Les données sont une mine d’or pour ceux qui savent comment les exploiter. Leur analyse permet de prendre de nombreuses décisions opérationnelles et stratégiques.

Attention cependant à ne pas tomber dans “l’infobésité”, soit la surcharge d’informations qui nuira à la prise de décision.

À l’ère du KPI et de la plateforme SaaS, la multiplication des acteurs et des outils constitue également un enjeu. Tout comme l’infobésité, cumuler le nombre de plateformes de collecte et d’analyse de données conduira à l’immobilité.

Cependant, des questions se posent concernant l’analyse des données : 

  • Quels sont les besoins des marchands ?
  • Pourquoi exploiter des données ?
  • Qu’est-ce qu’une donnée de paiement ? 
  • Quelles données pour quelles décisions ? 

 C’est pour cela que, nous vous proposons un webinar en compagnie de :

  • David FALL, Business Intelligence Manager chez Hipay
  • Charlotte PYTEL, Key Account Manager chez Hipay

Je regarde le Webinar

HiPay : Plateforme de paiement omnicanale avec un domaine de compétence allant aussi bien sur la partie e-commerce, mais également boutique. En effet, pour HiPay, le paiement va bien au-delà du simple traitement des transactions. Les marchands sont également accompagnés sur leur développement à l’international, la lutte contre les fraudes avec un seul objectif : améliorer leur taux de conversion pour augmenter leurs revenus. 

Quels sont les besoins des marchands ?

Les besoins des marchands sont multiples concernant les données de paiement. En effet, ils ont besoin d’un accès rapide à la data associée au paiement, mais également d’un accompagnement dans l’analyse de ces chiffres, l’objectif étant de ne pas être “pollués” par une multitude de données, mais  d’utiliser cette data pour prendre des décisions stratégiques à court et/ou long terme. 

Il y a plusieurs KPIs à utiliser, c’est-à-dire des indicateurs clés de performances concernant les données de paiement : 

  • Volume de transaction
  • Taux d’autorisation
  • Taux et volume de refus
  • Taux et volume de remboursement

Avant d’analyser ces données, il faut savoir pourquoi les exploiter.

Pourquoi exploiter des données ?

Exploiter  des données va vous permettre de prendre connaissance de l’activité de ces dernières, l’objectif étant là encore de prendre des décisions permettant d’optimiser ses performances pour atteindre ses objectifs. 

Pour ce faire, plusieurs étapes sont requises. Pour préparer la stratégie, il faut : 

  • Définir les objectifs à atteindre, mais également identifier les KPIs et les axes d’analyse.
  • Calculer les KPIs afin de mettre en place le reporting.
  • Analyser et dégager les tendances saillantes et identifier les écarts entre ce qu’on a obtenu et les objectifs fixés. 

On va pouvoir mettre en place des actions correctrices d’optimisation et suivre l’évolution de ces optimisations dans le temps.  

Entre l’analyse et l’optimisation, va se créer un cercle afin de se demander si :

  • Les actions correctrices ont fonctionné ou pas ?
  • Est-ce qu’il faut revenir dessus et itérer pour finalement réduire au maximum les écarts entre le réel et les objectifs fixés ?

Rentrons un peu plus dans les détails au sujet des données de paiement.

Qu’est-ce qu’une donnée de paiement ?

Les données de paiement vont être identifiées dans un premier temps par des axes d’analyse qui peuvent être une méthode de paiement, une devise, le montant d’une transaction.

Dans un deuxième temps, comme expliqué auparavant; le reporting d’activité de paiement contient les KPIs qui permettent de mesurer les axes d’analyses établies en amont et qui caractérisent son activité. Il contient également les axes d’analyse.

Plusieurs éléments caractérisent un reporting :

  • La page de paiement 
  • La transaction
  • Le marchand (l’ensemble de ses comptes)
  • Le partenaire
  • Le client

En analysant le reporting, il faut donc observer les données les plus pertinentes pour mener des actions correctrices par la suite.

Quelles données pour quelles décisions ?

