Comment une banque s'est servie de l'auto-apprentissage pour augmenter ses fonds de 16 % en fidélisant ses clients

L'une des succursales d'une banque nationale bien connue en Chine était confrontée à un problème de fidélisation des clients de ses services de banque privée. Chaque compte exige un dépôt minimal journalier de 10 millions de yuans (1,5 million de dollars US). La banque a donc compris qu'il serait nettement plus coûteux d'acquérir de nouveaux clients que de fidéliser ceux existants. Le problème était que les taux de résiliation (le pourcentage de détenteurs de compte qui se désabonnent des services) dépassaient les estimations au cours des trimestres précédents.

Le défi

La banque a mesuré un taux de résiliation compris entre 5 % et 13 %. Il s'agissait de clients de services de banque privée qui avaient transféré leur compte d'épargne vers d'autres produits ou banques sur une période de quelques mois. Le service des contrats à terme et des dépôts était celui qui enregistrait le plus grand nombre de résiliations. La banque a chargé son service marketing de mener une campagne promotionnelle ciblant les clients les plus susceptibles de retirer leur épargne. Le défi consistait à identifier les clients à hauts revenus les plus susceptibles de se désabonner et à les sensibiliser par des campagnes promotionnelles ciblées pour les dissuader de transférer leur épargne vers d'autres produits ou banques.

Solutions apportées par SPM

L'équipe du projet a eu recours à TreeNet®, un moteur d'auto-apprentissage de Salford Predictive Modeler (SPM), pour déterminer les résiliations potentielles. QY Datatech Inc, partenaire agréé de Minitab en Chine, a présenté la solution Salford Predictive Modeler (SPM) à l'équipe. Le choix s'est porté sur TreeNet en raison de sa flexibilité, de sa précision et de sa capacité à traiter des structures de données comportant un grand nombre d'observations.

TreeNet a permis à l'équipe en charge du projet d'isoler rapidement les variables les plus importantes et d'illustrer visuellement la relation entre ces variables et la probabilité de résiliation. Le modèle TreeNet lui a permis de visualiser les différentes couches d'interaction entre des variables complexes. Dans ce cas, ces variables comprenaient le montant de l'épargne, les achats d'or et autres investissements, l'heure des transactions, le montant des transactions, la profession, la couverture sociale, les dettes, la limite de la carte de crédit, le patrimoine immobilier et la possession d'une automobile.

Après avoir retiré les clients peu réactifs de la liste et validé les modèles, l'équipe a identifié un groupe cible de clients VIP. Les modèles ont permis de prévoir la réactivité des clients aux campagnes promotionnelles à partir des campagnes précédentes.

L'équipe s'est servie de l'analyse TreeNet, car l'automatisation lui a permis en seulement quelques clics d'obtenir un modèle initial prêt à l'emploi et proposant des résultats fiables. TreeNet l'a ensuite aidé à réaliser des analyses plus complexes en seulement quelques jours.

Le graphique de dépendance à deux variables du modèle TreeNet montre que deux variables, "situation maritale" et "nombre de ménages par région", ont une influence visible sur la variable cible, à savoir la probabilité pour un client de réagir aux campagnes promotionnelles. L'équipe du projet peut ainsi facilement distinguer les clients fortement réactifs des clients peu réactifs.

Le récapitulatif de l'importance des variables de TreeNet indique à l'équipe les variables susceptibles d'influer sur l'interaction cible. Plus la valeur de la variable est élevée, plus forte est sa probabilité de contribuer au résultat cible.

Le rapport récapitulatif de TreeNet présente les performances du modèle dans une fenêtre. Les statistiques quantitatives y sont répertoriées et peuvent être comparées avec celles d'autres modèles, y compris ceux générés avec d'autres outils, comme la courbe ROC, la courbe de lift, le test K-S et le taux de mauvaise classification.

Les résultats

Au final, la banque a réussi à prévoir, avec un niveau de confiance compris entre 80 % et 90 %, qu'au cours des deux mois suivants, elle risquait de perdre 1 700 de ses 12,9 millions de clients de services de banque privée au profit d'un autre fournisseur de services bancaires ou financiers.

La banque a alors mené une campagne promotionnelle auprès de ces clients VIP. Elle a ainsi réussi à réduire le taux de départ de ces clients et à augmenter la quantité de fonds conservés. En outre, les actifs sous gestion des clients (à savoir les dépôts, les contrats à terme, les actions et l'or) conservés par la banque ont enregistré une augmentation de 16 %.

ORGANISATION

Succursale d'une banque nationale en Chine

PRESENTATION

  • Banque commerciale par action nationale chinoise fondée en 1992 et agréée par la Banque populaire de Chine avec siège social à Pékin
  • En 2018, cette banque avait déjà ouvert 1 196 succursales en Chine pour que son réseau de prestations couvre l'intégralité des provinces administratives. Ses points de vente institutionnels sont disséminés à travers 129 centres économiques du pays

DEFIS

  • Entre 5 % et 13 % des clients de services de banque privée avaient résilié leur contrat au profit de la concurrence
  • Chaque compte de banque privée exige un dépôt minimal journalier de 10 millions de yuans CNY, soit 1,5 million de dollars US

PRODUITS UTILISES

Salford Predictive Modeler

RESULTATS

  • La campagne promotionnelle ciblée s'est adressée aux clients VIP les plus susceptibles de se désabonner
  • Le nombre de résiliations de la part de clients VIP a été réduit
  • Les actifs sous gestion ont augmenté de 16 %

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu. Lisez notre politique

OK