(5) résultats pour votre recherche

Chaque jour ou presque le sujet de l’avenir de notre planète est au centre des débats. En particulier, la notion d’empreinte carbone est un indicateur récurrent dans la mesure de l’impact écologique de nos activités humaines.

Lorsque vous envoyez des emails commerciaux à vos clients, les serveurs mails de votre entreprise stockent l’email avant de l’envoyer. Comme tout serveur, ils consomment de l’électricité et plus ils sont chargés, plus ils chauffent et plus ils nécessitent d’électricité pour refroidir.
On estime actuellement qu’un email simple a une empreinte carbone de 4g de CO2. Une entreprise envoyant régulièrement des newsletters à ses clients va donc vite voir son empreinte carbone augmenter. A titre d’exemple, si vous envoyez 1 million d’emails, 2 fois par semaine, l’empreinte carbone de votre animation clients sera de 416 tonnes sur une année. Soit plus de 200 allers-retours Paris-New York pour un passager !

Vous l’aurez compris, l’animation clients a donc un impact fort sur l’empreinte carbone de votre entreprise. Pour la réduire, il est donc fondamental d’optimiser ces ciblages marketing.

Comment peut-on réduire son empreinte carbone grâce à la Data Science ?
Pour ce faire, nous vous recommandons 2 outils analytiques simples :
- La segmentation clients :
Il existe de nombreux types de segmentations (segmentation transactionnelle, segmentation relationnelle, segmentation 360°…), mais toutes ont le même point commun : elles permettent de créer des groupes de clients homogènes sur lesquels nous allons pouvoir mettre en place un plan d’animation différencié.
Bien souvent, lors de la mise en place d’une segmentation, nous recommandons de faire le bilan du plan d’animation de l’année précédente pour bien comprendre les spécificités de chaque segment. En particulier, cette analyse va permettre de déterminer la pression commerciale optimale à appliquer à chaque segment.
Ce premier outil, si vous ne l’avez pas encore mis en place, va donc vous permettre en passant d’une logique d’envois de masse à une logique d’envois segmentés de baisser le nombre moyen d’emails envoyés. De la même façon, si vous avez déjà une segmentation existante, gardez en tête que celle-ci a une durée de vie et qu’elle peut être challengée ou modifiée via d’autres axes discriminants.

- Le scoring :
En termes de scoring, nous travaillons de plus en plus sur 2 niveaux de ciblage : le score de repoussoir et le score d’appétence.
Le premier, le score de repoussoir, va permettre d’isoler les clients qui ont une forte probabilité de ne pas ouvrir vos prochaines newsletters. Pourquoi les cibler, si on pressent dès aujourd’hui que l’email n’aura pas d’impact ? Ce premier type de score va donc réduire considérablement les volumétries d’envois. A ce jour, les scores de repoussoir que l’on a construit pour nos clients ont permis de réduire la volumétrie d’envois de l’ordre de 20 à 30% des volumes initiaux.
En parallèle, sur les potentiels ouvreurs, tous les messages n’ont pas le même niveau d’intérêt. Il est donc préférable, à ce niveau, de construire les scores d’appétence adéquats permettant de cibler les clients réellement intéressés par le message envoyé. Cela va vous permettre de combiner une diminution des volumes d’envois avec une hausse des performances commerciales (souvent de l’ordre de 15 à 25%). En conclusion : faire plus avec moins… d’empreinte carbone !

Bien évidemment, nous sommes conscients que ces sujets analytiques, et la Data Science en général, peuvent être perçus comme investissement important. Chez KYP, nous avons pris l’habitude de nous engager sur ces sujets d’accompagner nos clients dans la mesure du ROI et de la création de valeur.

Comme vous avez pu le lire, il peut être assez simple de réduire votre empreinte carbone tout en développant le potentiel commercial de votre base de données. Nous nous tenons à votre disposition pour tout échange sur ce sujet d’actualité et sur la mise en place d’actions analytiques concrètes ! Contribuez à réduire votre empreinte carbone tout en étant en phase avec vos valeurs et/ou celle de votre entreprise.
La Segmentation Relationnelle est-elle aussi puissante que la Segmentation Transactionnelle ?

