Optimiser sa segmentation
marketing
Laura Brocco
Directrice Scientifique
Thibaut Lagorce
Directeur Consulting
2
OPTIMISER SA SEGMENTATION MARKETING
Enjeux et panorama
La segmentation en action
Retour d’expérience d’AB Tasty
ENJEUX & PANORAMA
DES MARCHES HETEROGENES
DÉCOUPER EN SOUS-GROUPES HOMOGÈNES
OFFRES & COMMUNICATIONS PERSONNALISEES
LE BON MESSAGE, BON MOMENT, BONNE PERSONNE
PRINCIPE ET METHODES
SEGMENTATION WORKFLOW
ENQUÊTE ANALYSE IDENTIFICATION
Définition du marché à segmenter
Choix des informations à collecter
R...
ANALYSE : CHOIX DU CRITÈRE
SOCIO
DÉMOGRAPHIQUE
GÉOGRAPHIQUE PSYCHO-
GRAPHIQUE
COMPORTEMENTAL TYPE DE
CONSOMMATEUR
ANALYSE : CHOIX DE L’APPROCHE
Segmentation à
priori
Segmentation non-
supervisée
Segmentation
supervisée
Découper la
popul...
ANALYSE : CHOIX DE LA METHODE
AUTRES MÉTHODES
(RÉSEAUX DE
NEURONES, MÉTHODES
MIXTES, …)
Nombre de
classes prédéfini
Nombre...
UNE « BONNE » SEGMENTATION DOIT ÊTRE
Optimale
Stable
Efficace
Mesurable
Opérationnelle
LA SEGMENTATION PMG
Petit, Moyen, Gros, Très Gros
P OUTLIERSM G TG
CA CA CA CA CA
LA SEGMENTATION RFM
(récence, fréquence, montant)
Valeur du client
(CA Total)
Activité du client
(récence, fréquence)
+
IN...
LA SEGMENTATION CROISEE RFM/PMG
Bien les
accueillir,
stimuler le
nombre de
visites/achats
Personnalisation,
valorisation
F...
POUR ALLER PLUS LOIN…
Etudes de cas et retours d’expérience
EQUIPEMENTIER AUTOMOBILE :
SEGMENTATION A PARTIR DES ATTENTES CLIENTS
Un équipementier automobile a réalisé une étude
mond...
LA METHODE
Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 Classe 6
Dendrogramme de la typologie
Projection des individus dan...
LES RESULTATS
6 classes d’individus : Les
prévoyants attentistes, les
prévoyants agités, les sensibles
sécurisés, les jama...
LABORATOIRE PHARMACEUTIQUE :
COMPARER LES PERFORMANCES DES PHARMACIES
Un laboratoire pharmaceutique souhaite comparer la
p...
Pharmacie, Hypercentre de Toulouse
Pharmacie, Dremil Lafage (2500 hab., 16km Toulouse)
Comment comparer la performance
intrinsèque de ces 2 pharmacies ?
LABORATOIRE PHARMACEUTIQUE :
COMPARER LES PERFORMANCES DES PHARMACIES
1 : rendre les pharmacies comparables dans leur cont...
QUELLES SONT LES VARIABLES PERTINENTES ?
Intensité de la concurrence
Densité d’habitation
% de retraités, d’actifs, d’enfa...
CRÉATION DE CLUSTERS HOMOGÈNES
pharmacie de
centre-ville sans
concurrence
pharmacie rurale
sans concurrence
pharmacie de
c...
EVALUATION DE LA PERFORMANCE
AU SEIN DE CHAQUE CLUSTER
Perf ++ : CA >> CA
Moyen du groupe
Perf = : CA =~ CA
Moyen du group...
Hubert Wassner
Lead Data Scientist
31
Contexte & problématique
Adoptez une approche
marketing 1 to 1 pour
convertir davantage
Engagez votre audience
grâce au
ma...
Les solutionsLes 3 piliers de la plateforme AB Tasty
Créez vos messages personnalisés
sans connaissance technique
Moteur d...
Les actions mises en œuvreQuelques réussites
Augmenter la Conversion
+14%
ventes
VS
Les prochaines actionsQuelques réussites
Diminuer le Rebond
-10%
rebond
VS
Les résultats obtenusCe ne sont pas les seules !
E-commerce Média AgencesLeads
Le problème
La personnalisation nécessite de l’information.
Or 1 visiteur sur 2 est totalement inconnu !
La solution
Grâce à la géolocalisation (via adresse I.P.)
On accède aux informations de recensement (INSEE)
Dont celles de...
La méthode
Base INSEE
Segmentation en quintiles
Coordonnées
XY
Segment
associé
< 70 ms
L’évaluation
Distribution de
revenus
(prédiction)
sur un site de e-
commerce.
Seuil de segmentation
L’évaluation
Distribution de
valeur de panier :
• bleu < seuil
• rouge > seuil
L’évaluation
Distribution de chiffre
d’affaires
• bleu < seuil
• rouge > seuil
• noir l’ensemble
~25% de plus pour les
« h...
Conclusion
On peut segmenter les visiteurs d’un site
web selon leurs revenus.
On peut alors concentrer les efforts
commerc...
Évolutions
D’autres prédictions :
Taille de la famille
Densité de commerces
Indice Gini pour la confiance de prédiction
Ty...
?
VOUS SOUHAITEZ EN SAVOIR PLUS
http://www.np6.fr/demande-de-contact/
Conférence #2
Data Marketing
Quand le géomarketing devient
prédictif
Conférence #2 Digital
Marketing
Optimiser ses parcour...
Prochain SlideShare
Chargement dans…5
×

