Inside Australia’s loyalty industry: what the ACCC report revealed

23 Agosto 2022
Max Savransky

Los programas de fidelización son máquinas de recopilar datos. En todo el mundo, muchas empresas ya están experimentando o utilizando en gran medida modelos de aprendizaje automático o inteligencia artificial para apoyar las operaciones y obtener conocimientos y eficiencias inestimables.

Para las empresas que quieran sumergirse en este espacio, el artículo del blog detalla algunos casos de uso y ejemplos a tener en cuenta.

Caso práctico 1: Comunicaciones de marketing

La ejecución de marketing basada en el aprendizaje automático y la inteligencia artificial puede crear y enviar automáticamente comunicaciones individualizadas a los afiliados a través de diversos canales, hacer un seguimiento de las respuestas y evolucionar las comunicaciones futuras para optimizar el potencial de compromiso. Su capacidad para enviar comunicaciones individualizadas a los afiliados a través de diversos canales las hace muy eficaces, al tiempo que contribuyen a reducir los costes de marketing.

La ejecución del marketing impulsado por IA es principalmente el dominio de los programas de fidelización más grandes debido al coste y a la enorme cantidad de datos necesarios para optimizar los algoritmos.

Un informe de Credit Suisse de mayo de 2019 indicaba que los principales supermercados:

Se encuentran en una posición casi única para aprovechar sus crecientes capacidades digitales con el fin de establecer una ventaja competitiva en el componente del gasto promocional de la cadena de valor del comercio minorista de alimentación. Al ser factibles los beneficios materiales de la eficiencia, es probable que la creciente eficiencia impulsada digitalmente respalde la ganancia de cuota de mercado y el rendimiento superior".

Esto incluye la capacidad de ofrecer descuentos en los productos a los miembros que son sensibles a los precios, mientras que se cobra el precio completo a los clientes que compran regularmente el producto, con el aprendizaje automático / AI seguimiento del éxito de la campaña y el ajuste en consecuencia.

Ejemplo: Woolworths Everyday Rewards

Woolworths utiliza la plataforma de IA de Quantium para ofrecer comunicaciones individualizadas a sus 10 millones de socios. Esto incluye mezclar artículos que el socio no ha comprado antes con compras anteriores para aumentar la familiaridad y la propensión a la compra.

Caso práctico 2: Experiencias digitales personalizadas

Otro ámbito en el que se están aplicando plataformas de IA para hiperpersonalizar las experiencias y comunicaciones de los afiliados son los sitios web y las aplicaciones, que también constituyen una gran fuente de datos de los afiliados.

Las plataformas de inteligencia artificial pueden identificar a los afiliados cuando se conectan a una serie de canales digitales, acceder a la información de su perfil (que abarca cientos de conjuntos de datos) y activar automáticamente una promoción relevante para estimular el comportamiento deseado del afiliado.

Uno de los avances es la IA, que lee las expresiones faciales humanas en línea para determinar los matices de las emociones y los estados cognitivos complejos. Esto permite a la tecnología digital reconocer el sentimiento de los miembros y responder con una experiencia digital adecuada.

Ejemplo: Tealium y Domino's

El actor global Tealium proporciona capacidades de IA a Domino's para aumentar el gasto en pedidos en línea y en aplicaciones, así como la realización de transacciones. Las capacidades han permitido a la empresa capacitar a las partes interesadas a escala internacional para tomar decisiones más oportunas basadas en datos para la segmentación de usuarios y las campañas de marketing.

Caso práctico 3: Personalización en la tienda

Numerosos comercios han empezado a experimentar con la IA, lo que podría cambiar para siempre la experiencia tradicional de la venta al por menor. La IA se está aplicando directamente a la experiencia en la tienda, donde los clientes pueden recibir recomendaciones en tiempo real, asistentes virtuales y probar productos sin tener que probárselos físicamente.

Este nivel de hiperpersonalización en la tienda enriquece la experiencia del socio y ayuda a estimular la decisión de compra.

