Crédit Agricole Poitou-Touraine : les statistiques appuient l'expertise terrain

Depuis janvier 2003, les 800 agents du réseau de la Caisse régionale du Crédit Agricole Poitou-Touraine testent en grandeur réelle les premiers bénéfices de l'apport du data mining dans le cadre des campagnes de vente de produits d'épargne. Ainsi, ils ont pu vanter notamment les mérites du nouveau Plan d'épargne en action (PEA) qui vient de s'élargir aux fonds de placement européens en appelant un à un les clients d'une liste établie en fonction de leur potentiel d'achat. « Les taux de réussite ont augmenté de 15 % par rapport aux listes établies auparavant sur la seule intuition métier des experts en marketing, affirme Manuel Pastor, responsable des études marketing. Ce gain s'explique, notamment, par le meilleur ciblage des clients puisque l'ensemble des listes a été classé par ordre décroissant de pertinence. »

Une analyse à 7 500 euros

Les premiers pas vers le data mining correspondent à la création du service études et supports marketing de cette caisse, en mai 2002. Afin de rationaliser la vision empirique de l'expertise marketing terrain, le nouveau service s'est donc attelé à constituer sa base de données orientée clients (datamart) en fiabilisant les références des 500 000 clients de la région et leurs 200 variables associées. Après cette mise à plat, la segmentation et la modélisation du comportement des clients a été effectué grâce au logiciel Alice d'Isoft. « Cet outil est adapté aux premières expérimentations de data mining. On peut commencer à analyser et connaître ses clients avec un budget raisonnable de 7 500 euros », poursuit Manuel Pastor. Des compétences poussées en statistiques ne sont pas nécessaires pour tirer parti du logiciel. Il utilise, par ailleurs, la technique des arbres de décision dont la représentation est la plus compréhensible aux marketeurs. Cependant, prévient Manuel Pastor, « il manque de méthodes statistiques exploratoires qui peuvent se révéler nécessaires pour pousser plus loin l'analyse et sortir de la simple problématique d'explication de variables ».