Recherche

L'analyse des données offre un retour rapide sur investissement !

Publié par le

Questions à Michel Jambu, expert à la direction scientifique de France Télécom - Recherche et Développement, spécialiste de l'analyse des données et auteur d'ouvrages sur le sujet, notamment de "Introduction au data mining - Analyse intelligente des données", paru aux Editions Eyrolles.

  • Imprimer

Quels sont les enjeux de l'analyse des données ?


C'est une capacité à reconnaître les clients, plutôt que de construire des segments. Le problème, c'est la capacité à mettre en oeuvre des plans d'action immédiats. Le développement du data mining provoque quelques interrogations inattendues, notamment dans les rapports avec les centres d'appels. Habituellement, ces prestations sont négociées avec des prix dégressifs au volume. Or, dans une opération ciblée on passera moins d'appels, mais on consacrera davantage de temps à chaque client. Et, en plus, on ne pourra pas se servir d'un script unique, il va falloir le qualifier. Autant de problèmes pour l'organisation de l'entreprise. La maîtrise du temps est un autre enjeu de la modélisation. On ne peut plus consacrer deux ans pour construire une base de données. L'archivage n'a de sens que si les données sont fraîches. Cela aussi modifie l'organisation en interne.

Quelles sont les tendances actuelles dans l'analyse des données marketing ?


De nouvelles techniques sont apparues. Si les méthodes descriptives sont connues depuis les années 70, celles de modélisation n'ont trouvé leur importance que récemment. Les techniques factorielles, des arbres de décision, des régressions logistiques, des réseaux neuronaux ou bayesiens, servent à la modélisation par apprentissage. Elles permettent d'évaluer et de prédire le comportement du client, à l'image du scoring, mais de manière plus précise. A qui envoyer le mailing ? Qui contacter par le centre d'appels ? Les techniques descriptives ne permettent pas d'obtenir des réponses suffisamment précises. Car l'objectif est bien de détecter les 2, 3, maximum 5 % de clients réceptifs à l'offre. Avec un résultat de 10 % ou plus, on estime que le modèle n'est pas bon. La qualification des données est en relation directe avec les objectifs recherchés. Au lieu des grandes campagnes, on peut lancer des opérations très ciblées en rapport avec le potentiel économique des clients.

A qui ces techniques sont-elles destinées ?


La grande distribution, les télécoms, les banques sont les plus motivés. Tous ces secteurs ont besoin d'acquérir des données client pertinentes, pour passer du marketing produit au marketing client. Les enquêtes de consommation leur offrent des données pertinentes, mais non raccordées aux informations internes de l'entreprise. Or, ce n'est pas la représentation par catégories qui est recherchée aujourd'hui, mais bien par clients.

Quel retour sur investissement peut-on attendre d'une étude de data mining ?


Prenez un investissement de 45 000 E. On peut s'attendre à ce que le retour soit double au bout de trois mois. Et il sera bien supérieur pour certains objectifs. Par exemple, sur les impayés dans la téléphonie fixe, on sera plus proche de 500 000 E au bout d'un an.

Alexis Nekrassov

Joue la comme Uber

Joue la comme Uber

Joue la comme Uber

Fabernovel publie une etude qui analyse le modele de croissance Uber et donne par la meme occasion des cles de lecture aux annonceurs Retour [...]

Social listening : Talkwalker lève 5 millions d'euros

Social listening : Talkwalker lève 5 millions d'euros

Social listening : Talkwalker lève 5 millions d'euros

Specialiste de la veille et de analyse reputation le Luxembourgeois Talkwalker vient de lever millions euros pour developper ses outils et renforcer [...]