Ejemplo: Kroger

La cadena de supermercados Kroger se ha asociado con Microsoft para crear una experiencia de compra personalizada con estanterías inteligentes. Con la aplicación de Kroger abierta en el teléfono, los socios pueden caminar por el pasillo y los sensores resaltarán los productos que el socio podría estar interesado en comprar basándose en la información de su cuenta y en su historial de compras anteriores. También ofrece precios personalizados dinámicos y muestra anuncios y señala los artículos de interés, haciendo que la experiencia de compra sea eficiente y cómoda.

Ejemplo: Walgreens

Walgreens utiliza la inteligencia artificial para adaptar anuncios a distintos tipos de compradores en las puertas de las neveras de las tiendas. Las pantallas "inteligentes" tienen cámaras y sensores que recogen datos, la inteligencia artificial los analiza y muestra el contenido pertinente en la pantalla. Las puertas también pueden detectar qué artículos se miran o se cogen, creando un bucle de retroalimentación para que la IA aprenda y personalice aún más.

Caso práctico 4: Pruebas virtuales

Las marcas de consumo están desplegando una tecnología de prueba virtual que permite a sus clientes probarse ropa, zapatos, cosméticos y otros productos mediante la cámara web de teléfonos u ordenadores portátiles, o pantallas instaladas en las tiendas.

La tecnología permite a las marcas cargar miles (o incluso millones) de artículos en la plataforma para que los usuarios se los prueben. Las plataformas más avanzadas pueden utilizar los datos de los usuarios para generar recomendaciones generales y sugerirles artículos que completen su guardarropa.

Ejemplo: Mac Cosmetics

Mac Cosmetics utiliza esta tecnología, que permite probarse más de 200 tonos en casa. El posicionamiento afirma que encontrar tu próximo color de ojos o labios favorito online nunca ha sido tan fácil. Las socias pueden probar al instante más de 200 tonos con nuestra nueva prueba virtual en tres sencillos pasos.

1. Elige un producto y haz clic en "PRUÉBALO" en la página del producto.
2. Activa tu cámara en directo, sube una foto desde tu dispositivo o elige un modelo.
3. Desplázate y haz clic en las muestras para ver al instante cualquier tono en ti.

Caso práctico 5: IA conversacional

La IA conversacional hace referencia al uso de la mensajería y los asistentes virtuales basados en el habla para automatizar las comunicaciones y crear experiencias de cliente personalizadas a gran escala. Estas tecnologías se ven impulsadas por el auge de las aplicaciones de mensajería, las plataformas de asistentes de voz y los avances generales en IA, como el aprendizaje profundo y la comprensión del lenguaje natural. El comienzo de esta tecnología fue un chatbot básico.

La verdadera IA conversacional es el siguiente paso, en el que las máquinas serán capaces de comprender y responder al lenguaje y el comportamiento humanos en tiempo real, aprender de estas experiencias y aplicar lo aprendido a futuras conversaciones. Estos asistentes inteligentes no estarán limitados por las funciones previstas por un programador. Esta tecnología presentará nuevas formas de que las marcas parezcan más reales, respondan contextual y personalmente a escala, y cambien la dinámica marca-cliente de muchos a uno a uno a uno.

Ejemplo: El Cosmopolitan de Las Vegas y Rose The Hotel Chatbot

El Cosmopolitan de Las Vegas es un casino y complejo turístico de lujo que anima a los huéspedes del hotel a interactuar con su asistente virtual durante su estancia. El chatbot del hotel, conocido como Rose, está diseñado con una voz única con más de 1.000 hilos de conversación para ofrecer a los huéspedes formas de reservar experiencias como reservas en restaurantes, tratamientos de spa, entradas para eventos y otras emocionantes aventuras.

Rose puede ofrecer recomendaciones basadas en los deseos del cliente y proporcionar información privilegiada, como menús secretos, para llevar a los clientes a bares, clubes y restaurantes concretos. Por ejemplo, un cliente puede preguntar "¿Qué me apetece tomar?" y Rose puede recomendarle una bebida especial que no esté en el menú, lo que ayuda y satisface al cliente.

Caso práctico 6: Vigilancia de la seguridad y el fraude

Además de mejorar la experiencia de los afiliados, el aprendizaje automático y la inteligencia artificial se están aplicando para proteger a los programas y a sus afiliados frente a las brechas de seguridad y el fraude.

