MBNA e il marketing innovativo

clientela e la gestione in situazione di default.

4.2.2 MBNA e il marketing innovativo

Un'altra "monoline" che già a metà degli anni '80 aveva capito l'importanza dell'acquisizione di informazioni per poter separare la clientela era la MBNA. MBNA venne costituita in Delaware come sussidiaria del Maryland National Bank come emittente di carte di credito; inizialmente aveva rilasciato 600.000 carte di credito per un ammontare di 20956 milioni di dollari in prestiti su carte di credito. Alla fine del 2000 i profitti erano cresciuti, passando a 51 milioni di carte di credito rilasciate per un totale di 8957 miliardi di dollari in prestiti su carte di credito.

La strategia di MBNA era quella di identificare prospettive, stabilire

rapporti e anticipare i bisogni dei clienti e fornire loro servizi personalizzati. Per raggiungere questi obiettivi l'idea di MBNA era quella di costruire un modello di affinità che consisteva in una strategia di marketing diretta ai clienti accomunati dagli stessi interessi, che sentivano quindi il bisogno di usare una carta che dimostrasse questa affiliazione e questo legame: solitamente si trattava di un'istituzione o di un'organizzazione a cui MBNA si appoggiava.

56 _{Staten, Cate (2003)}

Oltre il 70% dei saldi sulle carte MBNA sono stati originati da queste organizzazioni di supporto le quali ricevono benefici finanziari in cambio; tra queste organizzazioni troviamo: organizzazioni di professionisti(medici, avvocati, dentisti, ecc), associazioni studentesche e organizzazioni sportive. Anche in questo caso la chiave del successo di questa "monoline" è stata la strategia di marketing volta a selezionare i target di clienti in base alle loro affinità e a identificare i clienti qualitativamente superiori. Una pietra

miliare della strategia di marketing di MBNA è quella di concedere ai suoi clienti linee di credito elevate che servono a stimolare l'uso delle carte; dall'altro lato questa strategia costituisce anche un rischio in quanto le linee di credito inutilizzate rappresentano una passività potenziale.

Nonostante ciò, MBNA è stata negli anni capace di contenere questo rischio grazie soprattutto all'uso della tecnologia nel monitoraggio delle attività di pagamento e di spesa dei clienti con cui la compagnia ha potuto tenere aggiornati i profili di rischio di quest'ultimi, e anche grazie alle strategie di marketing che le hanno permesso di motivare i clienti a mantenere un buon comportamento creditizio.

Ci sono stati molti cambiamenti nel mercato delle carte di credito: dai tassi indifferenziati a strategie di risk-based pricing, da sistemi di credit scoring a sistemi più complessi di behavioral scoring, da sollecitazioni preapprovate caratterizzate da condizioni riguardanti APR e periodo di grazia a un marketing innovativo che offre prodotti personalizzati, ricompense, e prodotti cross-sell.

Le società emittenti di carte di credito sono riuscite non solo a gestire il problema della selezione avversa ma a tradurlo in vantaggio competitivo attraverso la segmentazione della clientela, resa possibile grazie allo sviluppo della tecnologia e quindi a sofisticati modelli di credit scoring e grazie al supporto dei credit bureau (agenzie di credito), offrendo un prodotto personalizzato e adatto alle diverse tipologie di cliente. Il mercato del credito è diventato negli anni sempre più competitivo, ma l'adozione della cosiddetta information technology ha permesso ad alcune società di crescere e di posizionarsi ad un ottimo livello nell'industria delle carte di credito. "We

founded Capital One on the belief that information and technology would revolutionize nancial services." (Richard D. Fairbank Chair, Chief Executive

CONCLUSIONE

L'asimmetria informativa tra clienti e emittenti pende a favore dei clienti, i quali sono più a conoscenza rispetto agli altri della loro volontà e capacità di pagare, per questo motivo le società emittenti di carte di credito hanno sentito il bisogno di utilizzare una tecnologia nell'ambito dell'informazione. Le società emittenti technology-oriented si sono potute così assicurare un vantaggio informativo rispetto ai concorrenti che le ha rese capaci di selezionare meglio i clienti secondo il loro profilo di rischio.

Stiglitz e Weiss sin dal 1980 avevano intuito che aumenti del tasso di interesse operavano una selezione dei richiedenti contraria agli interessi della banca (fenomeno della selezione avversa) ovvero questi aumenti del tasso di interesse avevano un duplice effetto: l'effetto diretto di reddito per il quale i profitti della banca aumentavano e l'effetto indiretto di selezione avversa che determinava una separazione dei richiedenti il prestito a svantaggio della banca.

