Notre modélisatioN pour vous optimisez votre budget marketiNg
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