La ventaja de un enfoque de supervisión basado en algoritmos es la rapidez, el volumen de revisiones de cuentas y la capacidad de aprender y adaptarse a circunstancias cambiantes. 

Ejemplo: GetPlus Indonesia

GetPlus es un importante programa de puntos, en el que los miembros pueden escanear sus recibos de los comercios participantes para ganar puntos de recompensa GetPlus a través de la app mediante OCR. GetPlus estableció reglas de puntuación configurables y basadas en acciones para evaluar el riesgo de fraude de fidelización en tiempo real. Si se identifica un pedido de alto riesgo, la IA lo suspende para que lo revisen operadores humanos.

La capacidad de detección de fraudes también proporciona informes que pueden supervisarse activamente, y los pedidos pueden analizarse por estado de riesgo. También puede introducir modificaciones en los algoritmos de puntuación a medida que cambian los patrones de fraude.

Mercados de IA

Como consultoría, cada vez hablamos con más plataformas de IA para comprender la solidez de algunas de las nuevas tecnologías. Hemos explorado docenas de ellas, con algunos casos de uso muy interesantes que pueden aplicarse de maneras realmente interesantes.

Veritone, por ejemplo, es un mercado de IA que agrupa a muchas nuevas empresas del sector y vende sus servicios a través de ellos. De hecho, actualmente tienen alrededor de 200 empresas que venden a través de ellos. También venden sus propios modelos nativos.

Así, una empresa puede simplemente dirigirse a Veritone, plantearle un caso de uso que le gustaría resolver y Veritone utilizará su red para presentar una solución y, si es adecuada, ejecutarla.

Resumen

La IA y el aprendizaje automático pueden aplicarse y utilizarse para apoyar las comunicaciones de marketing, las experiencias digitales personalizadas, la personalización en tienda, las pruebas virtuales, los casos de uso conversacional y la supervisión de la seguridad y el fraude. Cualquier empresa que gestione un programa de fidelización tendrá, en algún momento, necesidades en la mayoría de estas áreas.

La IA y el aprendizaje automático también son mucho más accesibles que antes, con muchas plataformas y empresas de nueva creación jugando en este espacio. Estas mismas plataformas están muy abiertas a realizar pruebas de concepto y pilotos para demostrar que la tecnología funciona y obtener una ventaja competitiva.

Si se dedica al marketing de programas de fidelización y desea asignar algo de presupuesto, éste es sin duda un espacio que merece la pena explorar.

ACCC logo

Drawn from the report Loyalty & Reward Co produced for the Australian Competition and Consumer Commission, June 2019.

Almost 80 per cent of Australians belong to at least one loyalty program. That figure, from Mastercard research,1 shows how deeply loyalty programs are woven into Australian consumer life. It does not tell you how much value members actually receive, how the largest programs earn their profits, or what the design choices behind the points mean for competition. Those questions are harder to answer, and until 2019 no one had answered them in public.

In 2019, the Australian Competition and Consumer Commission (ACCC) commissioned Loyalty & Reward Co to produce the first comprehensive, publicly available report on the Australian loyalty industry. The report examined the major programs with more than one million active members, most of them coalition programs, and set out how they are designed, how they are monetised, how they use member data, and what effect they have on competition and on consumers. You can read the full report on the ACCC website. The findings remain a useful reference for anyone designing or operating a program today.

This article summarises what the report found, and what each finding means for program operators.

A market that reaches into almost every industry

Loyalty programs have operated in Australia for several decades and now appear across almost every consumer industry. Estimates of how many programs the average Australian belongs to range from four (Adam Posner, For Love or Money 2018)2 to 6.1 (Mastercard).1 The report concentrated on the four largest coalition programs, Qantas Frequent Flyer, Woolworths Rewards, Velocity Frequent Flyer, and flybuys, because their scale and partner networks give them influence over a large share of Australian spending. A coalition program is one run by a central operator, where a network of partners rewards members with a common currency such as points.

