Cours marketing :Database Marketing


Télécharger Cours marketing :Database Marketing

★★★★★★★★★★3.5 étoiles sur 5 basé sur 1 votes.
Votez ce document:

Télécharger aussi :


Cours marketing de base : Database Marketing

...

Marketing sur bases de données :

Une définition

  • « La collecte, le stockage et l’exploitation de données individuelles pour élaborer et diffuser des offres commerciales adaptées »
  • Caractéristiques

– Base de données informatisée

– Données individuelles (prospect, client)

– Utilisation pour élaborer des offres adaptées

– Les cibler

– Pour améliorer le rapport coût / efficacité des actions marketing

– Ou stimuler des comportements recherchés

Différents stades de maturité

  • 1 Les médias

– Réduire le coût de mailings, accroître le taux de réponse

  • 2 Le marketing

– Intégration des données de différentes origines (datawarehouse)

– Modélisation marketing, segmentation

  • 3 L’intégration

– Intégration de la gestion client sur l’ensemble de l’entreprise (CRM)

Moyens

  • Interface intégrée de relation client (base CRM / GRC)
  • Base de données marketing sur

– les achats

– les transactions (vecteurs de commande, de paiement,…)

– les interactions : réclamations, information,...

  • Enrichissement par

– des données inférées

– des données externes

  • Elaboration de variables agrégées

– tops/tags

– typologies

Pourquoi un marketing sur BDD ?

  • Modélisation de la gestion

– LTV,

– rétention, prospection,

– détection clients non performants, segmentation

  • Orientation client

– up et cross-selling,

– personnalisation : promotion événement client, servicesproduits sur mesure,

– remontées d'informations clients

  • Stratégie de niches & Orientation Produit

– suivi des choix par les achats, paniers d'achat

Quelques pratiques

  • Selon l ’étude de InfoWorks

– 68% des entreprises ont des informations détaillées sur leurs clients ;

– pour 30 % elles sont facilement accessibles ;

– 61% les enrichissent avec des données tierce (démographique, …)

– 28% ont une stratégie de segmentation élaborée;

– 48% se sont organisés en fonction des besoins des clients ;

– pour 72%le développement des clients actuels est le premier objectif du DBM ;

– 47% du budget est investi dans des actions marketing ciblées

– 60% connaissent la part du revenu généré par les 5% des meilleurs clients ;

– 44% sont capables d’évaluer la profitabilité de leurs clients ;

– 16% calculent la LTV ;

– 39% adaptent leurs investissements marketing selon les clients

– 13% disent mesurer le ROI de leurs programmes DBM ;

– 21% de ceux qui ont un programme de fidélisation en mesurent les effets.

Le DBM, un avantage concurrentiel ?

  • Un avantage concurrentiel offre de manière récurrente, un ROI supérieur à la normale (Porter)
  • Les sources

– Change la base de la concurrence : transforme la gestion commerciale, permet de traiter les petits clients,…

– Renforcer les relations avec les clients : acquisition, défense, stimulation

– Contourne les problèmes de distribution : télémarketing, vad,…

– Barrière à l’entrée

– Opportunités de développement de nouveaux produits services et découverte anticipé de nouveaux besoins

Un avantage concurrentiel tactique ?

– Suivre les comportements d’achat, les motivations

– Ciblage des actions marketing

– Différenciation dans la communication marketing

– Différenciation dans les offres marketing (promotions, prix, service,…)

– Réduire les coûts marketing

– Améliorer la fidélité des clients (prog de fidélisation)

– Coordination de toutes les actions sur une cible donnée

– Réduit les opportunité de rupture et l’insatisfaction

– Gère le risque financier

– Permet de faire des études marketing et des tests

– Suit l’efficacité des actions marketing

– Évalue la rentabilité potentielle sur les nouveaux clients

Mais …

– La plus grande partie du risque d’échec se trouve dans la mise en œuvre

– Les contraintes de mise en œuvre peuvent annuler l’avantage voire même placer l’entreprise en difficulté

– L’avantage est difficilement durable s’il est effectif (comportement d’imitation des concurrents)

– Le résultat est l’accroissement des coûts pour tous

– La concurrence est à la fois horizontale mais aussi verticale (programme de fidélisation en PGC)

– La mauvaise appréciation de l’importance des investissements nécessaires sur le long terme est un frein important à sa mise en œuvre

Mais … (suite)