Optimiser sa segmentation marketing avec AB Tasty

748 vues

Publié le

Bien segmenter ses base de données clients et prospects est un prérequis à toute action commerciale efficace : cela permet de mener une stratégie marketing différenciée, en proposant un message et éventuellement une offre produit personnalisée à chacun des segments identifiés.

Comment optimiser cet outil de pilotage stratégique ? Quelles sont les techniques de segmentation les plus évolutives à appliquer ? Comment mettre l'Open Data à profit de sa base de données ?

Découvrez les nombreux projets de segmentation réalisés par nos équipes, pour différents clients dans plusieurs secteurs d'activité.

Avec le retour d'expérience d'Hubert Wassner, Lead Data Scientist chez AB Tasty.

Publié dans : Marketing
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
748
Sur SlideShare
0
Issues des intégrations
0
Intégrations
41
Actions
Partages
0
Téléchargements
2
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • La plupart des marchés sont constitués d’acheteurs très différents par de multiples aspects (attentes et besoins, comportements d’achat et de consommation, critères de choix des produits, etc.)  les marchés sont en général hétérogènes.

  • La segmentation consiste à découper les marchés en sous-groupes d’individus (B2C) ou d’entreprises (B2B) les plus homogènes possible et les plus distincts les uns des autres.
  • Le découpage permet de :
    concevoir des propositions marketing plus adaptés
    mener des actions dissociées selon le profil client (one to few)
    communiquer plus efficacement
  • LE BON MESSAGE
    Adapter le contenu, l’offre produits/services, le canal et éventuellement le prix
    LA BONNE PERSONNE
    Ne contacter que les personnes potentiellement intéressées
    LE BON MOMENT
    Adapter la période et la fréquence de communication




  • ENQUETE
    Définition du marché à segmenter
    Choix des informations à collecter
    Recueil de données
    ANALYSE
    Choix de critères (sociodémographiques, géographiques, psycho-graphiques, comportementaux, relatifs à la situation)
    Choix de la méthode (à priori, supervisée, non-supervisée)
    Choix de l’algorithme (analyse factorielle, méthodes de partitionnement, méthodes par estimation de densité, méthodes mixtes, etc.)
    IDENTIFICATION
    Composition et profile des segments
    Mesure de la taille des segments (nombre prospects/clients, volume d’achat, valeur d’achat, ….)
    Analyse du potentiel et de l’attractivité
    Evolution dans le temps (segment en croissance, stable, en décroissance)
    Etat de la concurrence
  • La condition initiale pour réussir une segmentation est de disposer d’informations sur les individus et sur le marché:

    Variables à expliquer : celles qui relèvent de l’information qui caractérise le phénomène que l’on souhaite comprendre et sur lequel on veut influer

