La segmentation et le ciblage : quel est l'intérêt des techniques de score en matière de ciblage ?

Résumé du document

La construction d'un score implique la mise en œuvre d'une importante quantité de données différentes. Ces données sont étudiées afin de leur affecter une note selon le modèle prédictif. Comme le précise René Lefébure dans son livre « Gestion de la relation client », le modèle prédictif consiste à utiliser des mathématiques et des statistiques pour analyser une base de données et déterminer des formules qui expliquent le comportement du client. Elle interprète donc ce dernier et construit une fonction qui probabilise la réponse du client ou du prospect à une offre. La segmentation prédictive divise une population en groupes homogènes par rapport à un comportement particulier. Par exemple, par rapport à leur propension à répondre à une action de marketing direct (mailing par exemple). La prédiction fournie par un modèle est généralement appelée un score. Un score, souvent une variable numérique, est affecté à chaque individu dans la base de données. Il indique la probabilité qu'un client présent tel ou tel type de comportement. La modélisation permet d'identifier ainsi les variables les plus pertinentes pour anticiper le comportement du client. Elle regroupe des clients ou des prospects qui présentent des caractéristiques similaires par rapport à une offre. C'est donc grâce à ce mécanisme que des segments peuvent être constitués. Les techniques de modélisation définissent quel client souscrira quel type de service. Il est ainsi possible de différencier les offres en fonction des profils clients.

Extraits

[...] Les limites du scoring La base du scoring, ce sont des fichiers nominatifs contenant un maximum de données personnelles. Comme tels, ces fichiers entrent dans le domaine de compétence de la Cnil. Il ne faut pas utiliser de données sur la religion, ou les opinions politiques des individus. Ensuite, déclarer ses fichiers à la Cnil et ne pas omettre de faire des déclarations complémentaires en cas d'ajout de nouvelles données. Enfin, toujours laisser un droit de regard et de rectification des données aux personnes concernées et conserver ces informations en ne les externalisant jamais. [...]

[...] Enquête terrain : J'ai interrogé Madame responsable de la clientèle professionnelle de la Bred de Bezons qui m'a expliqué comment elle procédait pour obtenir le score risque. A partir de l'écran interne ECS5 la conseillère détient les financements mis en place par la Bred pour l'entreprise (autorisation de découvert, prêts équipements, prêts personnels, etc.) Cet écran mentionne le montant initial, l'encours et l'échéance du prêt. Elle peut calculer le risque résiduel à partir de cet écran. La responsable clientèle effectue ce que l'on appelle le calcul du risque résiduel sous un logiciel de simulation. [...]

[...] La segmentation et le ciblage: quel est l'intérêt des techniques de score en matière de ciblage? Sommaire REMERCIEMENT INTRODUCTION I. DEFINITION La méthode de calcul Les secteurs concernés par le scoring II. LES DIFFÉRENTS TYPES DE SCORES III. L'EFFICACITÉ DU SCORING IV. LES LIMITES DU SCORING CONCLUSION QCM BIBLIOGRAPHIE Introduction La construction d'un score implique la mise en œuvre d'une importante quantité de données différentes. Ces données sont étudiées afin de leur affecter une note selon le modèle prédictif. Comme le précise René Lefébure dans son livre Gestion de la relation client le modèle prédictif consiste à utiliser des mathématiques et des statistiques pour analyser une base de données et déterminer des formules qui expliquent le comportement du client. [...]

[...] Je vais vous citer quelques scores existants. - SCORE RFM Principalement utilisé par les vépécistes (vente par correspondance comme la Redoute), le score RFM (Récence, Fréquence, Montant) se base sur des données connues de clients de l'entreprise : date du dernier achat, fréquence des achats, montant moyen des commandes. Le score RFM est particulièrement adapté pour les entreprises présentant des articles à rotation rapide. Récence : date du dernier achat Fréquence : nombre de fois où le client a effectué des achats lors des douze derniers mois par exemple Montant : montant accumulé des dépenses. [...]

[...] - SCORE D'ATTRITION Contrairement au score d'appétence, le score d'attrition se base sur le moyen ou le long terme. Son objectif est de déterminer la probabilité qu'un client cesse de faire appel aux services de l'entreprise (cessation d'abonnement, la probabilité qu'un client quitte la banque en diminuant les avoirs ou les flux). Ce score se base sur les données que l'on connaît des personnes ayant déjà "quitté l'entreprise", en examinant l'état des informations à leur sujet un laps de temps donné avant leur départ. [...]