– Incapacité à traiter et interpréter les données

– À mettre en œuvre une modélisation sophistiquée

– Propriété des données

– Respect de la vie privée (communication et information)

– Risque d’exclusion des « mauvais risques » et des « faibles potentiels »

Les causes de l’évolution du DBM

  • L’évolution du rôle du Marketing Direct

– L’évolution vers de programmes de Marketing Relationnel

– Le déclin de l’efficacité des investissements dans les médias traditionnels

– La concurrence et le pouvoir des canaux de distribution

– La volonté de mieux mesurer l’effet des investissements marketing

  • Le changement dans la structure de coûts

– Accroissement des coûts marketing

– Déclin dans les coûts (électroniques) de contact et de traitement

Les causes de l’évolution du DBM (suite)

  • Les changements technologiques

– Nouvelles méthodes/ nouveaux vecteurs d’achat

– Nouveaux modes de paiement

– Capacité à différencier la communication à un coût acceptable

  • Les évolutions économiques

– Fragmentation des marchés (B-to-B et B-to-C)

– L’évolution des arbitrages temps des clients

– Le développement de la société de l’information (l’information comme un produit)

– L’intensification et la mondialisation de la concurrence

Les tendances

– Le DBM va continuer à se développer dans les entreprises et à couvrir d’autres secteurs



– Généralisation de la collecte des données dans les points de vente

– Circulation de fichiers plus nombreux permettant une meilleure prospection

– La technologie fournit de nouveaux moyens de communication (Wap, SMS,…)

– Les coûts de traitement et de communication vont continuer à baisser

– La qualité des données va s’accroître et le coût se réduire

– Les modèles deviennent plus sophistiqués mais aussi plus faciles à utiliser

– La préoccupation du respect de la vie privée se généralise

– Le DBM va être utilisé plus souvent pour améliorer la qualité de service

– Le DBM sera d’abord utilisée pour gérer les programmes de fidélisation

Database Marketing

Le cours

Database Marketing

Cycle de vie client

Plan commercial

Sélection

> QUITTER

Le cycle de vie client

  • Le comportement du client : un cadre théorique
  • Le Cycle de vie : du suspect à l ’ancien client
  • L’attrition ou Mortalité commerciale
  • L’activité et ses composantes
  • La valeur d’un client (LTV)

Le comportement des clients

Cadre théorique

  • Les choix des clients sont rationnels, mais stochastiques
  • Le comportement actuel peut être anticipé à partir des connaissances sur

– des variables individuelles

– des comportements antérieurs

  • Les variables sont diverses et doivent être intégrées

– Comportementales

– Descriptives permanentes

– Descriptives temporaires

– Attitudes - Réponses

Cycle de Vie client

Acheteur

Convaincu

"Suspect"

Prospect

Prospect "chaud"

Acheteur

Essayeur

Ancien Client

Acheteur

Occasionnel

Acheteur

Régulier

Acheteur

Convaincu

Informations disponibles et Activité

Ancienneté

Inactif

  • Former des groupes reliés en fonction

– De l’état de développement de la relation

– Du potentiel, des coûts de chaque groupe

27 (c) Desmet < > Sommaire QUITTER

Différents fichiers et programmes

  • Prospect, actifs, inactifs
  • Différents programmes

– Prospection & recrutement

– Transformation

– Fidélisation

– Rétention & ré-activation

  • Parfois pilotés par des chefs de produits différents

Prospection

  • Obtenir un premier contact avec des clients potentiels
  • Déclencher un intérêt sur une cible identifiée

– À partir de ses caractéristiques d’achat (fichier vpc)

– A partir des médias utilisés (presse spécialisée)

– Au coût minimal et puissance maximale (presse TV)

  • Une offre large et généreuse, souvent non rentable
  • Recrutement en une ou deux étapes

Transformation

  • Objectifs

– Faire connaître l’offre

– Communication cohérente et unifiée

– Sous-utilisation des promotions

  • Obtenir un engagement en connaissance de cause

– Réduire les retours et impayés

Fidélisation

  • Traitement des clients actuels
  • Objectif

– Générer une activité sur les plus faibles

– Développer le chiffre d’affaires

– Accroître la marge

  • Optimisation des actions et programmes

– Dans le ciblage

– Dans les relances (programme)