    Variables explicatives : les informations susceptibles de donner une explication aux variables à expliquer. Ces variables peuvent être :
    Qualitatives (ex : l’activité)
    Ordonnées (ex : la tranche de taille 0-50, 50-100)
  • Critères Sociodémographiques  Diviser le marché selon âge, sexe, formation, csp, …
    Critères Géographiques  Diviser le marché en sous-ensembles géographiques
    Critères Psycho-graphiques  Diviser le marché selon opinions, style de vie, croyance, attitudes, …
    Critères de comportement de consommation  Diviser le marché selon: quantités consommées, avantage recherchés, …
    Critères relatifs au type de consommateur  Acheteurs, prescripteurs, …
  • Méthodes de partitionnement (classification non-supervisée): centres mobiles, k-means, etc.
    applicables aux grands volumes de donnés
    détection des individus hors norme
    dépendance du choix initial
    fixation à priori du nombre de classes


    Classification ascendante hiérarchique:
    détection de classes de forme différente
    Classification des individus, des variables et des centres des classes
    On travaille à partir des dissimilarités entre les objets que l'on veut regrouper. On peut donc choisir un type de dissimilarité adapté au sujet étudié et à la nature des données.
    L'un des résultats est le dendrogramme, qui permet de visualiser le regroupement progressif des données. On peut alors se faire une idée d'un nombre adéquat de classes dans lesquelles les données peuvent être regroupées.

    Complexité algorithmique
    Partitionnement non globale


    Méthodes mixtes:
    Applicables aux grands volumes de données
    Permets de classifier les individus sans connaitre à priori le nombre de classes
    Précision et absence d’apriori (combine le deux avantages des méthodes de partitionnement et cah)
    Programmation longue si le nombre de variable est élevé


    Réseaux de neurones:
    Capable de modéliser les relations non-linéaires des données
    Variables qualitatives et quantitatives
    Boites noires
    Nécessitent un échantillon de données important
    Sensibles aux outliers


    Analyse par agrégation des similarités:
    Détection automatique du nombre de classes
    Prise en charge des valeurs manquantes
    Classification globale
    variables nominales
    Sensible au nombre de modalités des variables
    Agrégation des individus sur une majorité des variables



  • Cube
    Pyamide
    Nuage
    Fleche
    Agregees – camembert qui se surpose
    Groupe de variable


    Autres methodes
  • Optimale  détecter un nombre optimale de structures dans les données et fournir des segments bien différenciés

    Stable  les segments ne doivent pas changer vis-à-vis des légères variations dans les données

    Efficace  savoir traiter un grand nombre de données et tous types de variables

    Mesurable  les caractéristiques doivent être quantifiées avec précision

    Opérationnelle  les caractéristiques doivent permettre d’atteindre les segments par des actions commerciales spécifiques
  • A partir du CA client sur la période considérée, découper la population en vingtiles (20 segments d’effectifs égaux)

    Regroupement des 20 segments en 4 segments P, M, G, TG

    Identification des « outliers » qui peuvent être des supers VIP ou des fraudeurs potentiels
  • Division de chaque indicateur en décile (10 classes égales)

    Somme des 3 valeurs obtenues pour chaque individu = score RFM

    Découpage des valeurs du score RFM en quintile (5 segments RFM)
    Les inactifs : n’ayant pas fait de visites/achats sur la période considérée
    Les RFM+++ : Clients importants (Montant, fréquence) ayant acheté récemment
    Les RFM++ : Clients ayant achetés de façon moyenne et récemment
    Les RFM + : Clients ayant achetés de façon moyenne et pas récemment
    Les RFM- : petits clients
    Les RFM--- : Très petits clients dont les achats ne sont pas récents
  • LA SEGMENTATION CROISEE A POUR OBJECTIF DE CRÉER DES PLANS D’ACTION DISSOCIES PAR SEGMENT

  • La méthode :
    identification des dimensions structurantes des réponses via une typologie canonique (corrélation entre un groupe de variables à expliquer = comportements pour résoudre un problème, et un groupe de variables explicatives = données socio-démos et problèmes rencontrés)
    Segmentation à partir de la typologie des individus (constitution de groupes d’individus ayant des observations proches et le plus distincts possibles les uns des autres)?
  • Identification des dimensions structurantes des réponses via une typologie canonique (corrélation entre un groupe de variables à expliquer = comportements pour résoudre un problème, et un groupe de variables explicatives = données socio-démos et problèmes rencontrés)
    Segmentation à partir de la typologie des individus (constitution de groupes d’individus ayant des observations proches et le plus distincts possibles les uns des autres)?

