Les outils de segmentation

La mise en place d’une segmentation et la déclinaison opérationnelle liée à cette segmentation nécessite l’emploi d’outils spécifiques. Dans le cas de la banque ou de l’assurance, le recours au datamining s’impose par l’importance des données.4

Le datamining

1

: Philippe Trainar-Patrick Thourot, gestion de l’entreprise d’assurance, op cit, p 88.

2

: Idem.

3

: Idem.

4

Le datamining est le processus qui extrait des « pépites » intéressantes à partir d’une grande quantité de données. On distingue deux types d’objectifs :

 Objectif descriptif : on cherche à analyser la base et à la décrire pour connaître les caractéristiques de certains clients ou de certains prospects. Cette étape est le préalable à tout autre objectif.1

 Objectif prescriptif : on cherche à trouver les critères qui vont être annonciateurs de certains comportements ou certaine attitudes envers les produits on la préférence à utiliser tel ou canal de contact. Les techniques utilisées visent à créer de nouvelles informations à partir des informations présentes.2

Il permet de faire des scores au niveau d’un risque crédit, comme d’une suspicion de fraude, d’une appétence à un type de solution d’une façon industrielle. Le logiciel choisi doit posséder les fonctionnalités qui assurent la création, l’enrichissement et l’exécution des scores. Ces informations permettent de prendre des décisions tout particulièrement au niveau des ciblages et des opérations de marketing direct. La préparation statistique des données de la base client (data warebouse) prend un temps important dans le processus. Il s’agit de contrôler et traiter les valeurs manquantes, erronées, aberrantes ou montrant une distribution anormale ou des colinéarités évidentes3. Cette base est alimentée en amont par les données clients et en aval par le retour des compagnes. Ensuite vient la phase de construction des modèles de scoring à partir des tables d’analyse contenant les caractéristiques des clients. Enfin, la phase de production permet le déploiement des scores dans toute la chaîne de production de l’entreprise, pas seulement au sein du département marketing.

1

: Anne Julien – André Marot, Marketing de la banque et de l’assurance, op cit, p 66.

2

: Ibid, p 67.

3

Il est possible de tester des scores d’appétence en comparant par exemple une cible issue d’une méthode de régression statistique traditionnelle 1

établie avec 5 critères versus une cible de client scorés issue du datamining avec un des logiciels du marché capables de scorer des clients avec 500 critères disponibles dans les bases de données.2

Tableau (II.1) : Résultats d’une opération effectuée sur une population-mère de

800000 clients bancaires avec le logiciel Néolane

50000 clients 25000 clients A Segmentes sur 5 critères

25000 clients B Scorés sur 500 critères

(maximum)

12650 entretiens 5693 6957

24000 ventes 10800 13200

Ventes supplémentaire par rapport à l’offre proposée

+30% de chiffres d’affaires supplémentaires pour les clients B par rapport à A

Source : Anne Julien – André Marot, Marketing de la banque et de l’assurance,

p 67.

Le cas exposé ici démontre l’efficacité de l’outil. Les gains sur la cible scorée par rapport à la cible traitée traditionnellement sont nets, ce qu a permis à la banque de vérifier la fiabilité du score d’appétence.3

Améliorer les résultats du datamining :

Les responsables d’études ou analystes doivent opérer un contrôle de la qualité des data avec des indicateurs sur la capacité à déployer et rendre

1

: Anne Julien – André Marot, Marketing de la banque et de l’assurance, op cit, p 67.

2

: Idem.

3

performante la segmentation. Ils effectuent aussi un contrôle strict sur le secret de données souvent très confidentielles. Leurs différentes activités suivent la démarche suivante : plan, do, act, learn, Cette méthode qui consiste à planifier l’action, l’exécuter et en tirer les leçons pour l’améliorer, permet une amélioration continue des résultats, par exemple en mémorisant les résultats des compagnes commerciales et les réactions des clients ou des prospects, en enrichissant la base avec d’autres données. C’est un apprentissage permanent de la connaissance client.1

Pour aller plus loin dans la connaissance du client, les professionnels utilisent des techniques spécifiques.

 L’analyse conjointe mesure l’arbitrage des consommateurs lors de leur achat.

La préférence n’est pas liée au bien lui-même mais aux caractéristiques qui le composent. On demande aux consommateurs de choisir entre plusieurs combinaisons d’attributs défini qui les pousseraient à acheter l’offre. Par exemple, une étude a été faite pour le lancement d’une carte bancaire co-brandée dans le domaine sportif.2

La méthode a permis de définir deux segments identiques en matière de caractéristiques sociodémographiques mais différents en matière de préférence des attributs de la carte. Un tiers des clients sont intéressés par les attributs liés au style de vie, par exemple participé à un grand d’événement sportif, un tiers des clients sont attirés par les fonctionnalités de la carte, renouvellement de la carte gratuite pour une autre personne, promotion sur un vol aérien ou cadeau automatique chaque année. Le dernier tiers est indifférent. Il est intéressant de noter que les clients attirés

1

: Anne Julien – André Marot, Marketing de la banque et de l’assurance, op cit, p 68.

2

par les attributs fonctionnels ont besoin d’explications qui leur permettent de réagir rapidement.1

A contrario, le segment sensible au style de vie a besoin d’être accompagné pour se décider. La communication vers ces deux segments devra donc être différenciée.

 Les réseaux bayésiens permettent de décrire des relations causales entre des variables et de les présenter sous forme de graphe. Les relations entre les variables ne sont pas linéaires mais elles représentent des probabilités, conditionnellement à ses antécédents. Les réseaux bayésiens sont utilisés à la fois par de nombreux chercheurs en marketing et par les professionnels.2

En effet, cet outil présente des avantages notamment pour analyser les causes de la satisfaction des consommateurs.

 Les méthodes de segmentation par arbre de décision, qui répartissent les individus en groupes homogènes relativement à la variable à expliquer.3

1

: Anne Julien – André Marot, Marketing de la banque et de l’assurance, op cit, p 68.

2

: Ibid, p 69.

3