Modeling User Redemption Behavior in Complex Incentive Digital Environment: An Empirical Study Using Large-Scale Transactional Data

Cette étude empirique analyse des données transactionnelles à grande échelle provenant d'une application de finances personnelles pour révéler comment les facteurs démographiques et les styles de consommation influencent la rédemption de points par les utilisateurs, démontrant que l'attribution de dotations importantes en points augmente la dépense de points sans affecter les dépenses en espèces dans des environnements d'incitation numérique complexes.

L'essentiel

Imaginez que vous déambulez dans un immense centre commercial numérique où chaque magasin vous donne des « pièces magiques » au lieu de simples reçus. Vous pouvez gagner ces pièces en achetant un café, en réservant un vol, ou même simplement en vous inscrivant à une pièce d'identité gouvernementale. Mais attention, il y a un piège : ces pièces ne sont pas toutes identiques. Certaines sont gagnées dans un supermarché, d'autres dans un hôtel, et certaines sont distribuées par le gouvernement. La grande question que cette étude pose est la suivante : Comment les gens utilisent-ils réellement ces pièces magiques, et les traitent-ils comme de l'argent réel ?

Les chercheurs ont agi comme des détectives numériques, en examinant les journaux d'achats de plus de 40 000 personnes utilisant une application de budgétisation populaire au Japon. Ils n'ont pas seulement regardé ce que les gens achetaient ; ils ont regardé comment ils dépensaient leurs points par rapport à leur argent liquide réel.

Voici ce qu'ils ont découvert, décomposé en trois histoires simples :

1. Le « fossé générationnel » dans la dépense

L'analogie : Considérez les différents groupes d'âge comme différents types de jardiniers.

• Les Jeunes Jardiniers (20 ans) : Ils sont comme des explorateurs aventureux. Ils adorent essayer de nouvelles plantes (magasins) et s'intéressent de près aux « jardins financiers ». Ils utilisent leurs pièces magiques pour investir en bourse ou pour financer des voyages et des divertissements. Ils sont prêts à dépenser leurs pièces pour des choses qui ressemblent à une « croissance future ».
• Les Jardiniers Plus Âgés (60 ans) : Ils sont plutôt comme des agriculteurs traditionnels qui s'en tiennent à ce qu'ils connaissent. Ils préfèrent utiliser leurs pièces pour des choses pratiques et quotidiennes, comme les transports ou les achats dans des centres commerciaux familiers. Ils sont moins enclins à utiliser leurs pièces pour des investissements.

La découverte : Les chercheurs ont constaté que, bien que tout le monde fasse des achats, l'endroit où l'on choisit de dépenser ses points dépend fortement de son âge. Les plus jeunes traitent les points comme un outil pour bâtir une richesse ou s'amuser, tandis que les plus âgés les traitent comme un coupon pour les nécessités quotidiennes.

2. L'expérience du « déjeuner gratuit »

L'analogie : Imaginez que le gouvernement dépose soudainement une pizza géante et gratuite (valant 7 500 yens en points) dans les mains d'un groupe spécifique de personnes. Les chercheurs voulaient savoir : Ces personnes vont-elles manger la pizza immédiatement, ou vont-elles la garder pour plus tard ? Et le fait de manger la pizza va-t-il les pousser à acheter plus de nourriture régulière avec leur propre argent ?

• Le résultat : Les personnes qui ont reçu la pizza gratuite ont commencé à la manger, mais pas d'un coup. Le premier mois, elles n'en ont mangé qu'environ 16 %. Elles ont gardé le reste pour plus tard.
• Le rebondissement : Crucialement, recevoir cette pizza gratuite n'a pas incité ces personnes à acheter plus de nourriture régulière avec leur propre argent liquide. Elles n'ont pas remplacé leur argent par la pizza ; elles ont simplement mangé la pizza gratuite en complément de leur régime alimentaire habituel.

La découverte : Les gens traitent les « points gratuits » différemment de l'« argent gagné ». Même si les points valent de l'argent réel, les gens semblent les considérer comme une réserve spéciale et distincte. Ils les dépensent de manière lente et délibérée, plutôt que de façon impulsive. Et recevoir une rentrée d'argent sous forme de points ne les pousse pas à dépenser davantage de leur propre argent durement gagné.

3. L'« Explorateur » contre le « Loyaliste »

L'analogie : Imaginez deux types de clients dans une ville.

