus profitables. L’analyse
client génère une vue à 360 degrés de chaque client avec sa rentabilité,
les risques qui lui sont propres, sa propension à acheter de nouveaux
produits et ce qu’il faut faire pour maintenir son niveau de satisfaction
et sa fidélité. Cette analyse aide les banques à déterminer les conditions
à remplir pour placer les clients au centre des stratégies à long terme
qui seront porteuses de croissance. Par ailleurs, les connaissances générées
par l’analyse client relient et alimentent les processus de planification,
d’élaboration budgétaire et de prévision, permettant ainsi aux banques
de gérer et d’optimiser leurs performances financières avec plus d’efficacité.
Dans ce livre blanc, vous découvrirez les bases de l’analyse client, ses
applications dans l’environnement bancaire actuel et les avantages qu’elle
peut apporter à votre organisation. Vous découvrirez également les
solutions d’analyse client éprouvées d’IBM auxquelles les banques de
tous horizons recourent pour améliorer leur rentabilité client.
Business Analytics
Les points clés
L’analyse client aide les banques à améliorer
leurs campagnes marketing, à maximiser
la rentabilité client, à décider des tarifs, à
promouvoir les initiatives de ventes croisées
et à plus haute valeur unitaire, à renforcer
la délisation et à accroître la valeur du
cycle de vie des clients.
Dans ce livre blanc, vous découvrirez
comment votre organisation peut utiliser
l’analyse client pour comprendre ce que
vos clients attendent et ce qu’ils vont faire,
avec un descriptif des fonctionnalités clés
requises pour une conduite efcace de
cette analyse.

Business Analytics
IBM Software Secteur bancaire
2
Une explosion de données
Tout comme les autres secteurs d’activité, le secteur bancaire a vu ses
volumes d’informations client exploser – ce qui recouvre absolument tout
depuis les simples données démographiques jusqu’aux enregistrements
transactionnels en passant par des informations telles que les produits
acquis par la clientèle, leurs préférences de services, les contenus des
journaux d’activités en ligne, les interactions avec le centre d’appels,
les contenus des média sociaux et les retours d’informations, dont les
réclamations et les demandes de renseignements. Ceci dit, beaucoup
d’entreprises n’ont pas été en mesure de transformer ces volumes massifs
de données en éclairages décisionnels qui leur soient profitables. Une
grande partie de ces données est ignorée, mal gérée ou sous-exploitée.
Il s’agit là d’un point important car, sans une capacité à analyser
efficacement les données relatives aux clients, les banques n’ont aucune
idée de ce que veulent leurs clients. Elles ne sont pas en mesure de
déterminer le niveau de service à offrir, les actions propres à maintenir
la fidélité et la satisfaction des clients, ni même les moyens d’anticiper
leurs futurs besoins financiers et d’y répondre. Cependant que les
banques rivalisent avec acharnement autour des clients de valeur, ce
manque d’éclairage s’accompagne de lourdes conséquences. Il impacte
directement les recettes et la rentabilité, avec une part de portefeuille
modique ou déclinante, des campagnes marketing inefficaces, des taux
d’attrition élevés et un cycle de vie client en perte de valeur.
Libérer la valeur des données
Toutefois, en recourant à l’analyse client, les banques ont la possibilité
de libérer la valeur que recèlent leurs informations sur les clients. Elle
leur permet d’atteindre une profonde connaissance de leurs clients, de
prédire leurs besoins futurs et d’établir des relations plus étroites et
plus profitables. L’analyse client tire parti des informations disponibles
sur tout le périmètre de l’établissement bancaire pour produire une vue
unique et unifiée de chaque client avec les potentialités qu’il représente.
D’un point de vue pratique, l’intérêt de l’analyse client tient à sa capacité
à améliorer spectaculairement tout un éventail d’initiatives orientées
client permettant aux banques de :
• Elaborer et exécuter des campagnes plus efficaces pour un meilleur
retour sur investissement du marketing
• Surveiller, mesurer et optimiser la rentabilité client
• Décider de tarifs commerciaux qui maximisent la rentabilité et
minimisent le risque
• Mieux cibler la clientèle afin d’améliorer les initiatives de ventes
croisées et à plus haute valeur unitaire
• Tirer parti des média sociaux pour comprendre ce que pensent
les clients
Le processus analytique
Comment précisément les banques peuvent-elles générer de la valeur
à partir de leurs analyses client ? Le parcours comprend quatre étapes
de base : consolider les informations client, prédire ce que veut le client,
personnaliser les interactions avec le client et intégrer les résultats dans
le processus afin d’optimiser les futures prédictions. Nous commencerons
par une vue d’ensemble de chaque étape de ce processus analytique
avec les capacités spécifiques requises et un certain nombre de scénarios
propres au secteur bancaire et démontrant les avantages du processus
mis en œuvre. Nous examinerons ensuite le logiciel IBM éprouvé sur
lequel les banques s’appuient pour effectuer leurs analyses client et
améliorer la rentabilité.
