Bien segmenter ses base de données clients et prospects est un prérequis à toute action commerciale efficace : cela permet de mener une stratégie marketing différenciée, en proposant un message et éventuellement une offre produit personnalisée à chacun des segments identifiés.
Comment optimiser cet outil de pilotage stratégique ? Quelles sont les techniques de segmentation les plus évolutives à appliquer ? Comment mettre l'Open Data à profit de sa base de données ?
Découvrez les nombreux projets de segmentation réalisés par nos équipes, pour différents clients dans plusieurs secteurs d'activité.
Avec le retour d'expérience d'Hubert Wassner, Lead Data Scientist chez AB Tasty.
10. SEGMENTATION WORKFLOW
ENQUÊTE ANALYSE IDENTIFICATION
Définition du marché à segmenter
Choix des informations à collecter
Recueil de données
Choix de critères
Choix de la méthode
Choix de l’algorithme
Composition et profile des segments
Mesure de la taille des segments
Analyse du potentiel et de l’attractivité
Evolution dans le temps
Etat de la concurrence
11. ANALYSE : CHOIX DU CRITÈRE
SOCIO
DÉMOGRAPHIQUE
GÉOGRAPHIQUE PSYCHO-
GRAPHIQUE
COMPORTEMENTAL TYPE DE
CONSOMMATEUR
12. ANALYSE : CHOIX DE L’APPROCHE
Segmentation à
priori
Segmentation non-
supervisée
Segmentation
supervisée
Découper la
population selon
de critères
basiques (sexe,
âge, csp, …)
Recherche des
caractéristiques
commune entre
individus afin
d’aboutir à une
classification
Définition des
groupes finaux
avant de mettre
en place la
segmentation
13. ANALYSE : CHOIX DE LA METHODE
AUTRES MÉTHODES
(RÉSEAUX DE
NEURONES, MÉTHODES
MIXTES, …)
Nombre de
classes prédéfini
Nombre de
classes NON
prédéfini, choix
du degrés de
« dissimilarité »
Nombre de
classes NON
prédéfini
MÉTHODES DE
PARTITIONNEMENT
CLASSIFICATION
ASCENDANTE
HIÉRARCHIQUE
MÉTHODES
MIXTES
14. UNE « BONNE » SEGMENTATION DOIT ÊTRE
Optimale
Stable
Efficace
Mesurable
Opérationnelle
16. LA SEGMENTATION RFM
(récence, fréquence, montant)
Valeur du client
(CA Total)
Activité du client
(récence, fréquence)
+
INACTIFS
++
- -
+++
-
+
-
- +
17. LA SEGMENTATION CROISEE RFM/PMG
Bien les
accueillir,
stimuler le
nombre de
visites/achats
Personnalisation,
valorisation
Fidélisation, up
sell, cross sell,
rétention
NOUVEAUX
CLIENTS
VIPs CŒUR DE
CIBLE
Fidélisation à
moindre coût
Suivi
personnalisé de
leurs visites/
dépenses
DILEMNES OUTLIERS
19. EQUIPEMENTIER AUTOMOBILE :
SEGMENTATION A PARTIR DES ATTENTES CLIENTS
Un équipementier automobile a réalisé une étude
mondiale sur les attentes clients concernant le confort
de l’habitacle
Comment classer les clients selon leurs attitudes et
leurs comportements ?
20. LA METHODE
Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 Classe 6
Dendrogramme de la typologie
Projection des individus dans
l’espace attitudes-comportements
Identification des dimensions structurantes des réponses via une typologie canonique
Segmentation à partir de la typologie des individus
21. LES RESULTATS
6 classes d’individus : Les
prévoyants attentistes, les
prévoyants agités, les sensibles
sécurisés, les jamais contents, les
impatients, les ajusteurs
méticuleux
Caractéristiques descriptives de
chaque classe (profil socio-démo,
véhicule possédé, type
d’utilisation, critères de choix,
attentes sur les équipements)
Bilan d’image vis-à-vis des
problèmes rencontrés
Time to
comfortable
temperature
Capability to
precisely adjust the
temperature
Ease of use of
vehicle controls
Ability to eliminate
humidity
Capacity to
eliminate sweating,
to dry the body and
clothes
All car surface
contacts are at the
right temperature
Individual
adjustment of
temperature
Noise/vibration of
thermal comfort
equipment
Ability to obtain
pleasant air flows
Interior air quality
0.32
3.87
Classe 1 : Prévoyants attentistes
IMPORTANCE
SATISFACTION
22. LABORATOIRE PHARMACEUTIQUE :
COMPARER LES PERFORMANCES DES PHARMACIES
Un laboratoire pharmaceutique souhaite comparer la
performance commerciale des pharmacies vendant ses
produits sans ordonnance
Quelles sont les pharmacies sur et sous-
performantes au regard de leur environnement
géographique et socio-démographique ?
