Tesco
gamification de la fidelite par objectifs de depense personnalises calcules par IA
Tesco a cible jusqu'a 10 millions de membres Clubcard avec des defis de depense personnalises par le moteur IA d'Eagle Eye, distribuant plus d'un demi-milliard de points sur ses campagnes 2024, sur un programme par lequel passent 82% des ventes UK.
L'essentiel
- Defis de depense personnalises par IA dans l'app Clubcard.
- Moteur de decision Eagle Eye sur l'historique d'achat, appuye par dunnhumby.
- Jusqu'a 10 millions de membres cibles, plus d'un demi-milliard de points en 2024.
- Preuve B, statut confirme, quatre campagnes de six semaines en 2024.
Objectif
Faire revenir les membres Clubcard plus souvent et augmenter leur depense sur une periode de six semaines, en leur proposant des defis chiffres taille pour leur panier habituel plutot que des promotions uniformes.
Le déploiement
Les Clubcard Challenges sont des defis de depense personnalises proposes dans l'application Tesco. Chaque membre recoit des objectifs (par exemple depenser un certain montant sur une categorie) et gagne des points Clubcard s'il les atteint sur six semaines, jusqu'a 50 livres de points. L'affectation des defis est calculee par le moteur d'IA d'Eagle Eye, qui prend selon l'editeur plus de 190 decisions par membre pour fixer produits cibles, seuils de depense et niveaux de recompense a partir de l'historique d'achat. Tesco a deroule quatre campagnes de six semaines en 2024, en elargissant a chaque vague la population incluse, jusqu'a 10 millions de clients pour la derniere. Le programme s'appuie sur la matiere data du Clubcard, par lequel transitent 82% des ventes UK de Tesco.
Résultats Preuve B
Etude de cas de la plateforme Eagle Eye chiffree (reach, conversion joueurs, points distribues) citant le CEO Ken Murphy, corroboree par l'analyse eMarketer sur le poids du Clubcard (82% des ventes UK). Source vendor interessee mais concordante avec la presse d'analyse.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- plateforme Eagle Eye Plateforme loyalty dont le moteur d'IA calibre les defis : plus de 190 decisions par membre (produits cibles, seuil de depense, recompense) a partir de l'historique d'achat.
- integrateur dunnhumby Filiale data de Tesco, a l'origine du Clubcard, qui assure la modelisation client en amont du moteur.
- infra Application mobile Tesco / programme Clubcard Canal de diffusion des defis et source de la donnee : 82% des ventes UK de Tesco transitent par le Clubcard.
Comment ça tourne, concrètement
Pour les équipes ops-
1Selection de la population Marketing fidelite
L'equipe fidelite fixe le perimetre de la vague et le nombre de clients inclus, elargi campagne apres campagne.
-
2Calibrage des defis IA
Le moteur Eagle Eye calcule pour chaque membre les produits cibles, le seuil de depense et la recompense a partir de son historique.
-
3Diffusion dans l'app Application
Les defis apparaissent dans l'application Tesco avec la progression et la recompense en points Clubcard.
-
4Suivi de progression IA
Chaque achat met a jour l'avancement du membre vers son objectif sur les six semaines.
-
5Mesure et iteration Equipe data et marketing
Participation, completion et depense incrementale sont mesurees, puis la vague suivante elargit la cible.
L'historique d'achat Clubcard de chaque membre. Sans identifiant reliant les tickets a une personne, le moteur ne peut pas calibrer un seuil de depense atteignable, et le defi devient soit trivial soit hors de portee.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe paradoxe est documente des deux cotes : 71% des consommateurs attendent des interactions personnalisees et 76% sont frustres quand elles manquent (McKinsey, 2021), mais 75% declarent ne pas acheter aupres d'organisations auxquelles ils ne confient pas leurs donnees (Cisco, 2024). La « creepy line » est localisee : messages recus quelques secondes apres une recherche et suivi de localisation sont les pratiques qui mettent le plus mal a l'aise (Periscope by McKinsey, 2019).
Conditions d'acceptation
- La confiance dans le traitement des donnees precede l'achat : 75% ne achetent pas sans elle (Cisco 2024)
- Un cadre legal protecteur rassure : 59% des consommateurs disent que des lois fortes sur la vie privee les rendent plus a l'aise pour partager des informations dans des applications IA (Cisco 2024)
- La personnalisation elle-meme est attendue quand elle est consentie : environ la moitie des consommateurs (US 55%, UK 52%) disent s'inscrire souvent ou parfois a des services personnalises (Periscope by McKinsey 2019)
Lignes rouges
- Le message declenche quelques secondes apres une recherche ou un achat : deuxieme ou troisieme cause de malaise selon les pays (Periscope by McKinsey 2019)
- Le suivi de localisation percu comme de la surveillance : 40% de malaise en Allemagne et au Royaume-Uni (Periscope by McKinsey 2019)
- Le mesusage des donnees personnelles par l'IA, devenu la premiere inquietude des consommateurs, a 53% et en hausse (Qualtrics 2025)
Sources : McKinsey & Company 2021 · Periscope by McKinsey 2019 · Cisco 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- historique transactionnel first-party par membre
- programme de fidelite identifiant chaque client
- capacite a rattacher chaque ticket au bon profil
Prérequis orga
- programme de fidelite actif a large base
- equipe CRM pilotant les campagnes
- boucle de mesure incrementale
Stack possible
- plateforme loyalty avec moteur d'offres (Eagle Eye, Talon.One, equivalent)
- CDP ou entrepot client
- application mobile
Le plan, étape par étape
- Étape 1Definir le mecanisme de defi (duree, recompense, categories eligibles) et le perimetre de la population pilote.Livrable : Spec du challenge et regles de calibrage individuel.
- Étape 2Brancher le moteur d'offres sur l'historique d'achat des membres pour calculer des seuils de depense atteignables par personne.Livrable : Seuils et recompenses calcules pour la population test.
- Étape 3Lancer une premiere campagne de six semaines sur une population reduite, avec groupe temoin et suivi de progression dans l'app.Livrable : Campagne live, progression visible par le membre.
- Étape 4Lire participation, completion et depense incrementale contre le temoin.Livrable : Bilan chiffre de la vague pilote.
- Étape 5Elargir la population vague apres vague en ajustant le calibrage sur les enseignements.Livrable : Plan de scaling et calendrier des campagnes suivantes.
Première étape : Definir un mecanisme de defi chiffre et brancher le moteur d'offres sur l'historique d'achat des membres pour calibrer des seuils individuels.
Le même pattern, prouvé dans d'autres industries
Meta
recommandation de fil et de video par IA (modeles a grande echelle / LLM)
Netflix
moteur de recommandation de contenu
Nike
offres et acces exclusifs personnalises selon l'engagement et l'historique membre
Sources
- S1 Tesco Clubcard Challenges - Eagle Eye case study Officiel intéressé archive à générer
- S2 How Tesco built a retail platform powered by loyalty data and AI Secondaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.