Rétention & ré-activation

  • Rétention : Eviter que les clients ne disparaissent

– Traitement de l’insatisfaction, des réclamations, de l’usure

– Anticipation des ruptures (modélisation) : causes, chronologie

  • Ré-activation : extraire des anciens clients des prospects

– Ils connaissent déjà l’offre de l’entreprise

– Mais avec une usure ou une insatisfaction

Attrition

Fermeture des Comptes Courants dans une Banque 9% par an

Principales raisons (Réponses multiples, total 132%)

  • Insatisfaction du service 19,50% • Distance trop éloignée 14,00%
  • Déménagement 17,70% • Tarification 7,40% • Plus besoin 17,40%
  • Insatisfaction de la relation 15,60%
  • Mariage/Divorce/Décès 6,80%

Source : Etude interne non publiée, échantillon de 46 940 adultes de 15 ans et plus.

Ancienneté (années)

0,5 5,5 10,5

% des comptes fermés

Valeur d’un client

  • Notion de VAN, de Life time value (LTV)
  • Combien me rapporte un client sur l’ensemble de la relation
  • Quel coût de recrutement ? (à séparer)
  • Quelle contribution, hors retour, impayés,… ?
  • Quelle durée de vie ?
  • Paramètres :

– Quel taux d’actualisation ?

Exemple (feuille excel active)

Taux d'actualisation 10%

Contacts 100 000

Remontées 1 000

Coût °/°° contacts 20

Coût par recrutement 2,00 €

CA unit

Acheteurs année 1 1 000 10 10

Acheteurs année 2 600 10 9,09

Acheteurs année 3 200 10 8,26

CA total reçu 17 107

Marge 20% 3 421

Marge par recruté 3,42

ROI 171%

Résultat opération 1 421

Analyse dynamique de la demande

Profit cumulé actualisé Profit annuel

Année

Profit (FF)

  • Valeur actuelle nette (VAN) ou Life Time Value (LTV)
  • LTV = St (CFt*Survie)* (1+i) -t + CF parrainage
  • ROI = LTV / Coût Recrutement
  • Arbitrage : coûts de rétention / rétention
  • Evolution du cash-flow

– recrutement : CF négatif

– clients :



  • niveau CF
  • croissance CF

– attrition (survie)

Un exemple simple en téléphonie

  • Combien puis-je investir en promotion pour l ’acquérir (subvention du portable)…
  • Développer un modèle économique
  • Combien vaut un client ?
  • Construire une simulation

Database Marketing

Le cours

Database Marketing

Cycle de vie client

Plan commercial

Sélection

> QUITTER

Objectif de la communication par cible (1)

  • Prospection

– définir la cible suspect

  • Recrutement

– obtenir les coordonnées des prospects

– obtenir un signe d'intérêt

– obtenir un premier achat

  • Transformation

– obtenir un réachat

Objectif de la communication par cible (2)

  • Fidélisation

–augmenter la fréquence des achats

–augmenter le montant moyen des achats

  • par un transfert d'achat de la concurrence
  • par un transfert d'achat d'un autre canal
  • par un élargissement de l'offre à d'autres catégories de Produits

–réduire l'attrition (mortalité)

  • Réactivation

–relancer les inactifs

Plan Commercial

  • Prévoir les besoins financiers et les résultats
  • Arbitrer entre la Prospection et la Fidélisation
  • Allouer les budgets entre les cibles
  • Mesurer la rentabilité des actions engagées
  • Utilisation d’une segmentation

Modèle économique d’une activité

  • Profit, CA, Volume
  • Marché accessible (distribution)
  • Pénétration
  • Répétition
  • Panier
  • Produits fréquentés
  • Taux de nourriture
  • Durée de vie

Analyse Statique de la Demande

CA = Scc ADR cc *TA cc *CRC cc *MMC cc

  • CC : Classes ou segments de clientèle
  • ADR : Population touchée
  • TTR : Pénétration (taux de transformation)
  • CRC : Fréquence (coefficient de répétition de commande)
  • MMC : Demande moyenne –montant moyen de commande)
  • Taux de retour
  • Taux d’impayés

Classes de clientèle ou Segments

  • RFM – FRAT
  • La récence (délai depuis la dernière activité)
  • La fréquence (intensité moyenne de la relation quand il est actif)
  • Le montant (montant moyen du CA)
  • Le Profil de consommation

– produits/services commandés, utilisés

– périodes d ’utilisation,...