First Tennessee Bank
La First Tennessee Bank se doutait qu’elle
gaspillait chaque année des milliers de
dollars dans ses campagnes de marketing
direct, parce qu’elle portait plus son
attention sur ses produits que sur les
besoins de ses clients. Malgré l’abondance
des données disponibles, la banque restait
peu informée sur les préférences et les
comportements de ses clients particuliers.
Après mise en œuvre d’une solution
d’analyse client IBM, la First Tennessee
Bank est parvenue à une compréhension
en profondeur de ses clients et a pu
stimuler la demande en ciblant ceux qui
étaient enclins à acheter de nouveaux
produits. Elle a ainsi réduit ses coûts de
marketing direct de 20 pour cent tout en
augmentant le taux de réponse de ses
clients de 3,1 pour cent. Elle a par ailleurs
généré un retour sur investissement
global de 600 pour cent grâce à une
meilleure efcience dans l’attribution des
ressources marketing.
« L’analyse client
IBM permet à la First
Tennessee de dégager
de ses données une
quantité d’informations
sans précédent, ce qui
accroît l’efcience et
la rentabilité de nos
campagnes marketing ».
— Tanner Mueller, responsable de la base de
données de marketing direct, First Tennessee
Bank

Business Analytics
IBM Software Secteur bancaire
2 3
Etape 1 : Consolider les informations client
La première étape du processus et le fondement de l’analyse client
consistent, bien évidemment, à réunir les informations brutes. Les
données client en provenance du vaste écheveau de sources et de systèmes
disponibles à tous les niveaux de l’organisation – ce qui inclut à la fois
des sources de données structurées et non structurées – doivent être
consolidées dans une unique vue. Les données utilisées pour créer
cette vue unifiée recouvrent les quatre grandes catégories de données :
données démographiques (ex. : âge, revenu, profession, situation de
famille), informations sur les produits (ex. : mouvements des comptes,
soldes, préférences de paiement, produits acquis), informations sur les
interactions (dont utilisation des canaux, demandes de service, réclamations
et activités en ligne) et informations sur les opinions (motivations
influant sur le comportement du client, résultats d’enquêtes et taux de
prescription). Il n’est pas nécessaire que ces données soient « parfaites »
avant passage à l’analyse. Dans la mesure où il s’agit d’un processus continu,
vous aurez maintes occasions d’améliorer et d’affiner vos données au
cours des itérations qui suivront.
Bien souvent, même si ces volumes d’informations sont facilement
accessibles au sein de la plupart des établissements bancaires, ceux-ci
ne les utilisent pas et n’en tirent pas pleinement parti. Or, en accédant
à ces informations, en les organisant et en les analysant, les banques
peuvent dégager de précieuses connaissances touchant à la fois à la
clientèle et à l’ensemble des activités et qui peuvent être déployées et
exploitées à tous les niveaux de l’entreprise. Voici quelques-uns des
types de données sur lesquels vous devez vous concentrer pour la réussite
des étapes suivantes du processus :
• Données relatives aux campagnes marketing – exemples : historique
des contacts, réponses et achats, résultats des campagnes de test
• Interactions dans le cadre des services – exemples : journaux des
appels, e-mails, demandes d’informations et réclamations
• Données de vente concernant les produits, les services et l’historique
des relations du client avec la banque
• Données clients telles que données démographiques, mouvements
des comptes, produits acquis et activités sur les canaux, relations
commerciales et personnelles
• Données sur les opinions capturées dans les retours d’informations
client issues de différentes sources (média sociaux, messagerie,
enquêtes) et qui apportent des connaissances quant aux besoins et
préférences des clients
Etape 2 : Prédire les souhaits des clients
Les informations capturées peuvent maintenant être analysées via des
modèles prédictifs qui vont vous aider à comprendre et à anticiper ce
que les clients veulent et ce qu’ils vont faire. Ces modèles utilisent l’analyse
prédictive pour évaluer les données et déterminer la probabilité
d’événements futurs. Par exemple, vous pourrez recourir à des modèles
prédictifs pour déterminer la probabilité qu’un client donné réponde à
une offre en ligne ou dans le cadre d’une campagne marketing – ou
bien pour prédire les actions les plus efficaces pour établir des relations
profitables et à long terme avec les clients. Comme mentionné à l’étape 1,
les données que vous fournissez pour ces modèles prédictifs sont
déterminantes. Les données non structurées peuvent être une ressource
particulièrement intéressante pour obtenir une vue complète, à 360 degrés
de chaque client.
