Ces dernières années, le débat sur la personnalisation de l'expérience client dans la banque de détail s'est peu à peu estompé. Interrogés sur les facteurs de réussite des banques au cours des trois prochaines années, les dirigeants ayant participé à l'étude menée par Moneythor et FinTech Futures ont placé la rapidité et la simplicité des services numériques en tête (39%), suivis de près par la personnalisation de l'expérience client (20%). La compétitivité des prix et des frais, qui pendant la majeure partie de l'histoire du secteur aurait sans difficulté dominé un tel classement, arrive en troisième position (16%).
Ce secteur ne se repose pas sur ses lauriers. Les banques participant à l'étude lancent en moyenne seize initiatives d'engagement personnalisé par an, et consacrent environ 4,8 mois à la mise en œuvre de chacune d'elles, de la conception au lancement. C'est un volume de réalisation considérable pour une fonctionnalité supposément cantonnée au stade de projet pilote.
Pourtant, les résultats n'ont pas évolué au rythme des efforts déployés. Le taux d'abandon client reste en moyenne de 131 000 ₹ par trimestre, 791 000 banques affichant des taux compris entre 51 000 ₹ et 301 000 ₹ par trimestre, alors qu'il faut généralement plus de douze mois pour qu'une relation client devienne rentable. La pression sur les marges et l'acquisition de nouveaux clients ont été identifiées comme les principaux freins à la croissance du secteur de la vente au détail, avec un taux de 221 000 ₹ par trimestre. À la lumière de ces résultats et des chiffres relatifs à la prestation de services, les explications évidentes semblent bien minces. Ce secteur est convaincu de l'importance de la personnalisation et n'a pas négligé d'investir.
Ce qui lui fait défaut, d'après les recherches, c'est le contrôle du moment.
Deux horloges, et une seule est gérée
Dans une banque, chaque relation client fonctionne selon deux rythmes différents, et ces deux rythmes n'ont pratiquement rien à voir l'un avec l'autre.
Le premier facteur est le délai de mise en œuvre, mesuré en mois et en trimestres : le temps nécessaire pour définir le périmètre d’une fonctionnalité, obtenir son approbation, la développer et la proposer aux clients. Les banques maîtrisent parfaitement ce délai. Elles adaptent leurs effectifs en conséquence, rendent compte de leurs progrès et ont considérablement amélioré leur rapidité, ce que représentent ces seize initiatives annuelles.
Le second cycle est plus court et beaucoup moins visible. Il se déclenche lorsqu'un événement financier important survient dans la vie du client et s'arrête lorsque la banque intervient de manière pertinente. Un salaire arrive avec une semaine de retard. Un abonnement à un service de streaming est renouvelé à un prix presque deux fois supérieur à celui de l'année dernière. Un solde se rapproche d'un ordre de virement permanent qui sera débité jeudi, que les fonds soient disponibles ou non. Une carte est utilisée à l'étranger pour la première fois. Chacun de ces événements représente une occasion où une banque pourrait se montrer réellement utile, et chacun a une période d'intervention limitée dans le temps.
La pertinence se joue au second moment. La plupart des institutions ne gèrent que le premier, c'est pourquoi une campagne validée en mars ne peut rien dire de pertinent sur un événement survenu un mardi après-midi de juin, aussi bien conçue soit-elle.
Pourquoi les capacités les plus faibles se regroupent-elles ainsi ?
Lorsqu'on a demandé aux répondants où ils étaient le moins performants face aux attentes des clients modernes, trois domaines sont ressortis : l'expérience omnicanale cohérente sur 30%, l'engagement pertinent et personnalisé sur 23% et les conseils financiers proactifs sur 22%. Dans la plupart des banques, ces services relèvent de responsables différents, suivent des feuilles de route différentes et disposent de budgets différents.
Il s'agit plutôt d'un seul et même problème que de trois. La cohérence omnicanale, analysée sous cet angle, dépend peu de la couverture des canaux, puisque la plupart des banques sont présentes partout où se trouvent leurs clients ; elle dépend plutôt de la diffusion simultanée des mêmes informations par chaque canal. La pertinence est rarement un problème de contenu non plus. Le contenu existe généralement. Ce qui manque, c'est un moyen fiable de savoir quel élément est pertinent pour ce client aujourd'hui, et non au cours du trimestre où le segment a été constitué. Quant à la proactivité, elle est presque entièrement une question de timing. Un conseil qui parvient à un client après qu'il a déjà résolu le problème n'est pas un conseil utile, quelle que soit la qualité de la rédaction.
La personnalisation s'est étendue plus vite qu'elle ne s'est accélérée.
Les chiffres de personnalisation présentés dans l'étude mettent en évidence ce phénomène, contrairement aux conclusions narratives. En moyenne, 381 000 interactions clients sur 3 000 sont désormais personnalisées grâce à l'IA ou à l'analyse avancée, ce qui paraît encourageant jusqu'à ce que la répartition sous-jacente soit examinée.
- 48% des banques diffusent des offres ou des messages ciblés
- 29% propose des interactions contextuelles à des moments clés pour le client
- 8% propose des parcours hautement personnalisés sur la plupart des points de contact.
- 6% ont atteint des expériences entièrement personnalisées et en temps réel
Plus on descend dans la liste, plus la personnalisation devient ponctuelle et rare. Le ciblage publicitaire repose sur une décision prise à l'avance pour un groupe. La prise en compte du contexte nécessite de savoir où se trouve le client au moment du contact. L'individualisation en temps réel implique de décider sur le champ, sans possibilité de retour en arrière.
