Actualités : analyse de données, Business Intelligence, Data Science, Big Data


Les 10 points clés du marketing prédictif


Rédigé par Didier Gaultier, Coheris le 6 Décembre 2011

La réussite d’un projet de marketing prédictif passe par un processus rigoureux. Voici les 10 étapes à suivre pour assurer l’efficacité et la réussite de votre projet.



Didier Gaultier, Directeur Business Unit Datamining de Coheris
Didier Gaultier, Directeur Business Unit Datamining de Coheris
1) Disposer d’un accès aux données transactionnelles et aux achats

Les données transactionnelles (d’achat) sont les données factuelles les plus fiables et les plus importantes en marketing prédictif. Vos achats passés permettent souvent de prédire une grande partie de ce que vous achèterez dans le futur. Que ces données viennent d’une plate-forme e-commerce d’un système ERP, ou d’un CRM, elles constituent la clé de voute de la mesure de ce que vous voulez obtenir : des ventes.

2) Disposer d’un accès aux données comportementales et « on-line » de vos prospects et clients

Vos prospects et clients sont actifs. Ils reçoivent de votre part des campagnes d’email, de SMS, ils visualisent des bannières, ils surfent sur votre site web ou e-commerce, ils appellent vos centres d’appel, ils font des demandes diverses. Ces informations très riches sont très certainement non seulement à votre portée quelque part dans votre entreprise, mais elles sont indispensables si vous voulez être capable d’anticiper les besoins de vos futurs clients, prévoir leur comportement, et surtout envoyer les meilleures offres possibles, au bon moment, et par le bon dispositif relationnel. La manière la plus pratique de procéder est souvent de construire un datawarehouse qui est capable de stocker au moins une copie de l’ensemble de ces données sur une période de temps qui fait du sens pour votre métier.

3) Construire un Datamart métier

Avoir accès à toutes les données transactionnelles et comportementales sous forme par exemple d’un datawarehouse est un excellent début, mais s’avère souvent lourd et peu pratique pour cibler une campagne ou interpréter rapidement les comportements de vos clients.
En effet, l’information n’y est généralement pas suffisamment agrégée, et souvent les temps de traitement sur un datawarehouse sont prohibitifs.
Il est alors nécessaire de vous constituer une base de données intermédiaire dans laquelle vous pourrez conduire toutes sortes d’analyses statistiques sans avoir à attendre les résultats pendant des jours. L’utilisation du principe d’échantillonnage fait aussi partie des règles de construction du datamart. Il doit être suffisamment orienté métier de manière à y retrouver tous les indicateurs qui font du sens pour votre activité dont vous allez avoir besoin fréquemment.
Vous devrez aussi vous assurer que votre datamart contient des données « nettoyées » et suffisamment propres pour être exploitables statistiquement (par exemple l’élimination des effets indésirables des données aberrantes).

4) Utiliser très tôt les segmentations

La segmentation est l’outil de base pour permettre au marketeur de comprendre le comportement de ses clients. De plus, une base segmentée fera gagner en précision toutes les méthodes de marketing prédictif que vous mettrez en place ultérieurement.
Elles sont assez faciles à réaliser avec des outils comme Coheris SPAD et vont vous faire gagner un temps précieux par la suite.
Le minimum est une segmentation basée sur les transactions et une autre basée sur l’activité du prospect et/ou son attachement à la marque. Mais on ne devrait pas s’arrêter là et réaliser aussi une typologie complète de ses clients afin de comprendre comment ils se regroupent logiquement en « classes » avec un comportement homogène à l’intérieur de chaque classe. Les segmentations seront le point de départ du ciblage de l’ensemble de vos campagnes marketing par la suite.

5) Etablir les profils de vos clients types

A l’intérieur de chaque classe (suite à votre segmentation), établissez un profil de votre client type idéal. Il correspondra au portrait-robot de votre client idéal et le plus lucratif pour vous. Il vous servira par la suite pour établir des scores et des ciblages de campagnes.
L’exercice est relativement facile à faire dès lors que l’on a procédé à une typologie complète de ses clients (point 4 ci-dessus), car il se trouve proche du centre de la classe à laquelle il appartient. Idéalement il est conseillé de définir un ou plusieurs indicateurs qui vous permettront de savoir comment un client donné s’approche ou s’éloigne d’un profil de client idéal pour chacun de vos clients, mais aussi de vos prospects dans toute votre base.

6) Utiliser les règles d’associations pour construire vos campagnes

Les règles d’association constituent un outil extrêmement simple, rapide et puissant pour construire des campagnes marketing efficaces, et pas uniquement pour faire de la montée en gamme, du cross selling, ou du cross canal. Notamment vous pourrez repérer les achats qui sont le plus souvent à la base de toute une série d’achats successifs, et dès lors, promouvoir systématiquement ce type d’achat dans vos campagnes de base (avec une offre promotionnelle de préférence). Vous pourrez ensuite construire des messages marketing qui vont associer les produits (ou services) dits « de base » avec leurs produits associés et ainsi augmenter significativement le taux de réponse de vos campagnes, par rapport à des campagnes construites seulement sur votre intuition ou l’état de vos stocks.