• Les Explorateurs : Ces personnes aiment essayer un restaurant différent chaque soir. Elles peuvent aller dans un restaurant de sushi, puis dans un camion de tacos, puis dans un bistro français.
• Les Loyalistes : Ces personnes ont un endroit favori. Elles vont au même restaurant de burgers tous les vendredis parce qu'elles connaissent le menu et le personnel.

Les chercheurs ont observé comment ces deux types de clients utilisaient leurs pièces magiques.

• La découverte : Les Explorateurs utilisaient leurs pièces partout, les échangeant dans de nombreux types de magasins différents. Les Loyalistes, en revanche, avaient tendance à thésauriser leurs pièces et à ne les dépenser que dans leurs chaînes familières et préférées.

Étonnamment, l'âge jouait également un rôle majeur ici. Les jeunes « Explorateurs » (les personnes dans la vingtaine) étaient beaucoup plus susceptibles d'essayer de nouveaux magasins et de disperser leurs pièces. Les plus âgés « Loyalistes » (les personnes dans la soixantaine) s'en tenaient à leurs habitudes.

La vue d'ensemble

Cette étude est comme une carte d'un monde complexe aux multiples devises. Elle nous montre que :

1. Les points ne sont pas simplement du cash : Les gens ont des « murs mentaux » entre leurs points et leur argent réel. Ils économisent les points pour des moments importants ou des objectifs spécifiques, plutôt que de les utiliser pour chaque petit achat.
2. L'âge compte : Votre étape de vie détermine si vous utilisez vos points pour l'investissement et l'aventure ou pour des besoins quotidiens et pratiques.
3. Les habitudes règnent : Si vous êtes le genre de personne qui aime découvrir de nouvelles choses, vous utiliserez vos points de cette manière. Si vous aimez la routine, vos points vous suivront dans les mêmes magasins.

En bref, lorsque les entreprises ou les gouvernements distribuent ces récompenses numériques, ils ne peuvent pas simplement supposer que les gens les traiteront comme de l'argent liquide. Les gens ont leurs propres « personnalités d'achat » uniques qui décident de la manière dont ces récompenses sont utilisées.

Résumé technique

Résumé Technique : Modélisation du comportement de rachat des utilisateurs dans des environnements d'incitation numérique complexes

Énoncé du problème
L'économie numérique repose de plus en plus sur des structures d'incitation complexes, spécifiquement les programmes de fidélité de partenariat (PLP - Partnership Loyalty Programs), où plusieurs entreprises émettent et encaissent conjointement des points de récompense. Si la littérature existante examine les PLP sous l'angle de la performance des entreprises ou des transitions d'achats croisés, il existe une lacune significative dans la compréhension du comportement de rachat au niveau individuel dans des contextes réels. Les méthodes traditionnelles des sciences sociales peinent à analyser les journaux de consommation massifs au sein de ces environnements multi-devises, particulièrement concernant la valorisation des points numériques par rapport à l'argent traditionnel et l'impact des méthodes d'acquisition de points atypiques (par exemple, les subventions gouvernementales exogènes importantes). De plus, les recherches antérieures sur les biais comportementaux et l'acquisition de points non standard reposent principalement sur des expériences de laboratoire plutôt que sur des données de transactions réelles.

Méthodologie
Cette étude exploite un ensemble de données unique et à grande échelle provenant de Zaim, une application populaire de finances personnelles tierce au Japon. Le jeu de données comprend plus de 5,5 millions de transactions d'achat uniques et 5,9 millions de transactions de points provenant d'environ 42 000 clients, capturant à la fois les dépenses monétaires et les transactions basées sur les points à travers plusieurs grands PLP. Les auteurs emploient trois approches empiriques distinctes pour répondre à leurs questions de recherche :

