Sélection des clients
Un détaillant de mode souhaitait savoir qui achèterait au cours des deux prochaines semaines. Nous avons comparé cinq méthodes de sélection sur des dates exactement identiques. La différence entre l'approche la plus approximative et la plus précise : un facteur trois en termes de chiffre d'affaires par client.
Objectif
Le détaillant souhaitait obtenir une réponse précise à une question : qui va acheter au cours des quatorze prochains jours ? Pas « qui étaient autrefois nos meilleurs clients », mais qui présente aujourd’hui la plus grande valeur pour cette promotion. La mission confiée à notre analyste de données : démontrer, à l’aide de chiffres concrets et non d’hypothèses, les gains générés par une sélection plus fine ou prédictive par rapport à une approche simpliste.
Défi
L'identification de votre meilleur client dépend entièrement de votre objectif. Certains détaillants cherchent avant tout à fidéliser un grand nombre de clients, tandis que d'autres ciblent les plus gros dépensiers. Le terme « meilleur » ne désigne donc pas une caractéristique du client, mais un choix stratégique.
Pourtant, dans la pratique, la sélection s'effectue encore souvent sur la base d'un critère arbitraire et rigide, comme un seuil de chiffre d'affaires, sans tenir compte du profil complet du client ni de l'objectif réel. Vous passez ainsi à côté d'une opportunité : vous destinez votre action à ceux qui se trouvent par hasard au-dessus d'un certain seuil, et non à ceux qui vous rapporteront le plus.
L'approche Stratics
Au lieu de fixer une limite, nous avons axé notre réflexion sur une question concrète : qui va acheter au cours des quatorze prochains jours ? Nous avons ensuite comparé cinq méthodes de sélection sur exactement les mêmes données, de la plus rudimentaire à la plus sophistiquée. Chaque étape ajoute une couche à la vue d’ensemble du client. La couche la plus précise est un modèle prédictif qui évalue la probabilité d’achat pour chaque client, alimenté par la vue d’ensemble à 360° du client dans MIP.
Ces cinq niveaux ne constituent pas une recette toute faite. Notre analyste a mûrement réfléchi à leur définition et les a choisis en concertation avec le client : quels seuils, quelles variables, quelle définition d’un achat. Il existe de nombreuses autres possibilités à tester. Celles-ci étaient les plus pertinentes pour ce client, et cela n’est apparu clairement qu’après avoir engagé un véritable dialogue avec lui.
Approche
Résultat
Chiffre d'affaires par client sur un échantillon de 50 000 clients. Le point de référence est choisi au hasard parmi ceux qui ont déjà effectué un achat (5,31 €). À titre de comparaison : un échantillon tiré au hasard de l'ensemble de la base de données donne 2,68 € ; ce filtre « acheteurs » suffit à lui seul à doubler ce chiffre.
Simulation réalisée à partir de données réelles chez un détaillant de mode. Source : analyse interne de Stratics, validée par Yann Cadoret.
« Votre meilleur client ne peut être dissocié de votre objectif. Formulez clairement la question, et la différence sera mesurable : trois fois plus de chiffre d'affaires par client. »
La base et le modèle ne se remplacent pas mutuellement, ils se renforcent l'un l'autre. Une limite stricte permet de capter les gains les plus importants, le RFM et le classement les affinent, et un modèle prédictif, s'appuyant sur une vue à 360° de la clientèle, permet d'exploiter ce que les autres laissent de côté. Les gains sont cumulatifs.
En images
Plus la sélection est précise (restreinte), plus la différence est importante. Avec une sélection de 50 000 clients, le modèle prédictif génère 16,16 € par client, contre 5,31 € si l'on choisit au hasard parmi vos acheteurs.
Simulation réalisée à partir de données réelles chez un détaillant de mode. Source : analyse interne de Stratics, validée par Yann Cadoret.
Nous formulons la question de manière précise et vous montrons, à l'aide de vos propres données, ce qu'apporte une sélection plus fine.
Planifier une réunion