25. LABORATOIRE PHARMACEUTIQUE :
COMPARER LES PERFORMANCES DES PHARMACIES
1 : rendre les pharmacies comparables dans leur contexte
2 : utiliser les données de l’Open Data pour caractériser ce contexte
3 : créer des groupes (clusters) de pharmacies comparables
4 : classer les pharmacies au sein de leur cluster
26. QUELLES SONT LES VARIABLES PERTINENTES ?
Intensité de la concurrence
Densité d’habitation
% de retraités, d’actifs, d’enfants…
27. CRÉATION DE CLUSTERS HOMOGÈNES
pharmacie de
centre-ville sans
concurrence
pharmacie rurale
sans concurrence
pharmacie de
centre-ville hyper
concurrencée
pharmacie de centre
commercial sans
concurrence
pharmacie rurale
très concurrencée
28. EVALUATION DE LA PERFORMANCE
AU SEIN DE CHAQUE CLUSTER
Perf ++ : CA >> CA
Moyen du groupe
Perf = : CA =~ CA
Moyen du groupe
Perf -- : CA << CA Moyen
du groupe
30. Contexte & problématique
Adoptez une approche
marketing 1 to 1 pour
convertir davantage
Engagez votre audience
grâce au
marketing prédictif
Validez vos idées
d’optimisation avec une
approche Test & Learn
A/B testing Remarketing
on-site
Personnalisation
31. Les solutionsLes 3 piliers de la plateforme AB Tasty
Créez vos messages personnalisés
sans connaissance technique
Moteur de
segmentation
Reporting
Éditeur
Visuel
Adressez vos utilisateurs
avec précision
Analysez les impacts et
concluez avant d’agir
32. Les actions mises en œuvreQuelques réussites
Augmenter la Conversion
+14%
ventes
VS
36. La solution
Grâce à la géolocalisation (via adresse I.P.)
On accède aux informations de recensement (INSEE)
Dont celles des revenus !
On peut donc créer un segment « hauts revenus »
41. Conclusion
On peut segmenter les visiteurs d’un site
web selon leurs revenus.
On peut alors concentrer les efforts
commerciaux sur cette population pour
booster le chiffre d’affaires.
44. Conférence #2
Data Marketing
Quand le géomarketing devient
prédictif
Conférence #2 Digital
Marketing
Optimiser ses parcours
clients
Auditorium New York / Hambourg
Hinweis der Redaktion
La plupart des marchés sont constitués d’acheteurs très différents par de multiples aspects (attentes et besoins, comportements d’achat et de consommation, critères de choix des produits, etc.) les marchés sont en général hétérogènes.
La segmentation consiste à découper les marchés en sous-groupes d’individus (B2C) ou d’entreprises (B2B) les plus homogènes possible et les plus distincts les uns des autres.
Le découpage permet de :
concevoir des propositions marketing plus adaptés
mener des actions dissociées selon le profil client (one to few)
communiquer plus efficacement
LE BON MESSAGE
Adapter le contenu, l’offre produits/services, le canal et éventuellement le prix
LA BONNE PERSONNE
Ne contacter que les personnes potentiellement intéressées
LE BON MOMENT
Adapter la période et la fréquence de communication
ENQUETE
Définition du marché à segmenter
Choix des informations à collecter
Recueil de données
ANALYSE
Choix de critères (sociodémographiques, géographiques, psycho-graphiques, comportementaux, relatifs à la situation)
Choix de la méthode (à priori, supervisée, non-supervisée)
Choix de l’algorithme (analyse factorielle, méthodes de partitionnement, méthodes par estimation de densité, méthodes mixtes, etc.)
IDENTIFICATION
Composition et profile des segments
Mesure de la taille des segments (nombre prospects/clients, volume d’achat, valeur d’achat, ….)
