Point de vue: Quelle méthode pour optimiser les ciblages et les interactions avec ses clients ?

Point de vue: Quelle méthode pour optimiser les ciblages et les interactions avec ses clients ?

Point de vue, Valérie, Manager de l’équipe Customer Interaction

Classer, segmenter, scorer, quelle méthode pour optimiser les ciblages et les interactions avec ses clients ?

 

Les données collectées par les entreprises sur leurs clients sont toujours plus nombreuses et hétérogènes. Elles proviennent de sources aussi variées que segmentantes. Que les données soient issues du CRM, des DMP, des centres d’appels, des bases de gestions des actions marketing, des routeurs, des objets connectés… , toutes peuvent potentiellement contribuer à expliquer certains comportements clients voire les différencier les uns des autres.

A l’ère de l’ultra-personnalisation, l’enjeu n’a jamais été aussi important pour les entreprises d’identifier les spécificités de leurs clients, d’être en capacité de les distinguer les uns des autres et de détecter les critères qui leur permettront d’atteindre la graal du marketing : proposer à leurs clients le produit le plus affinitaire, au moment le plus opportun, via le canal avec lequel ils seront le plus réactif, avec l’offre la plus pertinente et le message le plus adapté !

Comment alors, dans ce foisonnement de données, les exploiter facilement et les agréger à des fins opérationnelles ?

Nous aborderons, ici, 3 techniques très utiles dans l’optimisation des ciblages marketing et décrypterons leurs vertus et les cas dans lesquelles chacune d’elle est la plus appropriée.

 

Une segmentation pour décrire et prioriser les cibles

La segmentation a un double objectif :

  • Descriptif car elle est un moyen simple de dresser un personae de ses client
  • Opérationnel car elle peut permettre d’identifier des clients à potentiel/à valeur ou d’identifier les produits qu’ils voudraient acheter

Il existe de très nombreux types de segmentations mais parmi les plus fréquemment utilisés, nous pouvons citer :

  • La segmentation analytique permettant de déterminer des groupes de clients en fonction des produits qu’ils ont achetés
  • La segmentation basée sur un état (segmentation par âge, par ancienneté client…, acheteurs vs prospects) ou issue de triggers (déclencheurs d’action comme par exemple une date anniversaire qui déclenche un mail)
  • La segmentation de réponse permettant de déclencher une action spécifique en fonction de la réponse à une question (dans un formulaire par exemple ou au service client)
  • La segmentation stratégique permettant de déterminer les clients à plus forte valeur. Ce sont les clients qui rapportent le plus et sont souvent ceux sur lesquels on concentrera les efforts. Attention toutefois à ne pas les sur-solliciter ! Il faut, au contraire, les chouchouter !

Au sein des segmentations stratégiques, il est possible de faire appel à :

  • La segmentation PMG : Petits / Moyens / Gros acheteurs
  • La segmentation RFM en fonction de la récence, de la fréquence et du montant des achats passés
  • La segmentation prédictive pour identifier des profils types de clients en fonction de leur valeur future
  • La segmentation Produits

La segmentation présente l’avantage d’être simple à construire : les règles sont définies par la connaissance du marché et par le bon sens. Il n’est pas toujours nécessaire de mettre en œuvre des algorithmes complexes pour construire les classes ou pour en définir le nombre : l’analyste est maître dans le choix des critères et du nombre de segments qu’il désire construire. Il est aussi possible de n’utiliser qu’une poignée de critères : 3 par exemple pour la segmentation RFM, voire un seul dans le cas de triggers.

L’inconvénient majeur réside dans son implémentation : une segmentation n’a de sens que si les actions marketing sont différenciées et spécifiques par segment. Il faut donc créer une véritable stratégie marketing segmentée : offres, canaux de communication sont autant de moyens à adapter pour être à même d’optimiser les marges marketing. En effet, proposer une offre promotionnelle agressive à un client dont la fidélité n’est plus à démontrer ne peut qu’accélérer, dans le meilleur des cas, l’achat qu’il aurait fait même au prix standard. Il n’est pas non plus recommandé de contacter par téléphone les clients à faible valeur, le CPA de ce canal étant plus élevé.

Il peut même également être recommandé d’adapter les organisations en fonction des segments. En effet, si le marketing est organisé par produit, et qu’une stratégie segmentée est mise en place, il faudra démultiplier les stratégies sur chaque segment et pour chaque produit…

 

La typologie pour créer des classes d’individus ou de produits homogènes en leur sein et différentes entre elles

Avec les typologies, on atteint un stade supérieur tant par le nombre de données que par les techniques utilisées.

