Recherche

Tirer le meilleur parti des informations

Publié par le

DESORMAIS LARGEMENT UTILISE PAR LES MARKETEURS QUI GERENT NOMBREUSES DONNEES CLIENTS, LE DATA MINING PERMET DE TIRER LE MEILLEUR PARTI DE CES INFORMATIONS. LES EDITEURS DE CE TYPE DE LOGICIELS, PEU NOMBREUX, PROPOSENT DES OUTILS SIMPLES D'UTILISATION ET EVOLUTIFS.

  • Imprimer

- Faire parler les données. C'est, en substance, le rôle du data mining. Terme signifiant littéralement rouille de données, ce processus consiste, en effet, à explorer de grandes quantités de données afin d'en faire ressortir la «substantifique moelle». En marketing, ces techniques sont utilisées pour segmenter les bases de données clients et pour prédire leur intention d'achat afin d'optimiser le discours marketing. A la croisée des statistiques et des bases de données, le data mining a pour ambition de transformer l'information en connaissance client. Dès lors, une entreprise qui dispose de nombreuses informations sur ses clients, doit s'en doter afin d'anticiper le «churn» (perte de clientèle). Logiquement, des secteurs comme les télécommunications, la grande distribution et la banque-assurance sont particulièrement matures dans ce domaine.

1. SIMPLICITE D'UTILISATION

Initialement réservé aux experts de la statistique, le data mining, ce processus mathématique basé sur des algorithmes, s'adresse désormais aux non-experts, marketeurs en tête. Dès lors, il est important de choisir un outil simple d'utilisation. La fonction «drag and drop», présentée par plusieurs éditeurs, notamment SPSS, permet de créer et de valider des modèles facilement et rapidement. Les principaux éditeurs de logiciels de data mining (SPSS, SAS ou KXEN) proposent des formations en amont de l'utilisation de l'outil, ainsi qu'un accompagnement tout au long de son exploitation.

2. CAPACITE D'INTEGRATION

Avant d opter pour tel ou tel outil, il convient de s'assurer de sa capacité à s'intégrer aux systèmes d'information opérationnels dans l'entreprise. Ainsi, l'outil de data mining peut accéder en temps réel à toutes les données de la société quelle que soit leur provenance afin de fournir une analyse la plus précise possible. Les principaux éditeurs spécialisés s'intègrent aux systèmes existants et se connectent à tous types de bases de données (Excel, Oracle, Teradata...). Pour les projets de taille importante, les éditeurs de solutions travaillent en général avec des partenaires intégrateurs comme Atos, Accenture, IBM, Business & Décision, Soft Computing...

3. TEXT MINING

Avec le développement d'Internet et du Web participatif (blogs, forums, réseaux sociaux), les entreprises disposent d'une masse d'informations pour la gestion de la relation client. Les éditeurs de logiciels de data mining ont mis l'accent sur ce phénomène et proposent maintenant du «text mining» (fouille de texte). Il s'agit d'analyser des données de type e-mails, réponses à des gestionnaires, réclamations clients, blogs, chats... afin de déterminer le degré de satisfaction de la clientèle. Aujourd'hui, l'étude de ces informations est primordiale puisgue près de 70% d'entre-elles ne sont pas structurées.

4. OFFRE

SAS, SPSS et KXEN dominent le marché et proposent des outils dont les résultats seront similaires puisqu'ils utilisent tous les mêmes algorithmes mathématiques. SAS commercialise «Entreprise Miner», SPPS «PASW Modeler» (ex-Clémentine) et KXEN «Analytics Framework». D'autres outils, comme Bayesialab (Bayesia), Insighful Miner (Insightful) ou Knowled-geSEEKER et KnowledgeSTUDIO (Angoss) complètent l'offre. A noter que l'on retrouve ces solutions de data mining chez les éditeurs de solutions CRM ou de gestion de campagne. Ainsi, Neolane travaille, par exemple, avec SPSS et KXEN, SmartFOCUS intègre des algorithmes KXEN, tandis que MailPerformance s'est associé avec SAS...