Banco Itau
Banco Itau Argentine avait besoin de
passer d’une stratégie de marketing axée
sur les produits à une stratégie plus
orientée sur le client an d’optimiser ses
efforts de ventes croisées et d’acquisition
de clients. Grâce aux solutions
IBMBusiness Analytics, Banco Itau peut
désormais analyser les données des
clients existants, prédire quels clients sont
susceptibles de répondre à des offres de
vente croisée et déterminer le ’client idéal’
sur lequel ils devraient se concentrer pour
l’acquisition de nouveaux clients, an
d’assurer une rentabilité maximale.
Grâce à ses solutions IBM Business
Analytics, Banco Itau Argentine a réussi, en
un an, à augmenter les revenus provenant
des clients existants de 40 % et à améliorer
sa marge totale sur coûts variables, pour
les particuliers, de près de 60 %.
« Nous voulions
augmenter la satisfaction
client et sa valeur pour
l’entreprise tout en
optimisant la rentabilité
de la banque via l’analyse
et l’exécution de stratégies
optimales pour les ventes
croisées et l’acquisition de
clients. C’est pourquoi nous
avons choisi les solutions
IBM Business Analytics ».
— Mauricio González Botto, Directeur général,
Banco Itau Argentina

Business Analytics
IBM Software Secteur bancaire
4
Les sources telles que les messages des blogs, les réseaux sociaux et les
questions ouvertes des sondages peuvent aider à découvrir des informations
détaillées sur les préférences des clients, leurs attitudes et leurs
comportements. L’analyse du ressenti permet de déterminer si les
sujets relatifs à la banque en cours de discussion sont abordés de façon
négative, positive, neutre ou ambivalente. Les modèles prédictifs peuvent
alors aider à déterminer le meilleur plan d’action à adopter et à tirer
profit de cette connaissance des clients.
Par exemple, une banque peut suivre les conversations des clients
actuels et potentiels sur les sites de médias sociaux tels que Twitter et
Facebook et sur les forums afin d’identifier les tendances de l’opinion,
de détecter les risques possibles liés à la réputation et de jauger le
sentiment de la clientèle des concurrents. Ces connaissances peuvent
être utilisées pour orienter toute une variété de décisions par exemple,
quels messages doivent être utilisés pour attirer les prospects, sur quoi
dépenser l’argent de la publicité, quelles actions entreprendre pour
accroître la satisfaction client et quelles faiblesses des concurrents cibler.
Etape 3 : Personnaliser les interactions avec les clients
Maintenant que vous connaissez les meilleures actions à entreprendre,
la démarche suivante va consister à personnaliser les interactions avec
les clients de valeur en intégrant ces nouveaux éclairages dans vos
processus et systèmes opérationnels. Par exemple, les informations
prédites pour les réponses aux ventes croisées pourront être introduites
dans vos programmes marketing direct, ceci sur la base d’une analyse
des transactions client et des interactions de services. Les clients vont
recevoir individuellement des offres de marketing direct répondant à
leurs attentes et la banque ne perdra pas de temps ou d’argent à cibler
les clients qu’une offre particulière n’intéresse aucunement. Et dans la
mesure où l’analyse permet de déterminer la rentabilité de chaque client,
vous pouvez affiner la personnalisation des offres de manière à ce que
ces offres augmentent la valeur du cycle de vie du client au fil du temps.
Vous pouvez également exploiter les connaissances client prédictives
pour orienter les actions des employés de vos succursales ou de votre
centre d’appels. En communiquant à vos employés des informations client
agrégées qu’ils visualiseront en un coup d’oeil, vous leur permettrez
de déterminer quels sont les clients insatisfaits et justifiant un petit
supplément d’attention, et ils sauront où orienter leurs efforts de
fidélisation ou de vente croisée. Ainsi, la personnalisation des interactions
avec les clients vous aide à renforcer leur fidélité, à accroître les taux
de réponse, à réduire les coûts marketing et à maximiser la rentabilité
des clients.