    > Mots clés nuage de points / SEGMENTATION DATAVIZ IMAGE POINTS
  • Optimiser sa segmentation marketing avec AB Tasty

    1. 1. Optimiser sa segmentation marketing
    2. 2. Laura Brocco Directrice Scientifique Thibaut Lagorce Directeur Consulting 2
    3. 3. OPTIMISER SA SEGMENTATION MARKETING Enjeux et panorama La segmentation en action Retour d’expérience d’AB Tasty
    4. 4. ENJEUX & PANORAMA
    5. 5. DES MARCHES HETEROGENES
    6. 6. DÉCOUPER EN SOUS-GROUPES HOMOGÈNES
    7. 7. OFFRES & COMMUNICATIONS PERSONNALISEES
    8. 8. LE BON MESSAGE, BON MOMENT, BONNE PERSONNE
    9. 9. PRINCIPE ET METHODES
    10. 10. SEGMENTATION WORKFLOW ENQUÊTE ANALYSE IDENTIFICATION Définition du marché à segmenter Choix des informations à collecter Recueil de données Choix de critères Choix de la méthode Choix de l’algorithme Composition et profile des segments Mesure de la taille des segments Analyse du potentiel et de l’attractivité Evolution dans le temps Etat de la concurrence
    11. 11. ANALYSE : CHOIX DU CRITÈRE SOCIO DÉMOGRAPHIQUE GÉOGRAPHIQUE PSYCHO- GRAPHIQUE COMPORTEMENTAL TYPE DE CONSOMMATEUR
    12. 12. ANALYSE : CHOIX DE L’APPROCHE Segmentation à priori Segmentation non- supervisée Segmentation supervisée Découper la population selon de critères basiques (sexe, âge, csp, …) Recherche des caractéristiques commune entre individus afin d’aboutir à une classification Définition des groupes finaux avant de mettre en place la segmentation
    13. 13. ANALYSE : CHOIX DE LA METHODE AUTRES MÉTHODES (RÉSEAUX DE NEURONES, MÉTHODES MIXTES, …) Nombre de classes prédéfini Nombre de classes NON prédéfini, choix du degrés de « dissimilarité » Nombre de classes NON prédéfini MÉTHODES DE PARTITIONNEMENT CLASSIFICATION ASCENDANTE HIÉRARCHIQUE MÉTHODES MIXTES
    14. 14. UNE « BONNE » SEGMENTATION DOIT ÊTRE Optimale Stable Efficace Mesurable Opérationnelle
    15. 15. LA SEGMENTATION PMG Petit, Moyen, Gros, Très Gros P OUTLIERSM G TG CA CA CA CA CA
    16. 16. LA SEGMENTATION RFM (récence, fréquence, montant) Valeur du client (CA Total) Activité du client (récence, fréquence) + INACTIFS ++ - - +++ - + - - +
    17. 17. LA SEGMENTATION CROISEE RFM/PMG Bien les accueillir, stimuler le nombre de visites/achats Personnalisation, valorisation Fidélisation, up sell, cross sell, rétention NOUVEAUX CLIENTS VIPs CŒUR DE CIBLE Fidélisation à moindre coût Suivi personnalisé de leurs visites/ dépenses DILEMNES OUTLIERS
    18. 18. POUR ALLER PLUS LOIN… Etudes de cas et retours d’expérience
    19. 19. EQUIPEMENTIER AUTOMOBILE : SEGMENTATION A PARTIR DES ATTENTES CLIENTS Un équipementier automobile a réalisé une étude mondiale sur les attentes clients concernant le confort de l’habitacle Comment classer les clients selon leurs attitudes et leurs comportements ?
    20. 20. LA METHODE Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 Classe 6 Dendrogramme de la typologie Projection des individus dans l’espace attitudes-comportements Identification des dimensions structurantes des réponses via une typologie canonique Segmentation à partir de la typologie des individus
    21. 21. LES RESULTATS 6 classes d’individus : Les prévoyants attentistes, les prévoyants agités, les sensibles sécurisés, les jamais contents, les impatients, les ajusteurs méticuleux Caractéristiques descriptives de chaque classe (profil socio-démo, véhicule possédé, type d’utilisation, critères de choix, attentes sur les équipements) Bilan d’image vis-à-vis des problèmes rencontrés Time to comfortable temperature Capability to precisely adjust the temperature Ease of use of vehicle controls Ability to eliminate humidity Capacity to eliminate sweating, to dry the body and clothes All car surface contacts are at the right temperature Individual adjustment of temperature Noise/vibration of thermal comfort equipment Ability to obtain pleasant air flows Interior air quality 0.32 3.87 Classe 1 : Prévoyants attentistes IMPORTANCE SATISFACTION