  • Croiser la récence et la fréquence
  • Définir les types (TBC, BC, NA, …) pour avoir des groupes cohérents (probabilité d’activité proches) et de taille suffisante

Etapes d’un modèle dynamique de

Plan commercial

  • établir un profil d ’activité
  • calculer des indicateurs : récence, fréquence, montant, ...
  • construire des classes de clientèles
  • calculer les transitions entre ces classes de clientèles
  • mesurer l’activité des classes
  • étudier l’attrition des classes
  • tester l ’hypothèse de stationnarité
  • simuler les conséquences des décisions
  • déterminer la valeur d ’un client

45 (c) Desmet < > Sommaire QUITTER

Exemple simplifié (feuille excel active)

TTR CRC MMC TBC BC TIEDES PURGES NA

TBC 70% 2 100 € TBC 80% 20% 0% 0% 0%

BC 60% 1,5 80 € BC 15% 60% 25% 0% 0%

TIEDES 30% 1 50 € TIEDES 0% 20% 50% 30% 0%

PURGES 3% 1 45 € PURGES 0% 0% 0% 100% 0%

NA 100% 1,2 60 € NA 0% 15% 0% 85% 0%

Effectifs t0 t1 t2 t3 t4 t5 t6 t7 t8

TBC 0 0 6 750 13 950 19 080 23 281 26 951 28 003 27 867

BC 0 45 000 57 000 52 800 53 445 55 511 42 948 36 428 32 239

TIEDES 0 0 11 250 19 875 23 138 24 930 26 343 23 908 21 061

PURGES 0 255 000 425 000 513 375 604 338 696 279 703 758 711 661 718 833

NA 300 000 200 000 100 000 100 000 100 000 0 0 0 0

Total adresses 0 300 000 500 000 600 000 700 000 800 000 800 000 800 000 800 000

Total actives 300 000 234 650 155 050 162 809 170 494 77 970 73 650 69 981 66 733

Total commandes 360 000 288 150 196 875 208 414 219 884 110 920 105 401 100 512 95 912

CA 21 600 000 17 984 250 12 991 500 13 945 781 14 882 158 8 569 987 8 210 665 7 862 621 7 508 896

Marge (40%) 8 640 000 7 193 700 5 196 600 5 578 313 5 952 863 3 427 995 3 284 266 3 145 048 3 003 558

Coûts fixes 2 000 000 2 000 000 2 000 000 2 000 000 2 000 000 2 000 000 2 000 000 2 000 000 2 000 000

Coût recrutement 6 000 000 4 000 000 2 000 000 2 000 000 2 000 000 0 0 0 0

Résultat 640 000 1 193 700 1 196 600 1 578 313 1 952 863 1 427 995 1 284 266 1 145 048 1 003 558

Limites

  • Simplification pour rester opérationnel
  • Manque de contrôle sur l ’environnement réel
  • Manque de contrôle sur la composition du centre d ’achat (famille, entreprise,…)
  • Cadre de réflexion plutôt que modèle prédictif

Database Marketing

Le cours

Database Marketing

Cycle de vie client

Plan commercial

Sélection

> QUITTER

Sélection / scoring

  • Objectif : Limiter les envois à une cible rentable
  • Loi des 20/80
  • Procédure

– Envoi d’un mailing en test

– Identification des variables associées à une probabilité de réponse plus élevée

– Calcul d’une note de synthèse reliée à cette probabilité

– Tri et Graphique de concentration (déciles)

– Extrapolation de la règle sur le fichier en fonction des objectifs

Illustration : Scoring

  • Envoi d ’un mailing à 1.500.000 personnes
  • coût d ’un envoi
  • revenu d ’une réponse
  • coût fixe d ’une opération
  • Faut-il tester ? Combien comment ?
  • Quelle extraction pour la généralisation ?
  • Préparez votre stratégie….
  • (miniseg)

Score

50 (c) Desmet < > Sommaire QUITTER

Les données

  • Echantillon de travail

– estimation

– test

  • Echantillon de validation
  • Mode de tirage de l ’échantillon représentatif : hasard, pas
  • Tailles respectives des échantillons
  • Redressement des tailles des échantillons

Les pré-traitements



  • Analyse des distributions (normalité)
  • Transformation par une fonction mathématique

– log, 1/x, …

  • Elimination des points aberrants
  • Problème des valeurs manquantes
  • Gestion des effectifs et Regroupements des classes
  • Codage des interactions