Etape 4 : Optimiser vos prédictions
L’analyse client n’est pas un processus linéaire. Avec chaque itération,
vous accédez à de nouvelles connaissances que vous pouvez intégrer
dans le processus analytique, améliorant ainsi en permanence les
performances futures. En axant peu à peu l’analyse sur un plus grand
nombre de sources et en affinant les sources déjà prises en compte,
vous pouvez considérablement enrichir la vue de vos clients et améliorer
la précision de vos modèles prédictifs. Et avec un éclairage analytique
direct sur les résultats des initiatives de vos clients, vous pouvez isoler
les paramètres ou indicateurs de performance clés qui guideront vos futurs
efforts. Vous disposez ainsi de données parlantes sur ce qui a fonctionné
ou non dans vos initiatives marketing ou commerciales. Vous êtes alors
en mesure d’anticiper ce que vous pourrez faire la prochaine fois pour
obtenir de meilleurs résultats, réduire les coûts et améliorer l’efficience
globale.
Après mise en œuvre de la technologie
d’analyse client, une coopérative bancaire
européenne a vu ses coûts de campagne
marketing diminuer de 30 pour cent.
Une autre institution nancière de premier
plan a vu ses recettes annuelles
augmenter de 20 pour cent grâce à des
campagnes marketing ciblant des
prospects mieux qualiés.

Business Analytics
IBM Software Secteur bancaire
4 5
La dernière étape est l’intégration de l’analyse dans vos processus
opérationnels. Ainsi, vous pouvez facilement gérer d’importants actifs
analytiques client tels que les modèles prédictifs ou les évaluations des
clients. Ces actifs doivent être stockés en un point central et en toute
sécurité avec un accès utilisateur basé sur le rôle. Vous pouvez également
automatiser tout ou partie des processus analytiques de telle sorte que
les modèles et les évaluations soient automatiquement actualisés pour
une précision et des taux de réponse accrus. Une fois que les modèles
prédictifs vous ont indiqué la probabilité pour qu’un client réponde,
l’optimisation des décisions vous précise comment utiliser cette
information avec un maximum d’efficacité. Par exemple, les responsables
du centre d’appels ou des relations sauront précisément quels services
ou offres sont les plus appréciés par les clients et les plus profitables
pour la banque, et ils s’appuieront sur ces connaissances pour prendre
des mesures propres à maximiser la rentabilité de chaque interaction
avec le client. Par ailleurs, l’automatisation minimise l’implication des
analystes, ce qui leur permet de se consacrer à d’autres priorités.
Les connaissances résultant de l’analyse client peuvent considérablement
améliorer vos processus de planification, de budgétisation et de prévision.
En vous appuyant sur l’analyse client pour la planification commerciale,
la modélisation des stratégies, l’analyse des scénarios et le calendrier
des actions, vous êtes mieux à même de répondre à des questions clés
quant aux modalités d’attribution des ressources et aux retours à attendre
des différents investissements. Par exemple, vous pourrez déterminer
le budget à allouer aux équipes de vente et de marketing ou les coûts
qu’implique la rétention d’une catégorie de clients particulière. Cette
approche s’accompagne d’avantages exceptionnels au niveau de vos
chiffres globaux en vous permettant d’assurer un pilotage des performances
financières plus éclairé et plus efficace.
Devancer la concurrence et maximiser
la rentabilité
Les établissements bancaires qui suivent ces différentes étapes bénéficient
d’une vue unique spécifique à leurs clients que la concurrence aura bien
du mal à reproduire. Ces établissements sont en position d’identifier
leurs clients les plus précieux, de déterminer leurs attentes et de prévoir
comment ils seront probablement amenés à se comporter dans le futur.
Et qui plus est, il leur est possible d’agir sur ces informations de manière
à améliorer le retour sur investissements marketing, mieux satisfaire
et fidéliser la clientèle et accroître les revenus.
Voici quelques scénarios simples montrant comment l’analyse client
optimise les interactions des banques avec les clients pour une rentabilité
maximale.
Maximiser l’efficience du marketing – L’analyse client aide les banques
à cibler les clients spécifiques les plus susceptibles de répondre aux
campagnes marketing et à déterminer les offres que ces clients trouveront
les plus intéressantes. En ciblant le bon client avec la bonne offre au
bon moment, vous améliorez les relations existantes avec ce client
ainsi que l’efficience du marketing.