7) Tester vos campagnes avec plusieurs variantes

Les leviers qui font qu’une campagne va marcher ou pas sont parfois extrêmement ténus, mais les effets sur votre chiffre d’affaires et votre marge peuvent être importants. Afin de réaliser la meilleure campagne possible il est nécessaire d’en tester plusieurs variantes, idéalement deux ou trois variantes afin de rester simple et pragmatique.
Vous serez alors non seulement capable de déterminer quelle variante va vous donner les meilleurs résultats en fonction de vos objectifs, mais en plus, vous serez en mesure de prévoir le taux de réponse et de conversion de votre campagne sur le reste de votre base.
Si une étape budgétaire est nécessaire avant de lancer la campagne, cela vous permettra de savoir exactement ce à quoi vous vous engagez en terme d’investissement en fonction du ciblage que vous allez retenir, et surtout, vous saurez à l’avance quel sera votre retour sur investissement. Plus la campagne est couteuse, plus cet exercice s’avère indispensable afin d’une part de se rassurer, mais aussi de convaincre sa direction du bien fondé de ses actions marketing. C’est donc une excellente pratique.

8) Utiliser le scoring pour cibler vos campagnes

A partir du moment où vous avez réalisé toutes les actions précédentes, réaliser un scoring pour chacune de vos campagnes marketing n’est plus qu’une simple formalité. Un outil comme Coheris SPAD peut vous permettre de réaliser ce type de scoring en moins de temps qu’il ne faut pour le dire. Une fois le scoring réalisé, vous classez votre cible de base de données par score décroissant, et vous répartissez la population cible en zones.
Zone d’appétence forte, zone d’appétence avérée et rentable, zone de faible appétence, et zone de churn. Il ne vous restera plus qu’à optimiser votre envoi en fonction de vos objectifs et de vos contraintes avec les limites que vous aurez trouvées aux différentes zones.

9) Utiliser le cycle de vie de vos clients

Les clients évoluent et leurs besoins aussi. Du fait la composante « temps » est particulièrement importante en datamining.
Identifiez les différentes étapes du cycle de vie de vos clients et surveillez leur passage d’un segment vers un autre segment.
Cette transition vous permettra de leur proposer une offre qui correspond exactement à leurs attentes tout au long du développement de votre relation avec eux.

10) Gérer votre pression marketing et votre churn

La tentation lorsqu’on arrive à ce niveau de précision dans le ciblage est de multiplier les messages et les interactions avec vos prospects et vos clients parfois au delà de ce qui peut paraître raisonnable. Non seulement votre communication doit rester acceptable pour votre client potentiel, mais en plus, elle doit être de qualité et contenir une dimension humaine importante.
Donc multiplier les messages automatiques au delà de la raison n’est pas la solution optimale. Une pression marketing trop forte vous amènera invariablement à du churn lequel a un coût très élevé (estimé à plusieurs dizaines d’euros par contact perdu en B2C, et encore plus en B2B).
La gestion du churn s’effectuera idéalement par un scoring de churn qui peut varier en fonction de vos cibles, de vos objectifs, et de vos campagnes.
La règle est de ne jamais cibler dans une zone d’appétence trop faible qui sera destructrice de valeur, et de respecter la pression acceptable pour chacun des segments de votre base. L’état d’esprit idéal sur le moyen terme consiste à chercher à valoriser systématiquement votre base en créant toujours plus de valeur (ou encore en la considérant comme un capital que vous faites fructifier) et en gardant à l’esprit ce qui fait réellement du sens pour vos clients.




Commentaires

1.Posté par Didier Gaultier le 07/12/2011 11:02
Et je vous invite à nous rejoindre le 13 décembre à la maison des Arts & Métiers pour en avoir la démonstration avec le témoignage des éditions Atlas. Inscription ici : http://www.coheris.com/fr/page/news/evenements/2011_12_13_MardiMKGpredictif.html

2.Posté par Frédéric CHARLES le 08/12/2011 08:14
Pourquoi construire un datamart? On ne peut faire du prédictif sur une analyse de flux notamment là où l'information est très temps réel ?

3.Posté par Didier Gaultier le 08/12/2011 10:47
Réponse à la question postée par Frédéric Charles

Bonjour, merci pour votre question. En fait les problématiques temps réel sont intéressantes parce qu'elles posent la question de savoir si quand on reçoit une nouvelle information ou une nouvelle sollicitation, on est déjà prêt à répondre ou pas. D'une certaine manière c'est tout le travail de datamining passé qui fait qu'on a toutes les données sous la main pour pouvoir répondre de manière optimum à un contact ou pas. Quand on a un programme relationnel qui fonctionne, une seule donnée supplémentaire (qui vient d'arriver) ne change en général pas de manière fondamentale la réponse que l'on peut ou doit faire à un client voire même un prospect, soit on est prêt et on peut répondre, soit on ne l'est pas. Ceci montre que dans une vaste majorité des cas, un datamart temps réel n'est pas requis. Dans de rares cas cependant, le temps réel peut avoir un réel intérêt, et dans ce cas rien ne vous empêche de construire un datamart temps réel. C'est bien sur beaucoup plus couteux en ETL, et c'est plus complexe à gérer, mais cela reste faisable. Le datamining reste de toutes manières un travail en background qui prépare les réponses les plus pertinentes possibles, les campagnes les plus pertinentes possibles, et les meilleurs ciblages possibles, l'aspect temps réel est en général pris en charge par un logiciel de gestion de campagnes qui s'appuie sur les données du datamart également. Cela ne remets nullement en cause le principe du datamart.

4.Posté par Didier Gaultier le 08/12/2011 10:48
Venez nous voir mardi matin à la maison des arts et métiers, comme cela nous porrons en discuter de vive voix. voici l'adresse pour vous inscrire : http://www.coheris.com/fr/page/news/evenements/2011_12_13_MardiMKGpredictif.html

Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store