Database Marketing Life is short play hard desmetessec
Database Marketing Life is short, play hard desmet@essec. fr > QUITTER
Database Marketing Le cours Database Marketing Plan commercial Sélection desmet@essec. fr > QUITTER
Sommaire Objectifs du cours Contenu Animation et Contrôle Cas d ’application 3 (c) Desmet < > Sommaire QUITTER
Objectifs • Compréhension des concepts de gestion de la clientèle • Connaissances de base sur les principales méthodes quantitatives • Mise en œuvre illustrative mais effective des méthodes 4 (c) Desmet < > Sommaire QUITTER
Contenu • Principaux concepts • Plan commercial et segmentation – Segmentation RFM / FRAT – Plan commercial et processus markoviens • Sélection / scoring – Méthodes simples : tableau croisé, Chi 2, AID (CART) – Méthodes classiques : régression, logit/probit, (modèle loglinéaire) – Méthodes avancées : réseaux de neurones, cartes de kohonen, (algorithmes génétiques) 5 (c) Desmet < > Sommaire QUITTER
Animation et Contrôle • • • 6 Lecture d’un ouvrage de référence – Ch 3 et 4 – Ch 5 Rappel des connaissances de base nécessaires à l’utilisation pertinente des méthodes statistiques Remise d ’un rapport final écrit par groupe (c) Desmet < > Sommaire QUITTER
Séances • 10/3 – Présentation – Concepts – Plan commercial • 24/3 – Correction du cas – Méthodes de sélection (simples et classiques) – Exercices sur le cas « Scoring» – Présentation des méthodes avancées 7 (c) Desmet < > Sommaire QUITTER
Lectures • Desmet (2004), Marketing Direct, Dunod – chapitres 3 à 5 • Shepard (1995), The New Direct Marketing, Irwin 8 (c) Desmet < > Sommaire QUITTER
Cas d ’application • Cas Tintin – LTV • Cas Scoring – Illustration de la détermination d’une cible optimale • Cas Fleur de beauté – Plan commercial / segmentation RFM 9 (c) Desmet < > Sommaire QUITTER
Database Marketing Le cours Database Marketing Cycle de vie client Plan commercial Sélection desmet@essec. fr > QUITTER
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 11 (c) Desmet < > Sommaire QUITTER
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) 12 (c) Desmet < > Sommaire QUITTER
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 13 (c) Desmet < > Sommaire QUITTER
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 14 (c) Desmet < > Sommaire QUITTER
Quelques pratiques • Selon l ’étude de Info. Works – – – – 15 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. (c) Desmet < > Sommaire QUITTER
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 16 (c) Desmet < > Sommaire QUITTER
Un avantage concurrentiel tactique ? – – – 17 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 (c) Desmet < > Sommaire QUITTER
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 18 (c) Desmet < > Sommaire QUITTER
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 » – En savoir plus : A survey of database marketing, M. Seller et P. Gray http: //repositories. cdlib. org/crito/business/147/ 19 (c) Desmet < > Sommaire QUITTER
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 20 (c) Desmet < > Sommaire QUITTER
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 21 (c) Desmet < > Sommaire QUITTER
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 22 (c) Desmet < > Sommaire QUITTER
Database Marketing Le cours Database Marketing Cycle de vie client Plan commercial Sélection desmet@essec. fr > QUITTER
Le cycle de vie client • • • 24 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) (c) Desmet < > Sommaire QUITTER
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 25 (c) Desmet < > Sommaire QUITTER
Cycle de Vie client • Former des groupes reliés en fonction – De l’état de développement de la relation – Du potentiel, des coûts de chaque groupe 26 (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 27 (c) Desmet < > Sommaire QUITTER
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 28 (c) Desmet < > Sommaire QUITTER
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 29 (c) Desmet < > Sommaire QUITTER
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) 30 (c) Desmet < > Sommaire QUITTER
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 31 (c) Desmet < > Sommaire QUITTER
Attrition Fermeture des Comptes Courants dans une Banque 9% par an Principales raisons (Réponses multiples, total 132%) • Insatisfaction du service • Déménagement • Plus besoin • Insatisfaction de la relation 19, 50% • Distance trop éloignée 14, 00% 17, 70% • Tarification 7, 40% 17, 40% • Mariage/Divorce/Décès 6, 80% 15, 60% 30 20 % des comptes 10 fermés 0 0, 5 5, 5 10, 5 Ancienneté (années) Source : Etude interne non publiée, échantillon de 46 940 adultes de 15 ans et plus. 32 (c) Desmet < > Sommaire QUITTER
