User Travel Spend est une extension Experience OS basée sur les données de Mastercard. Elle fait partie de l’extension Cardholder Spend Insights définie pour les émetteurs de cartes.
À propos de Cardholder Spend Insights
User Travel Spend vous permet de cibler les utilisateurs connus en fonction de leur comportement prédictif et historique en matière de dépenses liées aux voyages. L’extension tire parti des données Mastercard sur les dépenses dans les sous-catégories liées aux voyages (telles que l’hébergement, les compagnies aériennes, les locations de véhicules, et bien d’autres encore) et aussi des modèles prédictifs concernant la probabilité que les utilisateurs voyagent, dépensent ou s’étendent à de nouvelles catégories de voyages et de tourisme.
Conditions de ciblage
User Travel Spend cible les utilisateurs en fonction de leurs dépenses historiques et prédictives dans les catégories de voyages suivantes :
Les dépenses transfrontalières ont lieu dans un pays différent de celui où la carte a été émise
Les dépenses nationales ont lieu dans un endroit similaire au pays où la carte a été émise
| Condition | Description |
|---|---|
| Le statut de voyage est | Cibler les utilisateurs qui ont voyagé ou non au cours des 1, 3, 6 ou 12 derniers mois ou de la dernière saison |
| Probabilité de voyager | Cibler les utilisateurs susceptibles de voyager |
| Dépenses transfrontalières ($) |
Cibler les utilisateurs en fonction de la valeur totale de leurs dépenses transfrontalières |
| Nombre total de transactions transfrontalières |
Cibler les utilisateurs en fonction de leur nombre de transactions transfrontalières |
| Dépenses nationales ($) |
Cibler les utilisateurs en fonction de la valeur totale de leurs dépenses nationales |
| Nombre total de transactions nationales |
Cibler les utilisateurs en fonction de leur nombre de transactions nationales |
| Dépenses pour la catégorie des voyages ($) | Cibler les utilisateurs en fonction de la valeur totale de leurs dépenses dans une sous-catégorie des voyages |
| Montant moyen des billets dans la catégorie voyages | Cibler les utilisateurs en fonction du montant moyen de leurs transactions dans une sous-catégorie de voyages. |
| Nombre total de transactions par catégories de voyages | Cibler les utilisateurs en fonction de leur nombre de transactions dans une sous-catégorie de voyages |
| Prévision des dépenses de voyage et de tourisme | Cibler les utilisateurs en fonction de leur probabilité de dépenser (élevée, moyenne ou faible) dans la catégorie Voyages et tourisme |
| Prévision de l’expansion des voyages et du tourisme | Cibler les utilisateurs en fonction de leur probabilité de commencer à dépenser (élevée, moyenne ou faible) dans la catégorie Voyages et tourisme |
Exemples de cas d’utilisation
- Augmenter les dépenses transfrontalières en proposant des avantages lucratifs et des offres attractives pour les utilisateurs susceptibles de voyager.
- Encourager les dépenses dans les catégories de voyages en fonction du comportement de dépense en promouvant des offres hautement pertinentes et personnalisées aux utilisateurs en fonction de leurs dépenses historiques dans une catégorie spécifique. Par exemple, faire la promotion d’une offre de réduction sur des séjours en hôtel aux utilisateurs qui dépensent beaucoup dans la catégorie hébergement.
À propos de Cardholder Spend Insights
Cardholder Spend Insights est un ensemble d’extensions conçues pour les émetteurs de cartes, conçu pour créer des audiences en fonction de conditions de ciblage qui vous permettent d’offrir aux clients des expériences hyper-personnalisées. Les extensions utilisent des informations sur le comportement passé des utilisateurs en matière de dépenses sur la base de données enrichies, et tirent également parti des techniques de modélisation de la propension Mastercard pour prédire le comportement futur.
Travailler avec les données Mastercard
Les extensions utilisent des jeux de données générés par Mastercard (couvrant les titulaires de cartes Mastercard), qui sont ensuite fournis à chaque émetteur.
Chaque ensemble de données est agrégé au niveau des utilisateurs et capture des informations en fonction de l’activité des utilisateurs au cours des 12 derniers mois. Les données sont actualisées chaque semaine.