Notre modélisatioN pour vous optimisez votre budget marketiNg

Commentaires

Transcription

Notre modélisatioN pour vous optimisez votre budget marketiNg
R
E
Y
L
N
W
T
E
R
F
N E W
09/10
Arbres de décisions,
classes et modèles
I
Ce prospectus est axé sur la « segmentation ». Un nombre
croissant de domaines exige aujourd'hui des
prises de décisions dans des délais toujours
plus courts. Exemples : à partir de quel moment un risque de crédit est-il avéré, quand
faut-il soupçonner une tentative d'escroquerie, quelle
offre proposer à quel bon client ? Attention : une mauvaise décision peut s'avérer désastreuse sur le plan financier
ou en termes de relations clients.
Ce type de décisions lourdes de conséquences est non seulement très
fréquent, mais concerne un nombre
croissant de cas. Le besoin s'impose
par conséquent de répartir les situations à évaluer en segments ou en
classes, de les visualiser à l'aide
d'arbres de décision, ou encore de
développer des modèles de data mining en vue de leur analyse.
Dans cette optique, il demeure essentiel
de pouvoir adapter de façon simple et rapide les segments et modèles
générés à l'évolution des situations, sans avoir systématiquement recours au service informatique ! En effet, les règles implémentées à l'aide
des méthodes traditionnelles sont souvent trop vite dépassées.
Les logiciels SPSS offrent une palette étendue et attrayante de solutions de
segmentation simples, souples et évolutives. Découvrez ici de plus amples
informations sur l'état actuel des procédés analytiques modernes. Nous vous
avons décrit les différentes possibilités et leurs avantages spécifiques. Il ne
vous reste plus qu'à sélectionner la solution la mieux adaptée à vos besoins.
Notre modélisation
pour vous
Vous ne souhaitez pas vous doter de votre propre infrastructure analytique, ou vous manquez de temps pour un certain
nombre de tâches secondaires mais essentielles ?
Nous pouvons nous charger de l'ensemble des opérations de
segmentation et de modélisation pour votre compte, que ce
soit dans le cadre d'un projet précis ou plus régulièrement, à
titre de service d'analyse externe.
Profitez de notre savoir-faire unique en Suisse! SPSS Suisse
jouit de plus de 10 ans d'expérience dans l'élaboration de
modèles d'analyse et de data mining de tous types, dans les
secteurs les plus divers et pour les besoins les plus variés.
spss (schweiz) ag
www.spss.ch
[email protected]
Optimisez votre budget marketing
SPSS Direct Marketing 18
Êtes-vous certain d'utiliser votre budget marketing de la manière la plus rentable qui soit ? La clé de la réussite réside
dans une bonne exploitation de vos données clients. Qu'il
s'agisse de lancer de nouvelles campagnes, de tester des
campagnes actives, d'accroître le chiffre d'affaires grâce
au cross-selling (vente croisée) ou à l'up-selling (montée
en gamme), ou même d'ouvrir de nouveaux magasins,
SPSS Direct Marketing vous permet de mieux connaître
vos clients et prospects et, par conséquent, de prendre de
meilleures décisions.
L'écran d'accueil du module permet de
choisir entre six techniques :
* Analyse RFM. Cette méthode identifie les clients exis-
*
Gain de temps
Ce type d'études restait jusqu'ici très long et exigeait des
connaissances spécifiques dans le domaine des statistiques. Grâce au nouveau module Direct Marketing de SPSS
18, vous disposez désormais des fonctions requises pour
procéder facilement aux analyses et aux traitements de
données nécessaires. Ce module est une version considérablement étendue du module SPSS EZ RFM 17, qui se
limitait aux analyses RFM.
SPSS Direct Marketing est simple à utiliser; inutile d'être
un spécialiste des statistiques ou de la programmation
pour s'en servir.
*
*
*
*
tants qui répondent le plus rapidement aux nouvelles
offres, en exploitant les paramètres de récence, de fréquence et de montant (Recency, Frequency, Monetary)
des ventes passées (détails voir encadré).
Classification. Cette procédure explorative permet de
définir des catégories (classes) au sein de vos données.
Ceci permet de distinguer des groupes de clients homogènes (mais différents entre eux) sur la base de diverses
caractéristiques démographiques et commerciales.
Profils de clients potentiels. Cette technique vise à exploiter les résultats de campagnes antérieures ou de
campagnes de test pour déterminer des profils descriptifs. Ces profils pourront servir à cibler des groupes de
contacts donnés lors de futures campagnes.