Stiglitz e Weiss avevano spiegato il motivo per il quale negli anni '90 le banche si ritrovavano a chiedere un tasso unico (Furletti 2003), definito anche tasso di equilibrio unificante (non inteso come equilibrio walrasiano in quanto domanda e offerta non sono uguali), ovvero in corrispondenza del quale sia i debitori rischiosi che quelli non rischiosi firmavano un contratto uguale; offrendo questo tasso le banche evitavano problemi di selezione avversa che prevaleva oltre quel tasso e in questo modo raggiungevano sia una parte dei clienti con basso rischio

sia una parte dei clienti più rischiosi (l'altra parte di questi ultimi subiva un razionamento del credito).

Ausubel (1999) e Agarwal (2010), in seguito, con i loro studi hanno dimostrato empiricamente gli effetti della selezione avversa: hanno trovato che a coloro che rispondevano maggiormente a tassi di interesse superiori corrispondeva un profilo di rischio maggiore e quindi una maggiore probabilità di default ex post. L'introduzione del credit scoring e del risk-based pricing hanno creato i presupposti per passare da un mercato delle carte di credito basato su un unico tasso indifferenziato a tassi differenziati che hanno permesso un'estensione del credito anche ai debitori più rischiosi e migliori condizioni per i debitori meno rischiosi. I successivi investimenti nella tecnologia hanno permesso lo sviluppo dei credit reporting che sono di cruciale importanza per i modelli di credit scoring e degli stessi credit scoring che ora danno risultati più veloci, automatizzati e più accurati nella valutazione del rischio.

Questi modelli hanno permesso un miglior prescreening e una maggiore comprensione del cliente e quindi della sua storia creditizia; hanno fornito alle emittenti la possibilità di estendere il credito anche ai clienti con storie creditizie problematiche e di poter evitare le perdite legate a questi clienti grazie al monitoraggio costante effettuato sul comportamento di questi clienti.

Nel tempo questi modelli di credit scoring sono progrediti e sono stati integrati con modelli comportamentali ad ampio raggio con i quali è stato possibile prendere in considerazione insieme al comportamento del debitore (andamento

pagamenti, tipologia di acquisti effettuati ecc) anche i caratteri personali (età, genere, reddito, ecc) dell'individuo. Ad oggi viene utilizzata la cosiddetta tecnologia comportamentale che oltre a stimare la probabilità di default dei debitori, stima la probabilità dei clienti ad utilizzare servizi offerti dall'emittente; tutto ciò che riguarda il comportamento del cliente viene utilizzato per costruirne un miglior profilo di rischio e per sviluppare una migliore strategia di marketing.

Gli avanzamenti nella tecnologia hanno permesso alle società emittenti di gestire meglio i propri rischi e di poter accrescere i proprio utili (Mason, Biggs 2002), ma prima di tutto hanno fornito loro un ottimo strumento per poter limitare la loro esposizione al fenomeno della selezione avversa.

BIBLIOGRAFIA

AGARWAL S., CHOMSISENGPHET S., LIU C., 2010, “The importance of Adverse Selection in the Credit Card Market: Evidence from Randomized Trials of Credit Card Solicitations”, Journal of Money, Credit and Banking, Vol 42, No 4.

AKERLOF G. A. 1970, ”The Market for "Lemons": Quality Uncertainty and the Market Mechanism”, The Quarterly Journal of Economics, Vol. 84, No. 3. AUSUBEL L., 1991, "The Failure of Competition in the Credit Card Market", The American Economic Review, Vol 81, No.1.

AUSUBEL L., 1999, “Adverse Selection in the Credit Card Market”, Working Paper, University of Maryland.

AYADI F., 1997, "Adverse Selection, Search Costs and Sticky Credit Card Rates", Financial Services Review, Vol. 6, No. 1.

BARRON J.M, STATEN M., 2003, "The Value of Comprehensive Credit Reports", in M. Miller, "Credit Reporting Systems and The International Economy", MIT Press.

BEBCZUK R. N., 2003, "Asymmetric Information in Financial Markets Introduction and Applications", Cambridge University Press.

BERTOLA G., GRANT C., 2008, "The Economics of Consumer Credit", MIT Press Ltd.

CALEM P. S., MESTER L. J., 1995, " Consumer behaviour and the stickiness of credit card interest rates", American Economic Review, Vol. 85, No. 5. CALEM P. S., GORDY M. B., MESTER L. J., 2005, "Switching Costs and Adverse Selection in the Market for Credit Cards: New Evidence", Journal of Banking and Finance, Vol. 30, No. 6.