The modern coalition program traces back to 1980, when American Airlines launched AAdvantage, the first frequent flyer program built on a reward currency of miles. Qantas Frequent Flyer followed in 1987 using points. Over the following decades, hotels, banks, supermarkets, and retailers built or joined coalition networks of their own.

Much of the recent history is a contest between two competing partnerships. In 2009, Woolworths partnered with Qantas Frequent Flyer, which grew the supermarket’s member base and gave Qantas a large population of members who rarely flew. Coles took full control of flybuys in 2011 and relaunched it, using cheaper points and supplier-funded bonus offers to compete. When Woolworths relaunched as Woolworths Rewards in October 2015 and replaced Qantas Points with a new currency earned only on selected products, members responded with sustained criticism, and the supermarket reversed much of the change within a year. By 2016, the industry had settled into two camps, Woolworths Rewards with Qantas Frequent Flyer, and flybuys with Velocity.

For operators: a currency change removes something members already value, and members tend to feel that loss more sharply than the gain meant to replace it. The Woolworths experience shows how quickly members react when a redesign reduces perceived value.

The psychology built into program design

The report set out the behavioural research that underpins program design. Several findings are worth knowing.

Operant conditioning (Skinner, 1948)3 holds that behaviour which is reinforced tends to be repeated. Bonus points for a specific action encourage members to repeat it. A related insight is that not all points are equal: the large airline, bank, supermarket, and hotel currencies are desirable enough to change where members choose to shop.

Social identity theory (Tajfel, 1978;4 Bhattacharya and Sen, 2003)5 holds that people fold the brands they identify with into their sense of self. Status tiers apply this directly. A Platinum frequent flyer receives lounge access, priority boarding, and upgrades, and that recognition can build an emotional connection to the airline. Status also raises switching costs, which can keep a member spending even when a competitor charges less for the same product.

The endowed progress effect (Nunes and Drèze, 2006)6 was demonstrated in a car wash study. Members given a card with two of ten stamps already filled redeemed at 34 per cent, against 19 per cent for members given a blank eight-stamp card, even though both groups needed eight stamps. Artificial early progress increased persistence toward the goal.

The goal-gradient effect (Hull, 1934;7 Kivetz, Urminsky, and Zheng, 2006)8 holds that effort increases as a goal comes closer. Members have been observed to accelerate their spending as they approach a status threshold.

Size heuristics describe how one hundred points can feel more rewarding than the one dollar of value it represents. Points let a program present value at a low cost to itself.

Surprise and delight can lift satisfaction well beyond what met expectations achieve. Berman (2005)9 reported that a delighted Mercedes-Benz customer had an 86 per cent likelihood of buying again, against 29 per cent for a merely satisfied one.

For operators: these mechanics work, and that is why they carry a duty of care. Design that manufactures progress or leans heavily on status can drive engagement, and it can also erode trust if members later feel the value was overstated.

How the largest programs earn their profit

A small number of coalition programs are highly profitable. Qantas Loyalty reported revenue of $1,546 million and earnings before interest and tax of $372 million in 2018.10

The report set out the standard coalition model with a worked example. A member spends $1,000 and earns 1,000 points. The program invoices the retailer at around 1.5 cents per point, so the retailer pays $15. When the member later redeems, the program values each point closer to one cent, or $10 for the 1,000 points. The program keeps the difference, roughly $5, a margin of about 33 per cent on that transaction. Across the hundreds of billions of points a large program can sell each year, those half-cents accumulate.

Two further mechanics matter. The first is breakage, the industry term for points that expire unused. Programs set expiry rules, for example 18 months of inactivity for Qantas Frequent Flyer, 24 months for Velocity, and 12 months for flybuys, and higher breakage translates directly into higher profitability. This is why some programs employ actuaries to model it. The second is deferred revenue. A program sets aside enough to cover future redemptions, and a holding of several billion dollars is not unusual for a large Australian coalition program, earning interest in the meantime.

Redemption value also varies by reward. A point redeemed on a flight might be worth one cent, on a gift card half a cent, and on a toaster around 0.25 to 0.35 cents. Pricing steers members toward redemptions that keep cash inside the business.

