Un opérateur téléphonique leader au Brésil

utilise à plein les possibilités de l'analyse des réseaux sociaux pour optimiser ses campagnes marketing

Télécoms : des campagnes ciblées sur les utilisateurs les plus influents

Le marché brésilien des télécoms a explosé depuis le début des années 2000, avec un taux d'équipement désormais supérieur à 90 %. La dernière vague de croissance date de 2010, grâce à l'arrivée de la 3G qui a attiré en deux ans plus de 50 millions de clients chez les quatre principaux acteurs du marché.
Carlos Pinheiro, expert reconnu de l'analyse des réseaux (aujourd'hui chercheur à l'Université Catholique de Louvain), a travaillé jusqu'en 2012 pour l'un des leaders du marché. Il a notamment développé plusieurs modèles marketing basés sur SAS^® Social Network Analysis.

Une segmentation par l'influence

Dans le domaine des télécoms, l'analyse des réseaux sociaux s'attache aux « liens d'influence » entre individus d'une même communauté. Il s'agit de repérer les clients les plus susceptibles de déclencher une « réaction en chaîne » – qu'il s'agisse d'adopter un nouveau produit… ou de changer d'opérateur.

Le calcul de l'influence tiendra compte notamment du nombre de contacts directs (en distinguant appels sortants et appels entrants), du nombre de contacts indirects (les contacts des contacts), du nombre d'appels passés et de la longueur des communications.

Comme dans toute analyse prédictive, c'est en analysant le passé qu'on peut éclairer le futur. « L'analyse de l'activité sur les quatre derniers mois permet de calculer un score d'influence pour chaque client de la base », explique Carlos Pinheiro.

Un recrutement maximisé

La première application concrète de l'analyse des réseaux d'influence a été réalisée en 2010, au moment de l'introduction des forfaits 3G sur le marché brésilien. Pour démontrer l'efficacité de cette analyse, Carlos Pinheiro a d'abord travaillé sur deux échantillons de clients – un panel témoin (constitué de 136 clients pris au hasard dans la base de données), et un échantillon d'influenceurs, tous ayant souscrit à un abonnement 3G.

Dans le panel témoin, les clients avaient en moyenne 10 contacts directs (1 420 contacts au total). Quatre mois plus tard, seuls 95 de ces contacts avaient souscrit à un forfait 3G.

Dans le panel influenceurs, les clients avaient en moyenne 26 contacts directs, soit 3 485 au total. Quatre mois plus tard, 550 de ces contacts avaient souscrit à un forfait 3G.

Au total, les clients influents présentent donc un résultat six fois supérieur, et un « taux de transformation par contact » supérieur de 132%.
Des offres promotionnelles ciblées ont alors été lancées auprès des clients bénéficiant des meilleurs scores d'influence de la base. Le modèle est encore utilisé à ce jour, et recalculé tous les mois.

Une politique « anti-churn » ciblée

Une autre expérience a démontré la pertinence de l'analyse des réseaux sociaux en matière de fidélisation en se penchant sur les changements d'opérateur, avec des résultats tout aussi concluants. « Les 10% d'individus repérés comme leaders ont une influence trois fois supérieure à celle des autres clients en matière de portabilité », souligne Carlos Pinheiro.

L'élaboration du modèle a commencé par une analyse des comportements passés pour définir un profil de « churner » potentiel. Une campagne ciblée de fidélisation a ensuite été lancée, dont les résultats ont été validés via une étude qualitative ex-post, pour comparer le comportement réel des consommateurs avec le modèle théorique.
Et les chiffres parlent d'eux-mêmes. Avec un taux d'attrition de près de 2% par mois, il faudrait envoyer 53 messages pour toucher un client susceptible de résilier son abonnement. Avec une méthode analytique classique, le ratio tombe à 26. Avec les informations apportées par l'analyse des réseaux d'influence, 12 messages suffisent. Un gain d'efficacité de plus de 50% !

Développé et validé dans la région de Rio, le modèle est désormais étendu aux 26 Etats du Brésil.

Détecter la fraude avec l'analyse des réseaux ?

Au vu de ces résultats, l'opérateur a tenté d'aller encore plus loin. L'analyse des réseaux sociaux pouvait-elle contribuer à améliorer la détection des fraudes ? Il s'agissait notamment de repérer les utilisateurs profitant d'une réglementation sociale qui permet aux clients de ne pas payer leur abonnement fixe avant trois mois (un mois pour le mobile), et qui pousse certains à changer d'opérateur avant l'expiration de ce délai, sans jamais payer.
Une expérience similaire aux deux précédentes a d'abord montré les limites de l'influence. Aucune chaîne de « contagion » de la fraude n'a pu être repérée. « Cela confirme une intuition : quand on fraude, on garde ça pour soi », constate Carlos Pinheiro.

Le chercheur ne s'est pourtant pas arrêté là : « en divisant la base de données non pas en segments [par score d'influence] mais en communautés, on peut observer des individus dont le comportement diffère nettement de ceux de leur réseau. C'est un indice de fraude. » Au final, l'analyse des réseaux aura permis d'améliorer de 40% le rendement prédictif de la fraude.