E-marketing.fr Le site des professionnels du marketing

Recherche
Magazine Marketing

Les techniques du scoring

Publié par le

Voici quelques méthodes de scoring passées en revue par Mahamoud Azihary, directeur de Cofidis Datamining.

Je m'abonne
  • Imprimer


Le scoring consiste à affecter une note globale à un individu à partir de notes partielles, calculées sur des variables isolées ou en interaction. Cette note est utilisée essentiellement pour classer les individus par ordre ascendant ou descendant afin d'en sélectionner une partie pour une action marketing, par exemple. La construction d'un score fait appel à la modélisation prédictive, et l'on parle d'un score quand la variable à prédire n'a que deux modalités possibles, de type oui/non. Cela vient du fait qu'à l'origine, le "credit scoring" a consisté à prédire la probabilité d'être un mauvais ou un bon payeur dans l'octroi d'un crédit. Dans la plupart des questions posées au marketing, la réponse ne contient que deux modalités. Quand la variable à prédire peut prendre plusieurs modalités, à choix discrets (voyage en avion, en train ou en voiture exclusivement) ou à choix continus (préfère l'avion à 40 %, le train à 35 % et la voiture à 25 %), la modélisation doit aller au-delà du simple scoring. On parle alors de la modélisation multiprédictive.

Mesurer la rentabilité et la stabilité


Aujourd'hui, les logiciels d'analyse des données offrent diverses méthodes de construction de score, dont les plus courantes sont l'analyse discriminante, la régression logistique binaire, les arbres de décision, les réseaux de neurones. En France, Gilbert Saporta a créé une méthode de scoring utilisant l'analyse discriminante sur des variables qualitatives, et Michel Masson a créé la première méthode de scoring utilisée opérationnellement dans le crédit, basée sur une séquence d'analyses canoniques non linéaires. Un des problèmes observés chez les gens qui construisent des scores est la non-prise en compte de la rentabilité ou du temps de la survenue d'un événement. Prenons un exemple pour la rentabilité : si un prospect a une probabilité de répondre à une offre de 60 % et un autre de 40 %, je vais sélectionner le premier. Mais, si le premier achètera pour 4 000 euros et le second pour 8 000 euros, alors l'espérance de chiffre d'affaires du premier sera de 2 400 euros et celle du second de 3 200 euros. Une méthode de scoring construite comme cela sélectionnera plutôt le deuxième. Pour le temps de survenue d'un événement, prenons l'exemple suivant : les scores d'octroi de crédit prédisent la probabilité qu'un client devienne mauvais payeur. Mais un client qui devient mauvais payeur après avoir été bon payeur pendant 15 ans n'est pas le même qu'un client qui devient mauvais payeur au bout de 2 ans. L'utilisation des modèles de durée peut apporter une réponse à ce genre de problématique. L'essentiel, lorsque l'on construit un modèle de score, est de se donner les moyens de trouver les interactions qui donnent le meilleur modèle, à la fois en termes statistique pour la stabilité et en termes de performance pour la rentabilité. Mais il ne faut pas négliger les éléments de suivi de cette performance et les méthodes de mise à jour dans un marché changeant, sinon cela risque de devenir coûteux.

 
Je m'abonne

Alexis Nekrassov

NEWSLETTER | Abonnez-vous pour recevoir nos meilleurs articles