Prenons l’exemple du Black Friday. C’est l’événement majeur de l’e-commerce en France, avec un fort flux de transaction. En effet, cet événement venu des États-Unis est un week-end où les promotions affluent dans les magasins comme sur les sites e-commerce. Notamment appelé les jours “bons plans” !

Il est intéressant d’analyser ces données lors de cet événement pour pouvoir mener des actions correctrices, ou après le bilan du black friday et comparer avec les autres années. D’après les objectifs qu’on s’est fixés, on va pouvoir observer si ces derniers ont bien été atteints au travers des données de paiement.

  • Les premières données de paiement à observer sont le volume de transaction et le chiffre d’affaires. Si on s’est fixé l’objectif d’augmenter notre volume de transaction ainsi que le chiffre d’affaires sur la période du black friday, on doit observer un pic. En effet, le 23 novembre 2018, HiPay a  enregistré un record de transactions bancaires, soit un total de 50 millions de transactions sur tous les moyens de paiement en France. Il y a eu un volume de transactions très important sur une période très courte, mais aussi un volume important de nouveaux clients.

Suite à cette observation, on doit la comparer avec nos objectifs fixés et voir si l’écart n’est pas trop important. Un écart trop important nécessite des actions correctrices. 

  • La deuxième donnée de paiement à analyser est le taux d’autorisation, qui correspond au volume de transaction parmi celles qui ont été autorisées. Cette donnée doit être suivie pendant l’événement.

Effectivement, on observe un pic du taux d’autorisation par rapport au volume de transaction de 80%. Ce taux n’a pas chuté rapidement et suit toujours la courbe du volume de transaction. Il est important de comparer avec les autres années pour pouvoir, par exemple, se demander avec quels pays le taux d’autorisation fonction le mieux, ou encore quelles devises. 

  • La troisième donnée de paiement à observer est le volume de chargeback :

On peut également parler de taux de fraude. Cette analyse de données va permettre de relever les motifs de fraude et de percevoir la qualité des clients. Si ce taux de fraude est trop élevé, il faut revoir et améliorer la stratégie antifraude lors d’une période de fort flux. Par exemple, si un produit à un taux de chargeback trop élevé alors, il faut faire en sorte que cela ne se reproduise pas en revoyant la stratégie antifraude. L’idée est de pouvoir agir sur cette partie et d’évaluer comment l’adapter en fonction de ce qu’on observe comme tendance défaillante qui vient perturber l’activité sur les moments spécifiques tels que le black friday. 

  • La quatrième donnée observée est le taux et volume des refus, dans le but de pouvoir identifier les raisons de refus. Par exemple, pendant cet événement particulier, si on a un taux important de refus sur un certain produit où l’on n’avait pas forcément réalisé une optimisation antifraude, il faudra donc voir avec le marchand si le problème n’est pas en interne.

Suite à ces analyses, il faut mettre en oeuvre des actions correctrices concernant les données de paiement et le chiffre d’affaires :

Questions

  • Quel est le niveau de granularité ? 

“Effectivement on peut avoir une granularité assez fine, sur la console on peut avoir des analyses heure par heure pour les événements particuliers tels que le black friday.”

  • Quelle est la différence entre une opération autorisée et capturée ?

“L’opération autorisée c’est lorsque  la plateforme de paiement va faire l’autorisation auprès de la banque, donc on interroge la banque pour savoir si la transaction peut être effectuée, si les fonds sont disponibles, si la carte n’est pas expirée. Cependant l’opération qui est capturée c’est quand on a identifié la transaction comme possible et qu’on a bloqué les fonds sur la carte du client. Typiquement chez Hipay on considère une transaction validée quand elle est capturée. “

  • En cas de mauvais taux d’autorisation ,quelles actions correctrices à mettre en place ? 

“Typiquement lors du black friday par exemple, un taux d’autorisation qui chute pour des raisons de dysfonctionnement d’une route technique par exemple;  chez Hipay on a la possibilité de regrouper vers une nouvelle page technique, donc on a la possibilité de câbler et pouvoir rediriger les flux vers une route qui ne serait pas en dysfonctionnement.”

J’accède au Webinar