En effet, cette technique peut s’appliquer à tous les types de données : endogènes, sociodémographiques, comportementales, attitudinales, … et repose sur des algorithmes pour déterminer les classes : les algorithmes alors utilisés seront des modèles non supervisés de clustering permettant de créer des classes d’individus ou de produits homogènes en leur sein et différentes entre elles.

Cette méthode permet de déterminer les facteurs de différenciation les plus importants pour le consommateur et de décider quels sont les clients sur lesquels investir.

La description de ces groupes se fera par des personae : une caractérisation fine et la plus exhaustive possible des individus qui composent les groupes.

La typologie devra, souvent, être ensuite couplée à une segmentation via la spécification des critères discriminants de chaque classe. Cela permettra d’expliquer les segments, de mettre à jour la typologie et de l’exploiter plus aisément.

Un des inconvénients majeur de cette méthode est l’interprétation de ses classes. En effet, pour que les classes soient les plus distantes possibles, il est nécessaire qu’elles soient caractérisées par des modalités qui prennent des valeurs relatives très différentes d’une classe à l’autre (et non pas des valeurs absolues) : une classe pourra alors être caractérisée par la sur ou sous-représentation d’une modalité versus les autres classes. Il ne faut donc pas confondre cette interprétation avec le fait que la majeure partie des clients de cette classe appartienne à cette modalité.

 

Le scoring, comme graal du ciblage, pour hiérarchiser les clients en fonction de leur probabilité à un critère modalisé

Comme la technique de typologie, le scoring repose évidemment sur des algorithmes mathématiques / modèles supervisés et peut s’appliquent à tous types de données : sociodémographique, comportement d’achat, navigation web, sollicitations marketing, relation client….

Cette méthode présente l’énorme avantage de construire une note spécifique : à chaque produit, chaque marque, chaque typologie de client, chaque offre, chaque canal, …

Un intérêt majeur de cette méthode statistique pour le marketing est qu’il possible de créer autant de scores qu’il y a de produit. Il est également possible de faire des économies d’échelle en créant une base de données commune à tous les scores. Chaque client peut donc se voir attribuer une note différente pour chaque produit, chaque action. Les clients à cibler pour différents types d’opération peuvent donc être différents. Cela permet de « faire tourner » les cibles si plusieurs opérations marketing ont lieu en même temps et donc de limiter la pression commerciale subie par les clients.

Le scoring permet de prédire des comportements à partir des données historiques. Il présuppose donc que le comportement prédit sera proche du comportement passé.

Un autre inconvénient de cette méthodologie, qui n’en n’est pas moins gérable, est que la hiérarchie des clients est bien établie à partir d’une probabilité et n’est donc pas une certitude.

Ces 3 techniques ne sont que des exemples de méthode d’optimisation des ciblages marketing. Elles sont bien évidemment complémentaires et ont le gros avantage de pouvoir s’appuyer sur une même base de données clients : il est donc, par exemple, tout à fait possible de créer des scores différenciés par segment ou par groupe de clients !

 

_________________________

A PROPOS DE GROUPE ESTIA

Le Groupe Estia est un cabinet de conseil spécialisé dans la transformation des données en actifs.

Créé en 2010, il rassemble aujourd’hui 100 consultants experts de la donnée et de son exploitation à forte valeur ajoutée (data scientists, statisticiens, experts du décisionnel et experts fonctionnels) et génère 10m€ de CA.

Le Groupe Estia intervient auprès des directions métiers de plus de 30 clients grands comptes, dans tous les secteurs d’activités : Banques, Assurances, Distribution, Energie, Transports, Médias, Services,… Son objectif : faire des données un accélérateur business pour nos clients. Son intervention couvre l’intégralité du cycle de transformation et de valorisation de la data.

Notre gamme de services se décline en 6 offres : Pilotage des activités, Connaissance clients, Communication omnicanal, Modélisation à visée prédictive, Transformation vers une organisation data centrics, Gestion de projets data & nos expertises couvrent l’ensemble des problématiques data : CRM analytique, gestion de campagnes, datamining & webmining, business intelligence, conception d’outils, d’applications analytiques, d’algorithmes & de modèles,…

En 2017 la société accélère son développement en s’appuyant sur un nouvel actionnaire de référence, le groupe Consort NT intégrateur et opérateur de solutions et d’infrastructures (2 000 collaborateurs, 140m€ de CA, 6 pays). Le Groupe Consort NT et Groupe Estia proposent dorénavant une offre unique couplant technologies, infrastructures et capacités algorithmiques au service de la performance de leurs clients.

0 Avis

Laisser une réponse

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*

Vous pouvez utiliser ces balises et attributs HTML : <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>