(5) résultats pour votre recherche

KYP rejoint 1% for the planet

Chez Know Your People, nous cherchons toujours à prendre soin de ceux qui nous entourent, que ce soit nos clients, nous collaborateurs ou tout simplement l’environnement. Au travers de nos activités extraprofessionnelles, nous avons un rapport étroit à la nature. Que ce soit Guillaume lorsqu’il surfe les vagues du sud-ouest, Samuel lorsqu’il fait de la plongée, ou moi-même lors de mes entrainements pour le triathlon, nous essayons, à notre niveau, d’être attentif à l’environnement et à ne pas laisser de déchets derrière nous.

Récemment, nous avons pris la décision de donner une nouvelle impulsion à cet engagement en rejoignant le réseau 1% for the Planet.
Souvent nos clients s'interrogent sur la qualité et la pertinence des données socio-démographiques collectées sur leurs clients. Et bien souvent leur constat est que leur base de données n'est pas assez riche en données socio-démographiques et comportementales.



Pourquoi ce choix ?

Ce choix part d’un constat assez simple : l’environnement est le parent pauvre de la philanthropie. Il représente 3% des sommes allouées, et seulement une faible partie provient des entreprises. Or le rôle de 1% for the Planet est justement de connecter, promouvoir et certifier les entreprises soutenant les associations environnementales, créant un mouvement global engagé dans la protection de la planète.

Le mouvement a été lancé en 2001 par Yvon Chouinard, fondateur de Patagonia et Craig Mathews de Blue Ribbon Flies, dont les entreprises respectives étaient déjà philanthropes depuis de nombreuses années, sans que cela n'affecte négativement leur business. Ils ont décidé de créer ce réseau pour convaincre plus d'entreprises à s'engager pour la protection de l’environnement. L’objectif de 1% for the Planet est d’augmenter la philanthropie environnementale, en créant une communauté d’entrepreneurs philanthropes, à la résonance grandissante et à l’impact sur le terrain plus efficace. Et aujourd’hui, le réseau regroupe plus de 1300 membres donateurs et 3500 ONG engagées dans la préservation de l’environnement.

Nous nous sommes donc engagés, à partir de cette année, à reverser 1% de notre chiffre d’affaires à des associations agréées par 1% for the Planet qui défendent des causes qui nous sont chères.
L’Acquisition On-line, oui mais…

Dans un contexte de préparation des budgets pour l’année 2017, une ligne qui reste importante et stratégique dans la feuille de route marketing, est les coûts d’acquisition. Bon nombre d’annonceurs ou de marques se posent la question du niveau de budget à imputer à ce poste (Equivalent à l’an dernier, en croissance ?) pour pouvoir atteindre les objectifs ambitieux fixés par la Direction. Dans un contexte économique tourné vers la rationalisation, il est peut-être temps d’arrêter d’acheter du volume à tout prix, mais plutôt de se concentrer sur les sources et les profils qui créent de la valeur dans le temps au sein de mon organisation.

Depuis plusieurs années maintenant, nous regardons tous, les statistiques de performance d’acquisition des leads, majoritairement, sur les KPIs de volumétrie et de conversion, et cela par source. La quête d’identification de nouvelles sources, reste un challenge permanent. Néanmoins, depuis toutes ces années d’achat, n’ai-je pas au sein de ma base de données une mine d’informations qui pourrait me permettre de mieux comprendre les tenants et aboutissants de mes recrutements et surtout de tendre à acheter des profils de qualité qui correspondent mieux à mon cœur de cible ?

Pour cela, il existe 2 chantiers analytiques à mettre en place :
  • Travailler sur les sources, les volumes, les leads, la transformation, mais aussi sur la fidélité (identification des achats à partir du 2nd achat).
  • Travailler sur un profil type à potentiel grâce au travail analytique du 1er point.

Dans ce 1er chantier, une majorité des enseignes et des marques s’arrêtent à la conversion lorsqu’il s’agit de mesurer la performance d’une source d’acquisition. Nous préconisons, dans un souci de précision et de qualité, de creuser les données transactionnelles et comportementales afin de valider que ces conversions génèrent plusieurs achats dans le futur. Ainsi, nous différencions les Acheteurs One Shot, des acheteurs de valeur. Il s’agit donc de calculer un coût d’acquisition, non pas sur une conversion, mais sur une période définie. Notre recommandation prendra en compte des notions de volumétries mais aussi de qualité dans les sources à privilégier.