Tout d’abord, définissons ces deux termes afin de parler de la même chose. Cela peut paraître évident, mais très souvent, nous nous rendons compte chez nos clients que bien définir le cadre et ses composants permet de gagner du temps et d’éviter les quiproquos !
La Segmentation Transactionnelle permet de créer des groupes de clients homogènes les uns par rapport aux autres sur l’axe d’analyse principal qu’est l’acte d’achat. La donnée est généralement disponible et donc cette analyse est plutôt simple à mettre en place. A cela, nous pouvons ajouter d’autres critères d’analyses, comme le type de produit ou encore le canal, permettant par croisement d’affiner les segments.
La Segmentation Relationnelle permet elle aussi de créer des groupes de clients homogènes, mais sur un ou plusieurs axes d’analyses liés aux interconnexions avec le client, que celles-ci soient provoquées ou spontanées. Cela dépend donc l’écosystème data disponible et de la connexion 360° que l’on peut capter du client. Nous pouvons ainsi étudier la réaction à un email, une connexion au site, un post, un échange sur un Chat, un contact au service Relation Client, …

Dans le 1er cas, nous estimons la Valeur Client, dans le second cas nous mesurons l’Engagement Client.



La Segmentation Transactionnelle, analyse référente pour approcher une valeur client
Depuis quelques décennies maintenant la Segmentation Transactionnelle est une analyse référente, voire obligatoire, pour approcher une valeur client. Nous trouvons ainsi un ensemble d’analyse éprouvée, telle que la PMG (Petit, Moyen, Gros), la RFM (Récence, Fréquence, Montant), la FRAT (Frequency, Recency, Amount, Type), et encore plein d’autres modèles créant des groupes homogènes avec pour variable d’entrée le Chiffre d’Affaire.

Les utilisations de cet outil analytique sont nombreuses :

  • Le pilotage de l’activité à partir de segments ordonnés. Qui sont mes 20/80 ? Qui sort et qui entre ? Et à quelle valeur ?
  • Prioriser et personnaliser les opérations marketing de son Plan d’Animation à partir des segments (Bas de fichier, Occasionnel, Haut de fichier).
  • Projeter le business généré et/ou les résultats du Plan d’Animation par segment en fonction des volumes.

La Segmentation Relationelle, nouvelle analyse liée à la disponibilité des données du Client 360°



La Segmentation Relationnelle intéresse aujourd’hui bon nombre d’annonceurs pour plusieurs raisons.
  • L’axe transactionnel est devenu « un basique » dans les opérations marketing et qu’il ne fait plus forcément la différence et ne crée plus autant d’additionnel, d’où l’intégration de ce nouvel axe. De plus, chez les annonceurs qui ont un cycle de consommation long (ex. automobile), l’utilisation de ce type de données prend tout son sens.
  • Les données de la relation client comme les données d’actions/réactions sont devenus disponibles dans les BDD Clients. Le Client 360° devient une réalité et les données associées deviennent plus facilement exploitables.
  • La 3ème raison est liée au secteur d’activité. En effet, les industriels, les institutions ou encore les sociétés de service qui n’ont pas ou peu de points de vente se sont constitués des BDD de contacts sur lesquelles ils suivent les interactions de leurs abonnés. Au fur et à mesure du temps, ils se sont constitué un historique de données permettant d’identifier les habitudes et les comportements des contacts, et ont donc créé des segments pour mieux les exploiter.

La Segmentation Relationnelle est aussi utilisée :
  • Dans le pilotage de plan relationnel (Retour client, croissance de l’intérêt vis-à-vis de la marque, Satisfaction et la Recommandation, ou encore l’augmentation de la part de voix).
  • Dans la personnalisation et la priorisation des opérations marketing grâce à du contenu adapté (lecture des Newsletter ou navigation trackée par exemple).
  • Dans la définition des temps de contact et l’amélioration de la pression commerciale.
  • Dans l’identification des « super engagés », c’est-à-dire ceux qui ouvrent tous les emails, qui se connectent très souvent, voire qui vous défendent sur des blogs et forums. Parmi ceux-ci se trouvent les Ambassadeurs de la marque.

La Segmentation Relationnelle, super outil de pilotage

Pour terminer, en termes de performance et de résultats, la Segmentation Relationnelle donne de très bons résultats. Plusieurs points pour expliquer ce fait.
  • Quand il n’existe pas de données transactionnelles, cette segmentation est un super outil de pilotage et donne les mêmes résultats de performance que la segmentation transactionnelle.



  • Quand on a la possibilité d’avoir les 2 types de segmentations, on remarque un très fort taux de commun dans les hauts segments. Et en croisant les 2 segmentations, on arrive à aller chercher quelques points complémentaires de performance grâce à une meilleure personnalisation, de +5 à 10 points par campagne.



De plus, on trouve même des individus très engagés qui ne sont pas identifiés dans la BDD Transactionnelle, ce qui augmente la communication avec son cœur de cible. On mesure ainsi la température du pouvoir relationnel, donc de l’engagement de ses propres clients.

En conclusion, cette Segmentation Relationnelle apporte une autre dimension dans la connaissance client et permet de mieux personnaliser encore et toujours la relation client.

Notre vision d’expert : Ajouter un axe relationnel au transactionnel vous permettra de donner une nouvelle impulsion à votre Plan d’animation.
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 !