1. Modélisation thématique et clustering (RQ1) : Pour analyser les modèles de rachat, les auteurs prétraitent les descriptions textuelles des transactions de points et appliquent la Latent Dirichlet Allocation (LDA) pour identifier des thèmes latents. Ces thèmes sont étiquetés à l'aide d'un modèle de langage de grande taille (GPT-4o) et validés manuellement. Les profils d'utilisateurs sont construits sous forme de vecteurs de caractéristiques basés sur ces modes de consommation et regroupés via l'algorithme k-medoids pour identifier des groupes d'utilisateurs distincts.
2. Inférence causale via une expérience naturelle (RQ2) : Pour évaluer l'impact des dotations de points exogènes, l'étude utilise un design quasi-expérimental basé sur la « seconde campagne de points My Number » du Japon (fin 2022). Une approche de Différences dans les Différences (DID) avec une estimation doublement robuste est employée pour comparer un groupe de traitement (utilisateurs recevant une dotation unique de 7 500 JPY) à un groupe de contrôle. Cette méthode contrôle le biais de sélection en estimant les scores de propension basés sur les variables démographiques et comportementales pré-intervention.
3. Analyse exploration-exploitation basée sur l'embedding (RQ3) : Pour quantifier les styles de shopping, les auteurs appliquent un modèle Skip-gram avec échantillonnage de négatifs (SGNS, similaire à word2vec) pour apprendre des représentations vectorielles des magasins basées sur les séquences de visites des utilisateurs. Les tendances d'exploration et d'exploitation sont calculées en utilisant la similitude cosinus entre le vecteur de magasin du jour actuel de l'utilisateur et sa moyenne mobile des six jours précédents. Cette métrique est ensuite corrélée avec la diversité de rachat de points à travers les catégories de PLP.

Résultats clés

• Corrélations démographiques et catégorielles : Les modèles de rachat de points ne sont pas aléatoires mais s'alignent de manière prévisible avec la démographie. Les utilisateurs plus jeunes (20 ans) allouent une part significativement plus élevée de points aux catégories « Finance/Transport » et « Investissement » par rapport aux cohortes plus âgées, qui ont tendance à racheter des points pour des installations commerciales. Cela suggère un glissement des priorités de rachat des services financiers vers les biens discrétionnaires à mesure que les consommateurs vieillissent.
• Asymétrie des flux de points : Une asymétrie fondamentale existe entre l'acquisition et la dépense de points. Les points sont gagnés de manière incrémentielle mais rachetés en sommes consolidées plus importantes. Notamment, un groupe distinct d'utilisateurs rachète des points pour des services financiers (ex. : fonds communs de placement) plutôt que là où ils ont été gagnés (ex. : restaurants), indiquant que les consommateurs ne traitent pas les points comme l'équivalent de l'argent liquide, ce qui est cohérent avec les théories de la comptabilité mentale.
• Impact des dotations exogènes : La dotation gouvernementale de 7 500 JPY a considérablement stimulé le rachat de points. Au cours du premier mois, le groupe de traitement a racheté environ 16 % de points en plus que le groupe de contrôle. Cependant, la dotation n'a eu aucun effet statistiquement significatif sur les dépenses monétaires (cash), suggérant que les dotations de points ne substituent pas directement le cash et peuvent ne pas être efficaces pour induire une consommation monétaire plus large. Les bénéficiaires ont semblé « thésauriser » les points initialement, le rachat atteignant un pic à la troisième semaine, ce qui suggère une délibération plutôt qu'une dépense impulsive.
• Style de shopping et diversité de rachat : Il existe un lien clair entre les styles de shopping et les modèles de rachat. Les acheteurs « exploitants » (ceux qui fréquentent un ensemble restreint de magasins familiers) concentrent leurs rachats de points, tandis que les acheteurs « explorateurs » (ceux qui testent divers commerçants) rachètent leurs points de manière plus large à travers les catégories. L'âge est un prédicteur plus fort de la tendance à l'exploration que la catégorie de rachat, les cohortes plus jeunes présentant des scores d'exploration significativement plus élevés.

Signification et contributions
L'article affirme faire progresser le domaine en fournissant des preuves empiriques issues d'un écosystème économique réel massif, dépassant les limites des expériences de laboratoire et des ensembles de données d'une seule entreprise.

• Contribution théorique : L'étude étend la compréhension des programmes de fidélité (LP) aux contextes de PLP collaboratifs, offrant des preuves empiriques sur la rationalité (ou l'irrationalité) des consommateurs dans l'usage des points, spécifiquement concernant la comptabilité mentale et les réponses aux stimuli exogènes.
• Implications managériales et politiques : Les résultats offrent des perspectives pratiques pour optimiser la conception des PLP et le ciblage des promotions en fonction des segments démographiques et des styles de shopping. Pour les décideurs politiques, les résultats suggèrent que si les politiques publiques basées sur les points peuvent stimuler efficacement une consommation spécifique basée sur les points, elles peuvent ne pas être des outils efficaces pour stimuler une consommation monétaire plus large ou substituer les transferts de cash.
• Contribution méthodologique : L'article démontre la viabilité de l'utilisation des techniques d'embedding et des expériences naturelles sur des données financières tierces pour modéliser des comportements de consommation multi-devises complexes qui étaient auparavant difficiles à étudier avec les méthodes traditionnelles.