Mieux connaitre son client

Bien connaitre son fichier, un gage de réussite de votre stratégie

La toute première information dont il est indispensable de disposer est le statut ou profil de chaque client. Nous ne parlons ici que de client, pas de prospect, de lead, de suspect… Un client n’est un client que s’il a acheté. Dès lors il peut être TBC (Très Bon Client), client fidèle, client occasionnel, cyclique ou client inactif. Mais qu’est-ce qu’un « bon client » ? Un client qui a beaucoup acheté ? Celui qui a acheté récemment ? ou celui va acheter à coup sûr à la prochaine sollicitation ?  Des techniques consistant à attribuer une note, ou score se sont développées grâce à des techniques de datamining. Il s’agit de  «creuser», d’«explorer» les données pour en tirer la richesse. Et quelquefois on trouve des éléments que nous ne cherchions pas. Le datamining appliqué à la fidélisation c’est l’exploitation minière des meilleurs filons de profit au sein de votre propre fichier clients.      

Le score marketing ou scoring 

Le scoring consiste à attribuer à chaque client une note ou score obtenu à l’aide de données internes et externes en vue de le hiérarchiser au sein du fichier et d’optimiser la relation qu’il aura avec l’entreprise. Les données internes sont issues de l’historique des commandes et de l’ensemble des événements connus et enregistrés (achats, produits, canal de commande, campagnes marketing, coûts, marges, ouverture des e-mails, abandons de commandes online, activité sur les réseaux sociaux etc.). Les données externes peuvent provenir de partenaires en cas de bases mutualisées, de statistiques sociologiques et économiques fournies par les recensements permanents de l’INSEE, ou encore de données fournies par ITL qui a segmenté sous forme de profils la quasi-totalité des foyers français avec son outil SCoréo®. Avec cet outil ITL a développé une offre allant encore plus loin que le score classique en combinant RFM, score et CRM comportemental. SCoréo® combine ses habitudes d’achat ailleurs et chez vous, son lieu de résidence, son environnement social, ses revenus, son âge, entre autres !  Mais plus que de définir ce qu’est le client au vu de ses achats passés et de sa relation avec votre société et vos produits, notre approche de scoring a surtout deux fonctions essentielles :

1. Prédire son comportement futur et donc sa probabilité d’achat.
2. Trouver de nouveaux clients

Informations hautement stratégiques par rapport à votre marketing et à l’arbitrage de vos investissements publicitaires.

Le score RFM et le score prédictif

La méthode RFM permet de noter ses clients en fonction de leur historique d’achats pour une offre homogène, au sein d’un même fichier. Simple et efficace elle nécessite la présence d’un minimum de données dans la base, à savoir : 

• La Récence. Exprimé en nombre de jours ou de mois depuis le dernier achat
• La Fréquence. Valeur correspondante au nombre de commandes sur une certaine période, habituellement semestrielle.
• Le Montant des achats, en valeur moyenne ou cumulée.

Le RFM peut être exprimé de deux manières.

1. Par un simple calcul arithmétique prenant en compte la valeur totale cumulée des achats, le nombre de jours depuis le dernier achat et un pondérateur obtenu en calculant la fréquence moyenne de l’ensemble des clients
2. Par une formule binaire qui exprime de façon logique la présence (1) ou non (0) d’un achat sur les 6 derniers semestres. Par exemple : 010011

Le score RFM est obtenu en combinant des valeurs connues à un instant “t” dans le but de segmenter le fichier clients pour des opérations à venir. Mais l’utiliser seul a ses limites car il ne prend pas en compte le type de produit acheté, le nombre de messages reçus, la réaction à chaque message, ce qui peut être handicapant dans le cas d’une offre hétérogène.

Le scoring prédictif fait quant à lui appel à des techniques statistiques plus élaborées, comme la régression logistique ou l’analyse discriminante visant à établir des probabilités d’achat selon des modèles.

Réactiver mes inactifs

Un client inactif restera toujours un client. Et ce, même si la technique de réactivation s’apparentera à de la prospection. En effet les données liées à l’historique d’un client inactif (sa date de première et de dernière commande, le nombre et le type de sollicitations reçues depuis, et surtout leur coût, sont autant de données exploitables qui permettent de juger de la pertinence de réinvestir – ou non- pour le réactiver.

La finalité de ces outils de datamining est avant tout de servir les besoins de l’analyse d’activité. L’analyse d’activité est l’étape incontournable préalable à tout plan marketing en VAD. Si celle-ci se nourrit de grandes masses de données, sa restitution à l’aide de tableaux de bord explicites,  reporting ou datavisualisation, doit justement permettre de les rendre digestes et compréhensibles par les équipes chargées de les mettre en œuvre. Une infographie, aussi belle et riche soit-elle, n’a de réel intérêt que si elle permet de déboucher sur des prises de décisions opérationnelles qui feront avancer l’entreprise.