Predictive Modeling of Early Dormancy in New Digital Banking Relationships in Morocco: Contribution of Open Banking in Reducing Customer Inactivity La modélisation prédictive du gel précoce des nouvelles entrées en relation de la banque digitale au Maroc : Apport de l'open banking dans la réduction de l'inactivité client En Fr

Résumé En Fr

This research examines the phenomenon of early freezing of digital bank accounts in Morocco, characterized by significant inactivity in the first three months following account opening. Faced with the challenges of profitability and customer satisfaction that this phenomenon raises, the study proposes a predictive model integrating data from open banking to identify and prevent early inactivity. Through a mixed methodology combining retrospective analysis of transactional data and longitudinal monitoring of a cohort of 150 new customers of a Moroccan digital bank, the research characterizes at-risk profiles and evaluates the marginal contribution of multi-banking data in improving predictive capabilities. Three modeling approaches are compared: a reference model using only the bank's internal data, a model enriched by open banking, and an advanced hybrid model integrating deep learning techniques. The results reveal that the integration of open banking data improves predictive accuracy by 16.4%, offering Moroccan digital financial institutions operational tools to strengthen customer engagement from the early stages of the banking relationship.

Cette recherche examine le phénomène de gel précoce des comptes bancaires numériques au Maroc, caractérisé par une inactivité significative dans les trois premiers mois suivant l'entrée en relation. Face aux enjeux de rentabilité et de satisfaction client que ce phénomène soulève, l'étude propose un modèle prédictif intégrant les données issues de l'open banking pour identifier et prévenir l'inactivité précoce. À travers une méthodologie mixte combinant analyse rétrospective de données transactionnelles et suivi longitudinal d'une cohorte de 150 nouveaux clients d'une banque digitale marocaine, la recherche caractérise les profils à risque et évalue la contribution marginale des données multi-bancaires dans l'amélioration des capacités prédictives. Trois approches de modélisation sont comparées : un modèle de référence utilisant uniquement les données internes de la banque, un modèle enrichi par l'open banking, et un modèle hybride avancé intégrant des techniques de deep learning. Les résultats révèlent que l'intégration des données d'open banking améliore la précision prédictive de 16,4%, offrant aux institutions financières digitales marocaines des outils opérationnels pour renforcer l'engagement client dès les premières étapes de la relation bancaire.