Analyse du potentiel et de l’attractivité
Evolution dans le temps (segment en croissance, stable, en décroissance)
Etat de la concurrence
La condition initiale pour réussir une segmentation est de disposer d’informations sur les individus et sur le marché:
Variables à expliquer : celles qui relèvent de l’information qui caractérise le phénomène que l’on souhaite comprendre et sur lequel on veut influer
Variables explicatives : les informations susceptibles de donner une explication aux variables à expliquer. Ces variables peuvent être :
Qualitatives (ex : l’activité)
Ordonnées (ex : la tranche de taille 0-50, 50-100)
Critères Sociodémographiques Diviser le marché selon âge, sexe, formation, csp, …
Critères Géographiques Diviser le marché en sous-ensembles géographiques
Critères Psycho-graphiques Diviser le marché selon opinions, style de vie, croyance, attitudes, …
Critères de comportement de consommation Diviser le marché selon: quantités consommées, avantage recherchés, …
Critères relatifs au type de consommateur Acheteurs, prescripteurs, …
Méthodes de partitionnement (classification non-supervisée): centres mobiles, k-means, etc.
applicables aux grands volumes de donnés
détection des individus hors norme
dépendance du choix initial
fixation à priori du nombre de classes
Classification ascendante hiérarchique:
détection de classes de forme différente
Classification des individus, des variables et des centres des classes
On travaille à partir des dissimilarités entre les objets que l'on veut regrouper. On peut donc choisir un type de dissimilarité adapté au sujet étudié et à la nature des données.
L'un des résultats est le dendrogramme, qui permet de visualiser le regroupement progressif des données. On peut alors se faire une idée d'un nombre adéquat de classes dans lesquelles les données peuvent être regroupées.
Complexité algorithmique
Partitionnement non globale
Méthodes mixtes:
Applicables aux grands volumes de données
Permets de classifier les individus sans connaitre à priori le nombre de classes
Précision et absence d’apriori (combine le deux avantages des méthodes de partitionnement et cah)
Programmation longue si le nombre de variable est élevé
Réseaux de neurones:
Capable de modéliser les relations non-linéaires des données
Variables qualitatives et quantitatives
Boites noires
Nécessitent un échantillon de données important
Sensibles aux outliers
Analyse par agrégation des similarités:
Détection automatique du nombre de classes
Prise en charge des valeurs manquantes
Classification globale
variables nominales
Sensible au nombre de modalités des variables
Agrégation des individus sur une majorité des variables
Cube
Pyamide
Nuage
Fleche
Agregees – camembert qui se surpose
Groupe de variable
Autres methodes
Optimale détecter un nombre optimale de structures dans les données et fournir des segments bien différenciés
Stable les segments ne doivent pas changer vis-à-vis des légères variations dans les données
Efficace savoir traiter un grand nombre de données et tous types de variables
Mesurable les caractéristiques doivent être quantifiées avec précision
Opérationnelle les caractéristiques doivent permettre d’atteindre les segments par des actions commerciales spécifiques
A partir du CA client sur la période considérée, découper la population en vingtiles (20 segments d’effectifs égaux)
Regroupement des 20 segments en 4 segments P, M, G, TG
Identification des « outliers » qui peuvent être des supers VIP ou des fraudeurs potentiels
Division de chaque indicateur en décile (10 classes égales)
Somme des 3 valeurs obtenues pour chaque individu = score RFM
Découpage des valeurs du score RFM en quintile (5 segments RFM)
Les inactifs : n’ayant pas fait de visites/achats sur la période considérée
Les RFM+++ : Clients importants (Montant, fréquence) ayant acheté récemment
Les RFM++ : Clients ayant achetés de façon moyenne et récemment
Les RFM + : Clients ayant achetés de façon moyenne et pas récemment
Les RFM- : petits clients
Les RFM--- : Très petits clients dont les achats ne sont pas récents
LA SEGMENTATION CROISEE A POUR OBJECTIF DE CRÉER DES PLANS D’ACTION DISSOCIES PAR SEGMENT
La méthode :
identification des dimensions structurantes des réponses via une typologie canonique (corrélation entre un groupe de variables à expliquer = comportements pour résoudre un problème, et un groupe de variables explicatives = données socio-démos et problèmes rencontrés)
Segmentation à partir de la typologie des individus (constitution de groupes d’individus ayant des observations proches et le plus distincts possibles les uns des autres)?
Identification des dimensions structurantes des réponses via une typologie canonique (corrélation entre un groupe de variables à expliquer = comportements pour résoudre un problème, et un groupe de variables explicatives = données socio-démos et problèmes rencontrés)
Segmentation à partir de la typologie des individus (constitution de groupes d’individus ayant des observations proches et le plus distincts possibles les uns des autres)?
> Mots clés nuage de points / SEGMENTATION DATAVIZ IMAGE POINTS