Vous allez certainement

segmenter

votre clientèle, en «

fractionnant l'ensemble

» de vos clients en un certain nombre de «

groupes plus petits

», ayant des caractéristiques similaires.

La

segmentation

vous

permettra de concentrer vos actions sur les groupes les plus porteurs pour votre entreprise.

De ce point de vue, la segmentation est un

facteur clé de succès

permettant de transformer vos données en actions.

L'enjeu : trouver les variables explicatives

Faire de la segmentation c'est

chercher à expliquer

une variable par divisions successives, à partir d'une série de variables explicatives.

Par exemple

►

on cherchera à

expliquer

le fait d'acheter ou

        ne pas acheter un produit

►

en se servant des caractéristiques sociologiques

        de la population étudiée (genre, âge, ...),

        utilisées comme

variables explicatives.

A la fin, on aura

classé les individus

en groupes homogènes, sur la base des variables utilisées pour expliquer le phénomène (acheter, par exemple).

L'enjeu initial, et sans doute le plus important, va consister à trouver les variables explicatives qui

prédisent

le mieux la variable à expliquer (achat vs non achat).

Définir les critères de segmentation ...

Pour « segmenter », il vous faudra définir des

critères

« à priori »

.

Peu importe la nature de ces critères.

Ils peuvent être

►

sociologiques

►

basés sur les attitudes

►

basés sur le comportement

... et choisir les outils

L'approche

data mining

que nous appliquons, vous aidera à capitaliser les données que vous détenez sur

►

vos

utilisateurs

►

vos

clients

►

vos

donateurs

Vous serez en mesure de prendre en compte leur

valeur

, en analysant l'ensemble de leurs relations, sur toute la

durée de leur relation

avec votre entreprise.

Les «

outils

» dont nous nous servons ont déjà fait

leurs preuves

►

des arbres de décision (CART, CHAID, C5.0...)

►

des régressions

►

des réseaux de neurones

►

des algorithmes génétiques

►

des analyses discriminantes

►

des analyses canoniques

►

des réseaux de Kohonen (SOM)

Mais restons

attentifs aux biais ...

Premier biais

:

le choix des critères est arbitraire

On doit choisir de critères définis « a priori » (Genre, âge ...). On aboutit à des catégories « figées » qui doivent respecter les règles de « bonne gouvernance » (homogénéité, hétérogénéité ...)

Deuxième biais

:

le choix du nombre de segments est arbitraire

Avec un nombre de segments défini aussi « a priori » (≤ 7)

Troisième biais

:

on ignore les spécificités individuelles

L’individu se résume à son groupe (les X, les Y ...)

On peut, en partie,

faire face à ces biais

en complétant l'approche par une

.