For operators: breakage and value-steering improve margins, and they sit in tension with member value. A program that optimises breakage too aggressively risks the disengagement that produces breakage in the first place.

The data behind the points

A loyalty program is one of the most effective ways to build a marketing database, because it links transactions to an identified individual over time. The report traced how far that data capability now extends.

Woolworths bought a half-share in analytics firm Quantium in 2013, gaining the ability to turn data from around 8 million loyalty cards into personalised offers. Data exchanges such as Data Republic, backed by Qantas Loyalty, Westpac, NAB, and ANZ, connect a broad network of organisations for secure data sharing. Data brokers can match a single member against tens or hundreds of external datasets, and one broker cited in the report, Rokt, described using billions of user records to personalise offers in real time.

For operators: members increasingly expect transparency and control over their data, a point the report emphasised. A program that collects widely without explaining clearly risks the trust that makes personalisation acceptable in the first place.

The competition question

The report examined whether loyalty programs affect competition, and the evidence points in more than one direction.

Consumer behaviour shows the effect is real. A 2018 Canstar Blue survey found that 21 per cent of shoppers who switched supermarkets did so to earn reward points, and 54 per cent of those who did all their shopping at one supermarket did so because of points.11 International research reaches similar conclusions. Lederman (2003)12 linked frequent flyer enhancements to gains in airline market share, with larger effects at hub airports. Cairns and Galbraith (1990)13 argued that programs raise switching costs and act as a sunk cost that a new entrant must match to compete. McCaughey and Behrens (2011)14 found frequent flyer members in the Netherlands willing to pay a premium of up to 6 per cent. Reichheld (1996)15 found that programs can reduce a member’s sensitivity to competing prices.

The concern is sharpest for smaller companies and new entrants. In a market of dominant duopolies, when the leading players both run large, engaged programs, the competitive tension between them can be neutralised while the barrier facing a new entrant without a comparable program rises. Norway took this seriously enough to ban the earning of points on domestic routes for a period, lifting the ban only in 2013 once domestic competition was judged robust.16

The evidence is not one-sided. Caminal and Claici argued that loyalty pricing can enhance competition by steering business between firms and lowering average transaction prices.17 Aldi, meanwhile, has campaigned directly against points-based programs, arguing that members who chase points routinely spend more, which suggests competitors view those programs as effective.

For operators: a program is a genuine competitive asset, and that same strength invites scrutiny where it raises switching costs or dampens price competition. Designing for real member value, rather than lock-in alone, is the more durable position.

Are members getting what they are promised?

The report closed on the question that matters most to members: the value they actually receive.

Value varies widely. Members of some programs receive as little as half a cent for every dollar spent, while others return 10 per cent or more. Some programs have also reduced value quietly over time. A $100 Barbeques Galore gift card that cost 13,500 points on the Velocity store in 2009 later cost 18,000 points, a 33 per cent increase. A $100 Myer gift card on the Qantas Store rose from 13,500 to 17,770 points, a 31 per cent increase, for a product whose value had not changed. Those increases outpaced the roughly 9.5 per cent inflation over the same five years, and members were not notified.

Some advertising also risks over-promising. The report noted a Qantas credit card campaign using the line “Latte, Latte, Latte, London”. Taken literally, a member would need to buy 20,000 to 40,000 cups of coffee to earn a flight to London, which at one or two cups a day could take up to 55 years. No reasonable consumer would read it literally, and that is the point: broad promotional claims can imply that value is more accessible than it is.

For operators: transparency around expiry, devaluation, and realistic earn rates protects the trust a program depends on. Members forgive a modest return far more readily than a value promise that does not hold up.

What the report means today

Australia’s loyalty industry is sophisticated, profitable, and built on well-understood behavioural science. The ACCC report showed that the same features which make programs effective, the psychology, the data, the coalition scale, and the points economics, are also the features that deserve the most care. A program earns durable loyalty when its design, its data practices, and its promises all hold up to a member reading them closely.

Loyalty & Reward Co produced this report as the loyalty consulting experts, and have since delivered more than 160 loyalty projects for leading brands worldwide. For the full detail, figures, and sources, read the complete report on the ACCC website.