Taux de réponse en fonction des codes postaux. Ici, les
résultats de campagnes précédentes sont utilisés pour
calculer les taux de réponse en fonc-​tion des codes postaux. Ces taux de réponse pourront servir à cibler des
zones géographiques données, lors de futures campagnes.
Propension à l'achat. Ce procédé exploite les résultats
d'un publipostage de test ou d'une campagne antérieure
pour établir une notation. Cette notation indique avec
quels contacts la probabilité de réponse est la plus élevée.
Test de package de contrôle. Cette technique compare
les campagnes marketing afin de déterminer s'il existe
des différences significatives entre les différents packages ou offres en termes d'efficacité. Saisissez les informations et variables requises pour chaque fonction et
obtenez les résultats des analyses en quelques minutes
seulement. Ainsi, vous êtes certain de vous adresser
aux personnes les plus susceptibles de répondre à votre
campagne. Cela vous permet de mener des campagnes
mieux ciblées et plus efficaces. En outre, cette méthode
vous permet d'exclure de vos listes de diffusion les
clients qui n'auraient de toute manière pas donné suite.
AnalyseS RFM
RFM est l'abréviation de « Recency », « Frequency » et « Monetary Value ». Lors des analyses RFM, les données client existantes
sont réparties en trois catégories sur la base des transactions existantes, en fonction des critères suivants : le moment du dernier
achat ou versement, la fréquence des achats ou des versements et le montant total des transactions. Avec SPSS Direct Marketing, il
suffit de moins de dix minutes pour procéder à une analyse RFM et, sur la base des chiffres détaillés, répartir vos clients p. ex. dans
les groupes suivants :
* ceux dont l'achat est le plus récent,
* ceux qui ont le plus acheté,
* ceux qui ont le plus dépensé.
Les raisons d'exécuter une analyse RFM sont évidentes : si une personne a déjà procédé à un achat, la probabilité qu'elle en fasse
un nouveau est supérieure. De même, plus les achats d'une personne sont fréquents ou le montant de ses achats est élevé, plus la
probabilité qu'elle procède à de nouveaux achats est forte.
Palette de logiciels :
des fonctions de segmentation et de classification
pour toutes les situations
Dans quels groupes puis-je répartir mes client(e)s ? Existet-il des segments de clientèle, faisant fréquemment preuve d'un comportement donné ? Pour répondre à ce type
d'interrogations, il convient de procéder à une « segmentation », c'est-à-dire à une répartition des « cas » en groupes
(ou « segments »), en fonction de propriétés communes.
SPSS Suisse propose une large palette de solutions adaptées.
Fondamentalement
SPSS Suisse offre une
large palette de services
* Collecte de données et sondages en ligne
* Cours et coaching individuel en matière de statistiques et
de data mining
* Analyse de données et automatisation de leur évaluation
*
les procédures se subdivisent en deux catégories :
* Segmentation en fonction d'une variable dépendante :
*
Vous voulez déterminer comment des groupes déjà définis se différencient entre eux, p.ex. pour distinguer les
clients qui ont résilié leur contrat de ceux qui ne l'ont pas
fait. L'information indiquant si un client à résilié son contrat
ou non constitue ici la variable dépendante. Ce type de
segmentation est parfois aussi appelé « profilage », le but
étant de déterminer un profil type de client susceptible de
résilier son contrat.
Segmentation sans variable dépendante : Il s'agit ici de
définir des groupes au sein desquels règne une forte homogénéité, tandis que les groupes eux-mêmes se différencient fortement les uns des autres. On pourrait p.ex.
s'interroger si une chaîne de supermarchés possède des
groupes de clients typiques. Ce type de segmentation est
fréquemment qualifié de classification ou analyse cluster.
*
et des rapports
réation de modèles de data mining, p.ex. pour la sélection
C
d'adresses optimisée, l'évaluation des risques, les segmentations de clientèle, des opérations de vente croisée ou de
vente incitative, etc.