Dans le 2nd chantier, nous nous appuyons sur le travail réalisé dans le 1er chantier pour définir un profil type et identifier les sources à potentiel. Acheter avec plus de critères de ciblage améliorera mathématiquement la conversion et la fidélité. Ce profil type pourra aussi servir de référentiel dans les recrutements sur d’autres canaux par identification de jumeaux (méthode look alike).

Marre des opportunistes ? Convaincu de la méthode ? Besoin d’aller vite sur le sujet ? Forte envie de rationaliser les budgets ?

Plus de doutes, contactez-nous pour échanger sur les possibles.
Comment donner un coup de boost à votre Segmentation transactionnelle pour améliorer les performances ?

Dans la catégorie des segmentations basées sur des méthodes descriptives, la segmentation de type RFM est l’un des outils les plus utilisés pour segmenter les bases de données Clients.
Cette analyse a amplement prouvé sa validité, sa robustesse et sa facilité de mise en place du fait du peu de données nécessaires. Elle répond parfaitement à la création d’une valeur client et donc de l’identification des 20/80. Ce premier step peut être suffisant dans de nombreux cas, néanmoins, elle ne prend pas en compte un élément important de la relation client, à savoir le cycle de vie de celui-ci.

En effet, ce type de segmentation est figé et est basé sur un historique. A l’instant T nous connaissons la valeur client passé et nous déduisons un comportement proche dans le futur qui oriente notre plan de ciblages. Pourtant les cycles de vie clients nous indiquent, par exemple, que certains clients à potentiel à l’instant T du fait de leur consommation, de leur profil, de leur comportement sur la période précédente seront churners dans un futur proche.
Nous devons donc répondre à la question suivante : « Suis-je en début de cycle / début de projet, suis-je au milieu, ou suis-je à la fin du cycle ? » Ce critère temporel nous permet d’apporter une personnalisation complémentaire dans le ton et le discours du message que je souhaite faire parvenir à mon client.

La solution que Know Your People vous propose, est de modéliser le cycle de consommation en créant un algorithme prédictif basé sur des données comportementales.

Pour exploiter le fruit de ce travail dans vos plans d’animation, nous vous proposons :
  • soit d’utiliser cet algorithme prédictif seul afin d’identifier les potentiels.
  • soit de mixer la segmentation descriptive (RFM) et le score prédictif de potentiel des différents segments. (notre recommandation)

L’idée d’utiliser la force couplée de l’algorithme RFM et de celui du scoring permet de déterminer la valeur du segment à l’instant T et probabiliser son potentiel futur ! La prise en compte du cycle de consommation nous permet d’augmenter les taux de conversion de près de 5%.

Ci-dessous, un visuel du croisement des 2 analyses :



Par regroupement, on obtient ainsi 9 segments pour lesquels on observe un niveau d’engagement croissant : Inactifs profonds, Inactifs réactivables, Nouveaux sans potentiel, Nouveaux à potentiel, Clients en risque, Medium, Bronze, Silver, Gold.
L’identification du niveau d’activité en fonction de la valeur actuelle nous permettra d’adapter plus finement l’offre à la cible.

Plus d’hésitation, venez challenger votre segmentation actuelle avec cette nouvelle approche KYP ! Essayer c’est l’adopter !
Quand le prédictif s’invite dans les stratégies marketing 1/2

Le prédictif, un mot que l’on entend de plus en plus souvent… Sommes-nous prêts aujourd’hui à développer une vraie stratégie analytique autour des modèles prédictifs ?
Les techniques de statistiques prédictives ne sont pas nouvelles. Depuis plus de 20 ans, nous construisons des algorithmes afin de créer des modèles prédictifs robustes et performants qui améliorent toujours un peu plus l’expérience client.

