LCL s’équipe pour affiner la segmentation de sa clientèle

le 24/02/2011 L'AGEFI Hebdo

Avec un logiciel spécialisé et quelques statisticiens, la banque a mis sur pied une nouvelle approche plus fine car fondée sur des critères comportementaux.

Bien connaître son fonds de commerce est devenu un enjeu concurrentiel pour les banques de détail. Mais avec des bases de millions de clients enrichies de millions de données, rares sont les établissements qui parviennent à avoir une vision affinée de leurs différentes catégories de clientèles. Les segmentations reposent encore souvent sur des données assez générales et pas systématiquement à jour : l’âge, le niveau de revenus, la profession… Or aujourd’hui, les clients sont devenus beaucoup plus exigeants et veulent avoir une relation personnalisée avec leur banque. Les mailings de masse proposant un produit dans le cadre d’une opération commerciale générique ont ainsi montré leurs limites, les retours sont très faibles pour un coût non négligeable. Pour mettre en œuvre une relation satisfaisante pour les clients, c’est-à-dire fondée sur des sollicitations pertinentes par rapport à leurs besoins, il est nécessaire de comprendre leurs attentes en profondeur et donc de « faire parler les données » pour en tirer une connaissance intelligente et exploitable sur le plan commercial.

Dans cet esprit, LCL, qui se positionne comme une banque innovante prenant le parti de ses clients, s’est intéressé à son portefeuille de 6 millions de clients en 2009 avec l’objectif de refondre sa segmentation. Il s’agissait de tenir compte de leur comportement bancaire ainsi que des événements importants de leur vie (mariage, naissance, entrée dans la vie active, acquisition d’un bien immobilier…) qui affectent leur consommation de produits bancaires, afin d’être en mesure d’adapter l’offre, voire d’anticiper leurs besoins. Pour cela, la banque s’est appuyée sur Coheris Spad, un logiciel de datamining (exploitation de données) utilisé par l’équipe de statisticiens chargés des études. Dans un premier temps, le service a lancé une étude de probabilités (scoring) de la base clients pour modéliser l’activité. C’est ainsi qu’ont été mis en évidence des critères de multibancarisation, ces derniers permettant de comprendre si LCL était utilisée comme banque principale ou secondaire.

« Concrètement, une étude de ‘scoring’ consiste à proposer une campagne commerciale à un échantillon de population pour en vérifier la pertinence, explique Didier Gaultier, directeur des divisions datamining et avant-vente chez Coheris. Les résultats de ce test sont ensuite intégrés à la base de données. Puis, on fait fonctionner Coheris Spad qui, à partir des résultats de ce test, est capable de prédire précisément le résultat de cette même campagne si elle est déployée auprès de toute la population cible. La banque peut ainsi connaître la performance de son opération commerciale avant de la lancer. »

Faire parler les données

Plus précisément, à chaque personne est attribué un score, autrement dit un chiffre de 0 à 1.000 correspondant à la probabilité qu’elle achète le produit. Logiquement, la banque commence donc par déployer la campagne auprès des clients présentant les scores les plus élevés et la réponse est alors fortement positive. Elle poursuit la même campagne par vagues successives auprès de groupes de clients ayant des scores inférieurs décroissants. Lorsque la courbe des réponses commence à s’aplatir, on considère que le niveau maximal d’efficacité est atteint. Si la banque décide de continuer la campagne auprès des autres clients, elle risque de descendre au break-even ou point d’équilibre, c’est-à-dire le niveau où l’opération non seulement ne lui rapportera plus mais commencera à coûter plus cher qu’elle ne rapporte. C’est l’un des intérêts du logiciel qui donne ainsi des éléments de pilotage et permet d’ajuster l’opération aux objectifs poursuivis.

Dans un deuxième temps, LCL utilise Coheris Spad pour croiser ces critères avec des variables comportementales de la base clients, et lance une étude factorielle : il s’agit d’un traitement qui permet de regrouper les données redondantes pour sélectionner des informations significatives. « Plus on injecte de données dans Spad, plus on obtient des résultats intéressants et fiables sans perte d’information, souligne Didier Gaultier, ce qui est un avantage par rapport aux autres outils similaires. L’analyse factorielle aboutit à une information simplifiée qui sait faire la différence entre les variables discriminantes, c’est-à-dire ayant une influence sur le ‘scoring’, et celles qui ne le sont pas. Par exemple, en marketing, on a souvent surestimé le poids de certaines variables telles que l’âge alors que la segmentation fondée sur des données comportementales est beaucoup plus pertinente. » LCL s’est ainsi aperçu que les changements de vie, comme le mariage, une naissance, l’entrée dans la vie active, l’acquisition d’un bien immobilier, un divorce, etc. avaient une grande importance dans la façon dont les clients consomment la banque. C’est sur ces bases que la nouvelle segmentation a été faite. « En outre, l’analyse factorielle, suivie d’une typologie, fait ressortir sous forme graphique des nuages de points qui sont autant de comportements différents, décrit Didier Gaultier. Elle regroupe aussi les clients ayant un comportement similaire, ce qui fait parfois apparaître des éléments insoupçonnés. C’est ainsi qu’apparaissent des points communs entre clients d’âges, de professions, de niveaux de revenus différents mais ayant le même comportement bancaire, et c’est ainsi que l’on identifie un segment de clientèle. Cela peut servir de base à une campagne ciblée promouvant une offre correspondant aux besoins identifiés par la banque. »

Ainsi, par une meilleure connaissance de ses clients, la banque est en mesure de savoir quelles opérations commerciales auront de bons résultats, d’améliorer leur formulation pour bien correspondre aux attentes et d’établir une stratégie commerciale cohérente et efficace. Le travail statistique achevé, les professionnels du marketing interviennent, car les deux compétences sont nécessaires et complémentaires.

Adhésion du réseau

Une fois les modèles comportementaux établis, LCL les a déployés auprès du réseau avec deux objectifs : confronter le travail théorique à la réalité de terrain pour enrichir encore ces modèles, et ensuite faire en sorte que le réseau commercial s’approprie la nouvelle segmentation pour mieux s’en servir. Puis la segmentation a été incluse dans le poste de travail des chargés de clientèle avec les recommandations de produits et services à proposer selon le segment auquel appartient le client. Ce qui permet aux commerciaux de mieux préparer les entretiens et de gagner en temps et en efficacité.

Pour autant, refondre une segmentation ne peut être un acte unique : les comportements évoluent, les segments peuvent bouger et des clients peuvent aussi changer de segment. Par exemple, les consommateurs achètent des biens immobiliers alors qu’ils sont de plus en plus âgés, les femmes ont des enfants de plus en plus tard… Autant de glissements de comportements qu’il faut suivre pour ne pas passer à côté des tendances. C’est pourquoi LCL réalise chaque mois une mise à jour des ciblages et de la segmentation. Et une fois par an, la banque reprend toute la démarche statistique, ce qui permet d’identifier les variables qui prennent de l’importance. Et ainsi d’adapter son offre.

A lire aussi