Méthodes simples

  • Statistique Z
  • Tableau croisé et Chi2
  • Choix d ’un seuil de risque accepté
  • Test de signification du Chi2 : conclusion sur l ’existence de la relation
  • Force de la relation et élimination de l ’effet de taille de l ’échantillon (Coefficient de contingence C)
  • Elimination de l ’effet structure du tableau croisé pour comparer différents tableaux : T de Tschuprow

Statistique Z

  • Classer des variables BINAIRES en fonction de la surreprésentation des acheteurs dans ce groupe
  • Z score = [AC – A*(nc/N)] / [ A*(nc/N)*(1-nc/N)]

– AC = nombre d’acheteurs ayant la caractéristique C

– A = nombre d’acheteurs

– Nc = effectifs ayant la caractéristique

– N = effectifs

  • Classement par Z décroissant

Z stat

Tableau croisé

  • Croisement de deux variables discrètes
  • Effectifs théoriques d’une case

– Effectif total multiplié par

– La fréquence de la ligne et

– La fréquence de la colonne

  • Plus l’écart entre l’effectif théorique et l’effectif réel est important plus la relation est forte (pas de hasard)

Statistique Chi2

  • Une relation existe-t-elle entre deux variables nominales ?
  • Hypothèse de base : NON, la répartition dans les cases du tableau est le fruit du hasard
  • Test du D² ou Chi² ou Khi²

– Chi2 calculé = Somme pour les cases de (réel-prévu)² / prévu

– Choix d’un seuil de risque (alpha) de conclure que la relation est significative alors qu’elle ne l’est pas

– Calcul du nombre de degrés de liberté (ddl)

– Lecture dans la table du Chi2 critique

– Une relation existe si Chi2 calculé > Chi2 critique

D² - Chi² - Khi²

Principe de CHAID

  • Problématique :

– constituer, à partir des variables explicatives des groupes pour lesquels les valeurs de Y sont aussi semblables que possible à l'intérieur des groupes et dissemblables entre les groupes

– Y qualitative ou quantitative ; X catégorielle (ordinale ou nominale)

  • Principe :

– recherche itérative du meilleur découpage parmi les découpages possibles

Caractéristiques de CHAID

  • Maximisation de la variance inter-classes
  • Les sous-populations sont indépendantes à chaque étape, ce qui efface les effets de liaison entre variable
  • Pas d’optimum global mais succession d'optima partiels TSS  (n1

Illustrations de CHAID

  • Club de livres, Réponse à un mailing test

– variables :

  • Récence (< ou => 6 mois),
  • Age (<=35 ans, >35 ans),
  • Taille de l’agglomération (< ou =>100.000 habitants)
  • Club de livres : profil de lectures

Ch-AID

Méthodes classiques

  • Régression linéaire

– qualité de l ’ajustement : R²

– intérêt des variables : t de Student (+)

– « quick and dirty »

Méthodes classiques

  • Régression Logistique / modèles Logit/probit

– transformation de la probabilité (odd ratio)

– respect de la contrainte [0,1]

– relation NON linéaire, effet d ’interaction

  • Analyse discriminante

– hypothèse forte de normalité

– égalité des variances

Méthodes avancées

  • Classes latentes

– des segments d ’individus partagent les mêmes coefficients pour la fonction de réponse

– réalisation alternative d ’une régression et d ’une affectation

  • Réseaux de neurones à apprentissage supervisé (type

Perceptron)

– non linéaire, « black box »

– choix de l’architecture puis estimation des paramètres

  • Réseaux de neurones auto-organisés (cartes de Kohonen)

– Réalisation d’une typologie avec contrainte de proximité géographique des profils

Principe d’un réseau RNA

  • Une fonction de réponse non-linéaire reliant des entrées (inputs) à des sorties (outputs)
  • Représentation similaire à celle d ’un cerveau

– cellules indépendantes et simples

– réseau de relation

– fonction d ’activation (seuil)

– apprentissage

Réseaux de neurones

artificiels

Entrées

Biologiques:

Données sensorielles.

RNA:

publicité,

prix, promo,

etc

Sorties

Biologiques:

réflexes

musculaires.

RNA:

Ventes.

Neurones

Synapses

Rôle des couches cachées dans un espace 2

Problème du ou Exclusif

Classes avec interpénétration

Forme générale des régions

Régions décisionnelles Structure

Mono couche

Bi couche

Tri couche

Demi-plan bordé d ’un hyperplan

Arbitraire (complexité selon le nb neurones cachés)

Arbitraire (complexité selon le nb neurones cachés)


545