Il existe trois paramètres importants à prendre en compte avant de se lancer :
  • La matière première : les data
  • La problématique : la variable ou le phénomène à expliquer
  • L’exploitation du modèle créé

Sur le premier point, notre bac à sable s’est très largement agrandi avec l’arrivée des data digitales. Si jusqu’à il y a encore quelques temps, les modèles prédictifs étaient construits à partir des données CRM classiques (transactionnelles, comportementales, socio démographiques), nous avons aujourd’hui accès à des données complémentaires qui viennent caractériser les comportements des consommateurs (données de navigations, sociales, et plus généralement les données digitales). L’enjeu aujourd’hui, est de pouvoir croiser les data de ces deux mondes (CRM & Digital). Les méthodes de réconciliation sont prêtes et les acteurs sur le marché proposent leur service à une qualité de matching qui devient intéressante (d’un point de vue statistique). Il ne reste plus qu’à définir la question à laquelle on souhaite répondre. Et c’est précisément ce point qu’il ne faut pas négliger !

Nous sommes convaincus que la construction de la « variable à expliquer » est un point majeur à la création de valeur future. Il est donc nécessaire de prendre le temps de définir une problématique qui soit réalisable et en adéquation avec la stratégie marketing. Que cherchons-nous à faire ? Réduire l’attrition ? Identifier l’appétence ? Maximiser la conversion ? Autant de sujet intéressant et d’actualité, mais qui restent généralistes et qui demandent à être préciser. Parle-t-on de contacts, de clients ou de prospects ? Intégrons-nous tous les segments de clients ou réalisons un focus sur une cible en particulier ? Vous l’aurez compris, il existe des filtres à intégrer dans la définition de la population à étudier. Ensuite, à nous de détecter les moments de vie et les cibles où nous maximiserons la conversion.

Le troisième point est peut-être le plus important. Il est indispensable d’utiliser / de tester / d’exploiter l’algorithme créé. Souvent nous remarquons qu’il existe de beaux scorings dans les entreprises, mais qui ne sont pas ou peu utilisés. Pour quelles raisons ? Juste parce qu’il existe encore une barrière de langage entre les dataminers / datascientists et le métier. Ou tout simplement parce que les équipes en place n’ont pas créé le modèle et donc n’en maîtrise pas les tenants et aboutissants. Sans oublier que les modèles prédictifs ont une durée de vie et qu’il est nécessaire, selon nous, de valider la véracité et la pérennité des algorithmes créés régulièrement. En d’autres termes, il ne s’agit pas de créer en one shot un score, mais il faut veiller à son application et sa performance dans le temps.
Un accompagnement dans les plans d’actions et la mesure des résultats peut-être nécessaire. L’objectif de performance peut alors augmenter de 15% à 20% avec un bon score, sur une bonne population, sur une bonne offre.
En d’autres termes, c’est un super outil prédictif, à vous, à nous de l’utiliser dans les meilleures conditions.
Contactez-nous pour faire le point !
BESOIN D'UN ENRICHISSEMENT DE VOTRE BASE DE DONNÉES CLIENTS ?

Souvent nos clients s'interrogent sur la qualité et la pertinence des données socio-démographiques collectées sur leurs clients. Et bien souvent leur constat est que leur base de données n'est pas assez riche en données socio-démographiques et comportementales.



Quand Open Data et expertise analytique répondent à cette problématique
Face à cette interrogation nous avons développé KYP-GÉOTYPO. Basée sur des données issues de l'Open Data (INSEE, DGFIP,...), elle permet une décomposition unique du territoire français en 23 segments homogènes regroupés en 6 familles.Elle offre ainsi une lecture fine des quartiers français selon 5 dimensions : démographie, logement, niveau de vie, équipements et services, économie et commerces.

Une mise en oeuvre simplifiée
Afin d'enrichir votre base de données, nous n'avons besoin que du pavé adresse de vos clients. Après traitement, nous serons en capacité de connaitre leur IRIS (les IRIS sont des gros quartiers, leur population se situe en général entre 1 800 et 5 000 habitants, ils sont homogènes quant au type d'habitat et leurs limites s'appuient sur les grandes coupures du tissu urbain, ainsi ils doivent respecter des critères géographiques et démographiques et avoir des contours identifiables sans ambiguïté et stables dans le temps). Et de là nous pourrons identifier pour chaque client le segment KYP-GÉOTYPO associé.

Pour un gain de valeur et de performance
Ces dernières semaines, une mutuelle nous a fait confiance pour caractériser sa cible en vue d'établir un plan média plus qualifié et donc plus performant : l'objectif in fine étant d'augmenter son taux de conversion (jusqu'à 10 points d'augmentation).
Si vous aussi vous souhaitez mieux appréhender le profil de vos clients, n'hésitez pas à nous contacter !