Referencias

Primary source: Shelper, P., Lyons, S., & Savransky, M. (2019). Australian Loyalty Schemes: A Loyalty & Reward Co report for the ACCC. Loyalty & Reward Co. Available at: accc.gov.au

The numbered sources below are cited in the article above. Full footnotes for every industry, media, and program source referenced throughout the report are provided in the ACCC report itself.

  1. Mastercard (2018). Achieving Advocacy and Influence in a Changing Loyalty Landscape.
  2. Posner, A. (2018). For Love or Money 2018, edition 6.
  3. Skinner, B. F. (1948). “Superstition in the pigeon”, Journal of Experimental Psychology, Vol. 38, pp. 168-172.
  4. Tajfel, H., & Turner, J. C. (1978). “An integrative theory of intergroup conflict”, in The Social Psychology of Intergroup Relations, pp. 33-47.
  5. Bhattacharya, C. B., & Sen, S. (2003). “Consumer-company identification: a framework for understanding consumers’ relationships with companies”, Journal of Marketing, Vol. 67, pp. 76-88.
  6. Nunes, J., & Drèze, X. (2006). “The endowed progress effect: how artificial advancement increases effort”, Journal of Consumer Research, Vol. 32, No. 4, pp. 504-512.
  7. Hull, C. L. (1934). “The rat’s speed of locomotion gradient in the approach to food”, Journal of Comparative Psychology, Vol. 17, pp. 393-422.
  8. Kivetz, R., Urminsky, O., & Zheng, Y. (2006). “The goal-gradient hypothesis resurrected: purchase acceleration, illusionary goal progress, and customer retention”, Journal of Marketing Research, Vol. 43, pp. 39-58.
  9. Berman, B. (2005). “How to delight your customers”, California Management Review, Vol. 61, No. 1, pp. 129-151.
  10. Qantas (2018). Qantas Annual Report 2018.
  11. Canstar Blue (2018). Consumer survey on supermarket switching and reward points, as cited in the ACCC report.
  12. Lederman, M. (2003). Do enhancements to loyalty programs affect demand? The impact of international frequent flyer partnerships on domestic airline demand, mimeo, MIT.
  13. Cairns, R., & Galbraith, J. (1990). “Artificial compatibility, barriers to entry, and frequent-flyer programs”, Canadian Journal of Economics, Vol. 23, pp. 807-816.
  14. McCaughey, N., & Behrens, C. (2011). Paying for status? The effect of frequent flyer program member status on airfare choice, Monash University Department of Economics.
  15. Reichheld, F. (1996). The Loyalty Effect: The Hidden Force Behind Growth, Profits and Lasting Value, Harvard Business School Press.
  16. OECD (2014). Airline competition: note by Norway, Directorate for Financial and Enterprise Affairs, Competition Committee.
  17. Caminal, R., & Claici, A. (2007). “Are loyalty-rewarding pricing schemes anti-competitive?”, International Journal of Industrial Organization, Vol. 25, pp. 657-674.
<a href="https://loyaltyrewardco.com/author/maxs/" target="_self">Max Savransky</a>

Max Savransky

Max es el Director de Operaciones de Loyalty & Reward Co, la consultora líder en fidelización. Loyalty & Reward Co diseña, implementa y opera los mejores programas de fidelización del mundo para las mejores marcas del mundo. Max ha sido consultor en más de 40 proyectos y anteriormente ha desempeñado funciones en Mastercard Loyalty, Pureprofile y HOYTS. Max dirige las funciones empresariales de implementación y operaciones, especializándose en todos los aspectos de la consultoría de fidelización y la gestión de programas.

Lea las últimas opiniones de nuestros expertos

The Ultimate Guide to adidas adiClub

Since rebranding from the Creators Club in early 2022, adidas' adiClub has grown into one of the most recognised and awarded loyalty programs in global sportswear....

HeyMax First “fly now, earn later” review

Most loyalty programs are built on deferred gratification. Members spend over a period of time, watch a balance accumulate, and aim for a desired, future reward....

Hable con nosotros

¿Necesita un mejor programa de lealtad? ¿Quiere aprovechar nuestra experiencia? ¡Hable con nosotros!