5. PRIX

Le prix d'entrée d'un outil de data mining se situe autour de 15000 euros pour une version mono poste, suffisante pour une entreprise qui s'initie à ces méthodes d'analyse. Généralement commercialisés sous licence, les logiciels de data mining seront d'autant plus chers que le système d'information est puissant. Leur coût est donc directement lié à la volumétrie de la base, à son nombre d'attributs et à la complexité des modèles. Il existe également sur le marché des logiciels open source (gratuits), à l'instar de RapidMiner (rapidi.com/) ou encore Weka, développé par l'Université de Waikato NewZeland (www.cs.waikato.ac.nz/ml/ weka/).

INFO+
OBJECTIFS DU DATA MINING:

- Segmenter: En fonction de la stratégie de l'entreprise, la segmentation se fait par âge, ancienneté d'achat, panier moyen, valeur du client...
- Scorer: Le data mining offre d'associer un score à chaque individu. Ce score correspond à la probabilité d'un individu à répondre à une sollicitation. Le scoring se base sur l'analyse des comportements observés pour prédire les comportements futurs.

TEMOIGNAGE
ERIC MUNZ, KDP GROUPE

Le groupe de marketing KDP, créé en 2000 et initialement spécialisé dans la loterie gratuite sur Internet, a basé tout son savoir-faire sur la connaissance client. La base de données des membres inscrits sur le site de divertissement gratuit Cmonjour.com compte aujourd'hui plus de 5 millions d'individus. Des internautes que la société s'emploie à connaître le plus précisément possible de manière à valoriser la base auprès des annonceurs. Cette prise de conscience remonte à 2005, lorsque KDP Groupe a fait appel à l'outil Clémentine de SPSS (devenu en avril 2009 SPPS PASW Modeler). «Nous avions un problème de hdehsation sur notre plateforme Nous nous apercevions que les taux de clics et d'ouvertures chutaient de manière importante Il était donc temps de connaître nos membres», se rappelle Eric Munz, p-dg de KDP Groupe. Au menu du cahier des charges: un outil simple d'utilisation, facile à intégrer et puissant. La société s'est ains: tournée vers l'outil de SPSS afin de centraliser les données clients puis de segmenter ces derniers. Grâce au data mining, la société a identifié plus de 300 segments. Surtout, l'outil a permis de tirer certains enseignements statistiques forts utiles. Exemple: le data mining a démontré qu'il existait deux populations pour le parrainage: ceux qui avaient parrainé entre 0 et 2 fois et ceux qui parrainaient au-delà, sachant que les membres qui parrainaient trois fois allaient très souvent jusqu'à six sans aucune action marketing. Dès lors, la société a isolé le premier segment et s'est contentée d'agir pour les inciter à réaliser le troisième parrainage, s'abstenant de tout message incitatif au-delà de trois filleuls. «Ce type de campagne est huit fois plus rentable au regard du nombre de mails envoyés. L'idée étant, au final, de parler moins souvent, mais uniquement à des gens intéressés.»

PAROLE D'EXPERT

VALERIE GISBERTI / DIRECTRICE GENERALE DE FMO, FAIRE PARLER LA DONNEE!


Comment extraire de ma base de données un nombre optimisé d'informations permettant d'améliorer la performance commerciale de mon entreprise? Quelles sont ces données et de quelle manière les exploiter pour optimiser leur utilisation? La réponse à ces questions réside certainement dans la mise en place d'un système de data mining permettant de mettre en exergue l'intelligence de certaines données stratégiques pour l'entreprise.
L'évolution des techniques liées à l'exploitation des bases de données offre à l'entreprise de tendre vers le précieux «on to one» tant convoité, selon lequel, on parviendrait à vendre et à communiquer avec le client/prospect, de manière individuelle et personnalisée, tout en tenant compte de ses particularités! Réussir ce pari audacieux induit l'optimisation des recherches et des études permettant de connaître et de comprendre le consommateur.
Faire consommer d'autres produits (cross selling), faire monter le consommateur en gamme (up selling), anticiper et ralentir le départ de ses clients, recruter de manière plus efficace et pertinente... autant d'objectifs qui peuvent justifier l'utilisation du marketing prédictif dans l'entreprise et donc des outils de data mining.
L'enjeu est de taille et l'entreprise va tenter de «faire parler» les données en sa possession, en déterminant des modèles qui s'intéressent au futur comportement du consommateur. C'est l'avènement de la donnée intelligente! Exploitable par l'homme, mais surtout par la machine, cette dernière ayant pour mission de structurer les données (visibles et invisibles) et de les rapprocher pour en garantir l'exploitation optimisée. L'extraction de connaissance à partir de données (ECD) est donc un outil qui permet aux responsables marketing de prendre des décisions stratégiques et opérationnelles au moment opportun, tout en traçant systématiquement les résultats pour pouvoir les remettre en cause par de nouveaux tests et de nouveaux comptages.