CONSUMER FINANCIAL PROTECTION BUREAU, 2017, "The Consumer Credit Card Market",

http://files.consumerfinance.gov/f/documents/cfpb_consumer-credit-card- market-report_2017.pdf

CORDRAY R., 2015, "The Consumer Credit Card Market", report del Consumer Financial Protection Bureau, estratto da www.consumerfinance.gov. CRISTAUDO P., MAGRI S., PICO R., ZAVALLONE M., 2014, “Il credito al consumo durante la crisi: evidenza dai contratti”, Questioni di Economia e Finanza, Banca d’Italia N.234.

DEE S., 2015, "How does Capital One differentiate itself in the card industry?", articolo da

https://www.forbes.com/sites/greatspeculations/2015/09/11/how-does-capital- one-differentiate-itself-in-the-card-industry/#5747a3003cda

DI ANTONIO M., 1994, "Il credito al consumo", EGEA.

EGAN J., NEU C., MCGRATH A., 2016, "Consumer Credit in the United States, ricerca, Evolution Capital Management", estratto da

EVANS D., SCHMALENSEE R., 2004, "Paying with Plastic: The Digital Revolution in Buying and Borrowing" 1st ed, MIT Press.

FAIRBANK R.D., 2016, CapitalOne 2016 Annual Report,

http://phx.corporate-ir.net/phoenix.zhtml?c=70667&p=irol-reportsannual FURLETTI M., 2003, "Credit Card Pricing Developments and Their Disclosure", Federal Reserve Bank of Philadelphia Payment Cards Center Discussion Paper No. 03.

GRODZICKI D., 2017, "The evolution of competition in credit card market", Department of Economics, The Pennsylvania State University.

GRODZICKI M., 2015, " Competition and Customer Acquisition in the U.S Credit Card Market", https://editorialexpress.com/cgi-

bin/conference/download.cgi?db_name=IIOC2015&paper_id=308

KUMAR V., REINARTZ W., 2012, "Customer Relationship Management: Concept, Strategy, and Tools", 2nd edition, Springer Texts in Business and Economics.

LAMAGNA F., Agosto 2017, " Americans now have the highest credit-card debt in U.S history", estratto da marketwatch.com,

https://www.marketwatch.com/story/us-households-will-soon-have-as-much- debt-as-they-had-in-2008-2017-04-03.

MASON H. K., BIGGS R.L., 2002, "Endgamen in Credit Cards: Adverse Selection and Risk Management", Bernstein Research

Asymmetric Information: The Contributions of George Akerlof, Michael Spence and Joseph Stiglitz", The Scandinavian Journal of Economics, Vol. 104, No. 6.

PAPERNO B., 2015, "Banks' internal 'behavior scores' can decide cardholder terms", articolo da https://www.creditcards.com/credit-card-news/behavior- score-cardholder-credit-limit-1586.php

ROTHSCHILD M., STIGLITZ J., 1976, "Equilibrium in Competitive Insurance Markets: An Essay on the Economics of Imperfect Information", The Quarterly Journal of Economics, Vol. 90, No. 4.

RUIZ M. L., 1996, "Credito ed Informazione", Giappichelli.

SCHULZ M., 2011, " How your FICO credit score is calculated", articolo da https://www.creditcards.com/credit-card-news/how-your-fico-credit-score-is- calculated-1270.php

SIRONI F., 2017, "Così L'Italia che compra a rate si scopre fragile", estratto da L'Espresso, http://espresso.repubblica.it/inchieste/2017/02/22/news/prestiti- credito-al-consumo-dalle-tasche-degli-ultimi-italia-a-rate-fragile-

1.295921?refresh_ce.

SKANDERSON D., 2014, "CRA Insights: Financial Economics", https://www.crai.com/sites/default/files/publications/FE-Insights-0814.pdf STATEN M.E, CATE F.H, 2003, "The impact of opt-in privacy rules on retiail credit markets: a case study of MBNA", Duke Law Journal, Vol. 52, No. 4

STATEN M., 2014, " Risk-based pricing in consumer lending", Center For Capital Markets, https://www.centerforcapitalmarkets.com/wp-

content/uploads/2013/08/CCMC_RiskBasedPricing_FINAL_to_post_10_24_ 2014.pdf

STIGLITZ J. E., WEISS A. 1981, “Credit Rationing in Markets with Imperfect Information”, in The American Economic Association, Vol. 71, No. 3

US GOVERNEMENT PUBLISHING OFFICE, Maggio 2009, "Credit Card Accountability Responsibility And Disclosure Act of 2009", Public Law 111- 24, https://www.ftc.gov/sites/default/files/documents/statutes/credit-card- accountability-responsibility-and-disclosure-act-2009-credit-card-act/credit- card-pub-l-111-24_0.pdf

WEISS A. 1980, “Job Queues and Layoffs in Labor Markets with Flexible Wages”, in Journal of Political Economy, Vol. 88, No. 3.

91st United States Congress, 1970, "Fair Credit Reporting Act", Public Law 91- 508