Conseil et mise en œuvre de modèles de data mining dans
l'infrastructure d'une entreprise, p.ex. dans le cadre de
solutions en temps réel ou de gestion décisionnelle
SPSS Modeler : la solution
complète de segmentation
et de data mining
Le logiciel de data mining SPSS Modeler est conçu pour un
développement rapide de modèles, leur évaluation efficace
et leur mise en œuvre productive. Ainsi, Modeler constitue
également un environnement idéal pour le développement
de segmentations et de classifications de tous types. Non
seulement, Modeler met à disposition les algorithmes de SPSS
Statistics en les rendant encore plus simples d'usage, mais
il offre également des avantages supplémentaires. Il permet,
par exemple, de développer un arbre de décision de manière
interactive et met à disposition des algorithmes supplémenStatistics Base propose d'office diverses procédures de taires tels que la technique brevetée C5, les réseaux neuronaux
segmentation sans variable dépendante : la classification ou la classification avec un réseau de Kohonen (carte auto
hiérarchique pour les faibles volumes de données, les adaptative). Modeler permet également de combiner plusinuées dynamiques (K-Means Cluster) pour les forts volu- eurs modèles, afin d'obtenir une classification optimale par
l'intermédiaire d'une
sorte de « processus
de concertation ».
À cela s'ajoutent évidemment les avantages des fonctions de
base de Modeler : rapidité et efficacité de fonctionnement, analyse
immédiate et mise en
œuvre productive des
modèles, pushback
SQL dans la base de
données, etc.
SPSS Statistics Base :
le module de base
Nouveau dans SPSS 18 :
« voisin le plus proche »
À partir de SPSS 18, le module de base intègre une
nouvelle fonction, celle du « voisin le plus proche ».
Il s'agit d'une méthode de classification des cas en
fonction de leur similitude avec d'autres cas. Pour la
classification, les cas ne doivent pas correspondre
« exactement » au modèle des cas de référence ;
ils sont agencés au sein d'un système de coordonnées. Les cas similaires sont disposés à proximité
les uns des autres, tandis que les cas comptant un
nombre inférieur de similitudes sont plus éloignés.
La distance entre deux cas peut, par conséquent,
être interprétée comme un indicateur de leur niveau
de similitude.
mes de données et l'analyse TwoStep Cluster en
guise de nouvelle approche méthodologique. Par
rapport aux deux autres méthodes, cette dernière
présente l'avantage d'offrir une sélection automatique du nombre de classes, même avec de forts
volumes de données, tout en permettant la prise
en compte de variables catégorielles et continues
sans prétraitement manuel.
L'analyse factorielle et la régression linéaire constituent, par ailleurs, des méthodes de segmentation
en fonction d'une variable dépendante, bien que
ces dernières soient soumises à certaines restrictions statistiques.
Quel outil est le mieux adapté à
mes besoins ?
Notre offre de logiciels de segmentation et de classification
est extensible : SPSS Statistics permet de procéder à des segmentations, le module complémentaire Decision Trees simplifie et améliore leur représentation, tandis que Modeler offre,
outre ses fonctions de data mining, une sorte d'environnement
« hautes performances » accessible aux non-statisticiens. Enfin,
Viscovery constitue le complément idéal d'un environnement
Statistics ou Modeler.
toujours plus de possibilités de visualisation
Le logiciel complémentaire Viscovery for SPSS Users
permet d'aller encore plus loin. Viscovery offre d'une
part une implémentation étendue de l'algorithme de Kohonen, également disponible dans Modeler, et d'autre
part des possibilités sophistiquées de visualisation des
segmentations.
L'algorithme de Kohonen intégré à Viscovery se distingue
par son mode de fonctionnement en deux étapes. La
première étape consiste à élaborer plusieurs centaines
de micro-classes ou cluster pour obtenir une classification très fine. Dans un deuxième temps, ces classes sont
réunies en groupes plus importants. L'utilisateur peut
influencer les résultats de manière interactive, grâce à
divers paramètres dont l'ajustement permet d'obtenir un
résultat optimal.
Viscovery visualise l'influence de chaque paramètre sur
le résultat, à l'aide d'une « carte » attrayante et intuitive.
Le logiciel Viscovery constitue d'ailleurs souvent un bon
moyen de visualiser de façon plus parlante les segmentations et modèles obtenus à l'aide d'algorithmes externes,
tels que Modeler.
Nœud 0
SPSS Decision Trees : des arbres De
décisions visuels
Grâce au module complémentaire Decision Trees, les utilisateurs
non-statisticiens peuvent également procéder à des classifications
utilisant une variable dépendante. Ce module inclut quatre algorithmes : CHAID, Exhaustive CHAID, C&RT et Quest. L'ensemble de ces
algorithmes sont en mesure de traiter des variables avec différents
niveaux de mesure.
Un autre avantage de Decision Trees réside dans sa présentation très
attrayante. L'arbre de décision graphique généré se présente sous
une forme extrêmement explicite et l'interprétation des résultats qu'il
illustre s'avère très intuitive.
Nœud 1
Nœud 4
Nœud 5
Nœud 2
Nœud 3
Nœud 6
Nœud 7