    22. 22. LABORATOIRE PHARMACEUTIQUE : COMPARER LES PERFORMANCES DES PHARMACIES Un laboratoire pharmaceutique souhaite comparer la performance commerciale des pharmacies vendant ses produits sans ordonnance Quelles sont les pharmacies sur et sous- performantes au regard de leur environnement géographique et socio-démographique ?
    23. 23. Pharmacie, Hypercentre de Toulouse Pharmacie, Dremil Lafage (2500 hab., 16km Toulouse)
    24. 24. Comment comparer la performance intrinsèque de ces 2 pharmacies ?
    25. 25. LABORATOIRE PHARMACEUTIQUE : COMPARER LES PERFORMANCES DES PHARMACIES 1 : rendre les pharmacies comparables dans leur contexte 2 : utiliser les données de l’Open Data pour caractériser ce contexte 3 : créer des groupes (clusters) de pharmacies comparables 4 : classer les pharmacies au sein de leur cluster
    26. 26. QUELLES SONT LES VARIABLES PERTINENTES ? Intensité de la concurrence Densité d’habitation % de retraités, d’actifs, d’enfants…
    27. 27. CRÉATION DE CLUSTERS HOMOGÈNES pharmacie de centre-ville sans concurrence pharmacie rurale sans concurrence pharmacie de centre-ville hyper concurrencée pharmacie de centre commercial sans concurrence pharmacie rurale très concurrencée
    28. 28. EVALUATION DE LA PERFORMANCE AU SEIN DE CHAQUE CLUSTER Perf ++ : CA >> CA Moyen du groupe Perf = : CA =~ CA Moyen du groupe Perf -- : CA << CA Moyen du groupe
    29. 29. Hubert Wassner Lead Data Scientist 31
    30. 30. Contexte & problématique Adoptez une approche marketing 1 to 1 pour convertir davantage Engagez votre audience grâce au marketing prédictif Validez vos idées d’optimisation avec une approche Test & Learn A/B testing Remarketing on-site Personnalisation
    31. 31. Les solutionsLes 3 piliers de la plateforme AB Tasty Créez vos messages personnalisés sans connaissance technique Moteur de segmentation Reporting Éditeur Visuel Adressez vos utilisateurs avec précision Analysez les impacts et concluez avant d’agir
    32. 32. Les actions mises en œuvreQuelques réussites Augmenter la Conversion +14% ventes VS
    33. 33. Les prochaines actionsQuelques réussites Diminuer le Rebond -10% rebond VS
    34. 34. Les résultats obtenusCe ne sont pas les seules ! E-commerce Média AgencesLeads
    35. 35. Le problème La personnalisation nécessite de l’information. Or 1 visiteur sur 2 est totalement inconnu !
    36. 36. La solution Grâce à la géolocalisation (via adresse I.P.) On accède aux informations de recensement (INSEE) Dont celles des revenus ! On peut donc créer un segment « hauts revenus »
    37. 37. La méthode Base INSEE Segmentation en quintiles Coordonnées XY Segment associé < 70 ms
    38. 38. L’évaluation Distribution de revenus (prédiction) sur un site de e- commerce. Seuil de segmentation
    39. 39. L’évaluation Distribution de valeur de panier : • bleu < seuil • rouge > seuil
    40. 40. L’évaluation Distribution de chiffre d’affaires • bleu < seuil • rouge > seuil • noir l’ensemble ~25% de plus pour les « hauts revenus »
    41. 41. Conclusion On peut segmenter les visiteurs d’un site web selon leurs revenus. On peut alors concentrer les efforts commerciaux sur cette population pour booster le chiffre d’affaires.
    42. 42. Évolutions D’autres prédictions : Taille de la famille Densité de commerces Indice Gini pour la confiance de prédiction Type d’habitation …
    43. 43. ? VOUS SOUHAITEZ EN SAVOIR PLUS http://www.np6.fr/demande-de-contact/
    44. 44. Conférence #2 Data Marketing Quand le géomarketing devient prédictif Conférence #2 Digital Marketing Optimiser ses parcours clients Auditorium New York / Hambourg

    ×