La couverture était d'emblée l'axe le plus facile à modifier, et la prioriser était une suite logique plutôt qu'un manque de sang-froid. Cependant, elle a ses limites, qui sont atteintes plus rapidement que ne le prévoient la plupart des feuilles de route.
L'adoption de l'IA a suivi une logique similaire. Aujourd'hui, elle se concentre principalement sur l'automatisation des tâches administratives, la détection des fraudes, la lutte contre le blanchiment d'argent et les chatbots d'assistance, autant de fonctions où les délais sont flexibles et où le processus reste interne à la banque. Seuls 81 % des établissements se considèrent comme leaders du marché en matière d'adoption de l'IA, et les répondants estiment en moyenne avoir environ 1,9 an de retard sur l'innovation. Les clients, quant à eux, n'ont pas l'intention d'attendre : 42 % d'entre eux s'attendent déjà à des interactions pilotées par l'IA via les canaux numériques de leur banque.
Le calcul des risques s'est discrètement inversé.
Deux tiers des personnes interrogées (67%) estiment désormais que la lenteur des efforts pour répondre aux attentes des clients représente un risque plus important que le choix d'une technologie inadaptée. Il y a dix ans, l'inquiétude portait plutôt sur le danger de faire un mauvais choix et d'en subir les conséquences pendant des années.
Ce renversement de situation prend tout son sens lorsqu'on examine les deux échéances. Si la contrainte principale est la couverture, un rythme mesuré se justifie, car la couverture s'accumule et un an de retard équivaut à environ un an de progrès. Si la contrainte est le facteur temps, le calcul change : chaque instant qui passe sans réponse utile représente une relation qui ne s'est pas approfondie, et ces moments ne sont pas mis en attente pour une réponse ultérieure.
Cela éclaire d'un jour nouveau une conclusion qui pourrait facilement être interprétée comme de la complaisance. Environ 541 % des répondants estiment pouvoir améliorer leurs indicateurs de satisfaction client au cours des trois prochaines années sans modifier fondamentalement leur modèle d'engagement numérique, tandis que 65 % s'attendent à ce que leurs clients changent de banque d'ici deux ans si leurs attentes ne sont pas satisfaites. Prises ensemble, ces deux positions sont parfaitement cohérentes pour une banque dont le problème réside dans la couverture. En revanche, pour une banque dont le problème est le timing, elles ne le sont pas, car l'extension d'un processus par lots ne permet pas d'obtenir une décision en temps réel. Il est donc important de déterminer délibérément laquelle de ces deux situations décrit un établissement donné plutôt que de la découvrir ultérieurement.
Qu'est-ce qui se situe entre un événement financier et une réponse utile ?
Pour les banques qui ont réduit en partie cet écart, le travail a moins consisté à dépenser davantage qu'à raccourcir le délai entre un événement et le moment où il est commenté.
L'enrichissement prend en charge la partie ingrate. Une simple ligne de transaction est quasiment insignifiante tant qu'elle n'est pas associée à un commerçant reconnu, une catégorie, un abonnement récurrent ou un versement de salaire ; la qualité de cette association influence ensuite toutes les opérations en aval. C'est aussi pourquoi les plateformes conçues pour les clics et les données démographiques ont souvent du mal dans le secteur bancaire : elles n'ont jamais été pensées pour analyser les comportements financiers. La prise de décision détermine alors le message pertinent à adresser à ce client en particulier, en fonction des dernières opérations effectuées sur son compte, et non du segment auquel il appartenait le trimestre précédent. L'orchestration diffuse ensuite ce message sur le canal qu'il utilise déjà, tant que l'opportunité est encore présente.
En résumé, voilà ce que Moneythor entend par Deep Banking : la personnalisation considérée comme un critère de base plutôt que comme un facteur de différenciation, la proactivité qui anticipe plutôt que de réagir, et la valeur qui va au-delà de la transaction pour inclure les récompenses, les recommandations et la fidélité.
L'étude montre clairement que les banques préfèrent une gestion encadrée plutôt qu'une autonomie totale, ce qui est tout à fait logique dans un secteur réglementé. Environ 301 répondants se disent à l'aise avec l'IA qui orchestre les parcours clients dans le cadre de procédures pré-approuvées, et 271 répondants acceptent que l'IA recommande les actions les plus pertinentes à valider par un humain. Les préférences en matière de déploiement convergent : 531 répondants indiquent que les implémentations tierces ont historiquement donné les meilleurs résultats, et la flexibilité d'intégration est le critère principal de choix d'un partenaire pour 281 répondants.
Là où cette protection est en place, les résultats sont mesurables. Les clients de Moneythor font état d'une augmentation moyenne de 251 000 $ du nombre de clients actifs et jusqu'à 2,5 fois plus de dépôts d'épargne. Banque de confiance à Singapour Elle a conquis 121 000 milliards de dollars du marché bancaire de détail singapourien en moins d'un an, et 701 000 milliards de ses clients ont été acquis par le biais de recommandations. Banque de Chiba, Parmi les utilisateurs ayant ouvert un message publicitaire, 791 000 ont mené le parcours client à son terme. Comme le souligne l’étude, les plateformes modernes de ce type utilisent l’intégration par API pour ajouter des fonctionnalités sans remplacer l’infrastructure bancaire de base.
Obtenez gratuitement le résumé exécutif
Combler le fossé : attentes des clients, stratégie d’IA et personnalisation dans la banque de détail Ce document expose ce que les dirigeants du secteur bancaire de détail ont déclaré à Moneythor et FinTech Futures au sujet de l'engagement, de la personnalisation et de l'IA, et indique où se situe actuellement l'écart entre l'ambition et la réalisation.
Téléchargement gratuit