La connaissance du client demeure un socle pour l’entreprise sur lequel elle peut bâtir ses stratégies marketing. Avant d’aborder les possibilités d’upsell et de cross-sell qui vont découler de la maîtrise des différents profils clients, nous allons voir comment l’acquérir. Nous nous appuierons notamment sur l’exemple d’un réseau de franchisés d’opticiens de premier plan.
Des relances inefficaces
Au commencement, le groupe se contente d’envoyer quatre relances par mail à ses clients. Devant le faible taux de retour, il a été décidé qu’il fallait connaître les différents types pour s’adresser ainsi à chacun de façon particulière et sur le bon canal. En contactant les différentes franchises qui ont accepté de partager leurs données, la direction du groupe a alors obtenu une base donnée consolidée. Cette dernière doit notamment servir à identifier des persona et comprendre le parcours d’achat des clients. L’ensemble des données provient du système de caisse qui est identique dans toutes les franchises, ce qui apporte une unicité dans le format des données. La base représente environ 400 000 clients et est constituée de deux niveaux permettant ainsi de le suivre et de voir les transactions qui lui sont rattachées.
Traduire les données pour isoler des groupes
La première partie du travail repose sur des ateliers fonctionnels avec les métiers qui vont expliquer la signification des extractions de données. Ils aident à comprendre la donnée pour restituer une analyse pertinente. Les métiers contribuent également à identifier les différents axes d’analyse souhaités. A la fin des ateliers, la synthèse des besoins d’analyse doit être exhaustive.
La deuxième partie s’attache à explorer les données (data crunching) et se découpe en trois phases. La première phase se concentre sur l’analyse statique (panier moyen, localisation, nombre d’achats par client, par produit…). La seconde procède à une analyse dynamique (évolution des types d’achats dans l’année, l’achat du produit X est le plus souvent suivi par l’achat du produit Y…). À l’aide de l’outil Superset, ces analyses sont traduites sous forme de graphes et de tableaux de bord.
Ils permettent de visualiser les chiffres et ainsi de confirmer ou d’infirmer des hypothèses. Enfin, la dernière partie, la plus cruciale, s’intéresse à l’analyse avancée. Elle se base sur la mise en œuvre d’algorithmes avec l’outil Python. Ils vont effectuer des corrélations entre les données de manière à obtenir des groupes segmentés (les clients ayant les caractéristiques A, B, C et D qui ont acheté le produit X, ont ensuite majoritairement acheté le produit Y). Cette étape se trouve résumée sous le nom de clustering.
Dans notre exemple, on a commencé par différencier les profils clients unifocaux et les clients progressifs. À l’intérieur de ces deux groupes principaux, les classes d’âges, les budgets verres et montures, la fréquence d’achat, les traitements demandés (verres amincis, anti-reflet, photochromatiques) et les accessoires achetés ont permis de créer des subdivisions. On se trouve face à cinq types de profils clients très différents. Avec ces persona clairement identifiées, on peut utiliser des messages et des canaux susceptibles de « faire mouche ».
Profils clients : la nécessité de l’expertise interne
Nous ne croyons pas à un clustering de qualité sans l’analyse et l’expertise du métier. Les indications des métiers permettent d’aider les outils de clustering à proposer des résultats pertinents. Concrètement, ils participent à l’élaboration des axes d’analyse et de regroupement. In fine, ils obtiennent des groupes cohérents et donc plus faciles à cibler. Sans cette aide, les algorithmes vont faire des corrélations entre des choses qui n’ont que peu de pertinence. Les résultats seront alors inexploitables.
L’autre écueil récurrent dans ce genre de projet consiste à sous-estimer l’importance des ateliers. Il vaut mieux organiser quatre ateliers, avec un peu de redondance, qui mènent vers des certitudes plutôt que deux ateliers perclus de doutes. Dans ces ateliers, le client est amené à expliquer son business, à exposer ses intuitions. Ces échanges aident notamment à comprendre les données, la logique et intégrer le business. Il ne faut pas hésiter à creuser les intuitions du client, souvent justes, pour obtenir la meilleure analyse possible.
N’hésitez pas à me contacter sur LinkedIn et me faire un retour sur cet article!
Timothée
