Connecter la fidélité, l'analyse et la personnalisation dans le secteur des paiements

Les organisations qui aiment la prise de décision basée sur les données sont confrontées au même défi. Comment gagner la confiance des consommateurs pour obtenir les bonnes données les concernant, le tout dans le but de mieux les servir? Ce problème classique de «si j'en savais plus, je pourrais faire plus» est plus facilement résolu par l'axiome suivant: «Avec les bonnes incitations, les clients vous donneront leurs données.»

Les clients «vendent» leurs données tout le temps sous forme de programmes de fidélité et de récompenses. Je vous indiquerai mes marques préférées, et vous et votre partenaire obtiendrez le même historique de revenus et d'achats. Par exemple, si j'échange mes points de carte de crédit contre de l'argent comptant, l'organisation sait que je pourrais avoir des besoins immédiats que l'argent peut aider à résoudre. De même, si j'échange tous mes points contre du lait maternisé, vous pouvez prédire que ma femme attend.

Étude de cas

La plupart des institutions comprennent que les transactions montrent des préférences. Par exemple, l'achat d'une boîte de 32 onces de raisins secs par impulsion peut montrer une préférence ou une «affinité» pour les raisins secs. Cependant, les récompenses ou la fidélité indiquent une relation beaucoup plus profonde. Alors qu'une carte de crédit Chicago Bears signifie probablement que je n'achèterai pas de maillot Aaron Rogers, une carte Ann Taylor Loft peut indiquer que j'aime les vêtements élégants mais lavables en machine. Cette idée s'étend à chaque élément de fidélité client. Surtout maintenant, les données acquises à partir des programmes de fidélité montrent aux marques des moyens pertinents pour interagir avec les clients.

De plus, les données de fidélité et de revenus sont prédictives. Rien ne changera mon amour pour les Chicago Bears, et en tant que tels, les marques feraient bien si elles pouvaient prédire que j'agirai comme les autres fans des Bears. Cette modélisation similaire et cette cartographie des préférences sont l'une des clés pour fournir des expériences pertinentes en contexte. C'est extrêmement important dans les services financiers. Et dans le cas des réseaux de paiement, le type de paiement, couplé aux détails du contrat de fidélité, est un argumentaire de vente particulièrement convaincant.

Par exemple, imaginez un aéroport avec un restaurant de hamburgers. Si mon concurrent a une carte de marque pour cet établissement, mais que j'ai des données sur les récompenses pour montrer qu'il existe un marché largement inexploité pour une de mes cartes (basé sur les récompenses des clients liées aux «mangeurs de hamburgers» dans cette géographie ou à proximité de ces hamburgers endroits), je pourrais peut-être raconter une histoire convaincante et amener le restaurant de hamburgers à changer de fournisseur. En d'autres termes, les données de fidélité ne font pas qu'améliorer l'expérience client du titulaire de la carte; il améliore la capacité d’une organisation à vendre et à vendre à toutes les parties concernées. Cette approche des «données polyvalentes» de l'insight est la clé d'un programme de récompenses pertinent et optimisé.

Source link