Quelle réflexion mener?
La mise en place d'un outil de data mining (comme la mise en place de tous les outils marketing) doit toutefois être la phase finale d'un processus de réflexion stratégique reposant sur l'analyse des attentes de l'entreprise quant à cette stratégie. L'outil de data mining a la possibilité de fournir un nombre très important d'informations, le défaut de réflexion sur l'objectif d'une telle démarche entraîne dans certaines entreprises une accumulation de données, d'analyses et de résultats qui, souvent, nuisent à l'efficacité de la démarche. Ce phénomène est accentué par le fait que les applications du data mining n'intéressent pas uniquement l'univers du CRM et les données (donc leur exploitation) peuvent prendre des formes très variées, particulièrement dans le cadre d'Internet ou un nombre considérable est répertorié. Elles peuvent, par exemple, être issues de la fouille de textes (text mining) ou de vidéos. La qualité des informations existantes est un élément fondamental. L'utilisation d'un logiciel de data mining, dans le domaine du CRM, nécessite d'avoir structuré sa base de données pour qu'elle puisse être exploitable durablement.


Jusqu'où aller?
Parvenir au one-to-one n'implique pas uniquement les directions marketing, mais l'ensemble de l'entreprise.
L'étude des clients, de leur comportement, de leur environnement et des implications que ces données peuvent avoir sur l'acte d'achat sont autant de sujets inépuisables. Les réponses apportées doivent être relayées par l'ensemble des services de l'entreprise qu'ils soient ou pas en contact direct avec le client. Relever ce défi implique une prise de conscience et un changement fondamental dans les structures. L'objectif étant d'intégrer la «pensée client» dans toutes les actions.
De nouvelles démarches comme le Tngger Marketing accentuent cette réflexion en envisageant le client au travers de son rapport à la marque, plutôt qu'en tentant de le positionner dans un segment spécifique. C'est alors le client qui devient le décisionnaire du type de relation qu'il souhaite avoir avec la marque et c'est donc à l'entreprise de s'adapter.

Céline Oziel

L'IA est-elle l'avenir du marketing?

L'IA est-elle l'avenir du marketing?

L'IA est-elle l'avenir du marketing? L'IA est-elle l'avenir du marketing?

Tirer le meilleur parti de la donnée pour offrir au consommateur une expérience inédite, automatiser les actions marketing dans une dimension [...]

Et si vous faisiez travailler une Junior Entreprise ?

Et si vous faisiez travailler une Junior Entreprise ?

Et si vous faisiez travailler une Junior Entreprise ?

Les Junior Entreprises (JE) ou Junior Agences (JA) travaillent pour vous, pour un tarif modique. Voici quelques conseils pour tirer le meilleur [...]

Pop-up stores, de l'opportunisme... à la stratégie

Pop-up stores, de l'opportunisme... à la stratégie

Pop-up stores, de l'opportunisme... à la stratégie

En 2016, dans un secteur du retail challengé, le pop-up store tire son épingle du jeu, pour innover et se rapprocher des consommateurs. Marques, [...]

Euro 2016 : les marques entrent en jeu

Euro 2016 : les marques entrent en jeu

Euro 2016 : les marques entrent en jeu

Sponsors officiels ou non, les marques sont nombreuses à vouloir tirer profit de l'engouement généré par la prochaine compétition de football. [...]