Valeur d’un client • • • 33 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 ? (c) Desmet < > Sommaire QUITTER
Exemple (feuille excel active) 34 (c) Desmet < > Sommaire QUITTER
Analyse dynamique de la demande • 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) 35 (c) Desmet < > Sommaire QUITTER
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 Fidéliser 36 (c) Desmet < > Sommaire QUITTER
Database Marketing Le cours Database Marketing Cycle de vie client Plan commercial Sélection desmet@essec. fr > 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 38 (c) Desmet < > Sommaire QUITTER
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 39 (c) Desmet < > Sommaire QUITTER
Plan Commercial • • • 40 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 (c) Desmet < > Sommaire QUITTER
Modèle économique d’une activité • • 41 Profit, CA, Volume Marché accessible (distribution) Pénétration Répétition Panier Produits fréquentés Taux de nourriture Durée de vie (c) Desmet < > Sommaire QUITTER
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 42 (c) Desmet < > Sommaire QUITTER
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, . . . • • 43 Croiser la récence et la fréquence Définir les types (TBC, NA, …) pour avoir des groupes cohérents (probabilité d’activité proches) et de taille suffisante (c) Desmet < > Sommaire QUITTER
Etapes d’un modèle dynamique de Plan commercial • • • 44 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 décisions déterminer la valeur d ’un client (c) Desmet < > Sommaire QUITTER
Exemple simplifié (feuille excel active) 45 (c) Desmet < > Sommaire QUITTER
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 46 (c) Desmet < > Sommaire QUITTER
Database Marketing Le cours Database Marketing Cycle de vie client Plan commercial Sélection desmet@essec. fr > 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 48 (c) Desmet < > Sommaire QUITTER
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 49 (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 50 (c) Desmet < > Sommaire QUITTER
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 51 (c) Desmet < > Sommaire QUITTER
Méthodes simples • • Statistique Z Tableau croisé et Chi 2 Choix d ’un seuil de risque accepté Test de signification du Chi 2 : 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 52 (c) Desmet < > Sommaire QUITTER
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 53 (c) Desmet < > Sommaire QUITTER
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) 54 (c) Desmet < > Sommaire QUITTER
Statistique Chi 2 • 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 – Chi 2 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 Chi 2 critique – Une relation existe si Chi 2 calculé > Chi 2 critique D² - Chi² - Khi² 55 (c) Desmet < > Sommaire QUITTER
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 56 (c) Desmet < > Sommaire QUITTER
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 57 (c) Desmet < > Sommaire QUITTER
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 58 (c) Desmet < > Sommaire QUITTER
Méthodes classiques • Régression linéaire – qualité de l ’ajustement : R² – intérêt des variables : t de Student (+) – « quick and dirty » 59 (c) Desmet < > Sommaire QUITTER
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 60 (c) Desmet < > Sommaire QUITTER
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 61 (c) Desmet < > Sommaire QUITTER
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 62 (c) Desmet < > Sommaire QUITTER
Réseaux de neurones artificiels Neurones Entrées Sorties Biologiques: données sensorielles. Biologiques: réflexes musculaires. RNA: publicité, prix, promo, etc RNA: Ventes. Synapses 63 (c) Desmet < > Sommaire QUITTER
Rôle des couches cachées dans un espace 2 Structure Régions décisionnelles Problème du ou exclusif Classes avec interpénétration Forme générale des régions Demi-plan bordé d ’un hyperplan Mono couche Bi couche Tri couche 64 Arbitraire (complexité selon le nb neurones cachés) (c) Desmet < > Sommaire QUITTER
Illustrations sommaires Carte de Kohonen 65 (c) Desmet Classes latentes < > Sommaire QUITTER
Merci de votre attention 66 (c) Desmet < > Sommaire QUITTER
- Slides: 66