Beaucoup de ce que nous pensions savoir sur leurs clients a été « renversé ». La pandémie a poussé de nombreuses entreprises à revoir leurs personas existants et leurs approches de commercialisation par le biais de la segmentation. À ce stade, vous vous demandez peut-être :

• Comment pouvons-nous mieux comprendre nos clients ?

• Comment pouvons-nous améliorer ou rendre notre processus commercial plus efficace ?

• Quelles mises en garde devrions-nous considérer lors de l'opérationnalisation de notre segmentation/modèle ?

Dans cette interview, Julien Theys, Managing Partner d'Agilytic, puise dans sa vaste expérience avec divers projets de segmentation pour expliquer comment les données influencent le succès commercial avec la segmentation.

« La segmentation est utile pour estimer et identifier les différents groupes de clients et identifier leurs besoins les plus pertinents. » - Julien

Seriez-vous d'accord pour dire que la segmentation revient en force ?

Julien : Prenons le commerce de détail comme point de départ : il y a un mouvement vers un contenu plus personnalisé. Les entreprises peuvent mieux comprendre et identifier les schémas d'achat jusqu'à des segments plus petits et plus granulaires. Par exemple, il est maintenant possible d'optimiser les promotions par sous-catégorie de produit alimentaire.

Nous avons aussi vu cela au-delà du commerce de détail, comme le secteur culturel qui a hâte de ramener les clients, anciens et nouveaux, à apprécier le cinéma, le théâtre et la musique live. Nous pouvons segmenter par données de transaction, comportement d'achat, potentiel de revenu élevé et achats fréquents.

Il est aussi difficile de considérer le comportement COVID dans la segmentation (c'est-à-dire passer des canaux hors ligne aux canaux en ligne, la sélection plus restreinte disponible, le changement de comportement d'achat et le fait d'acheter plus lors de visites moins fréquentes). Nous avons constaté une augmentation massive des campagnes numériques ciblant plus de personnes et de prospects, et la segmentation aide à optimiser ces campagnes.

Quelle est la première étape pour les détaillants de taille moyenne s'ils ont l'impression de ne plus connaître leurs clients ?

Julien : La première étape est d'avoir une approche cohérente pour intégrer les données sociodémographiques « traditionnelles » (telles que l'âge, le sexe, le code postal) et les données comportementales (schémas d'achat) qu'ils possèdent déjà.

Les données n'ont pas besoin d'être exhaustives, granulaires ou 100 % propres pour produire des aperçus fiables rapidement !

Il n'y a aucune utilité à attendre ces ensembles de données idéales insaisissables.

Pourquoi la segmentation en conséquence de la crise est-elle un élément stratégique crucial pour les équipes marketing/commerciales à revisiter ?

Julien : Parce que beaucoup de choses ont changé, l'idée d'une entreprise de qui sont ses clients peut également avoir changé de manière significative. Les équipes doivent connaître leurs segments de clients et les indicateurs et dimensions critiques, surtout après cette crise.

Par exemple, lorsqu'on examine les interactions, les équipes peuvent découvrir de nouveaux schémas de transaction (qui, combien, quand, quels produits). La segmentation met en évidence des comportements potentiellement négligés.

Les autres éléments « agréables à avoir » incluent les contacts ou d'autres interactions (par exemple, abonnés à la newsletter, interaction avec l'entreprise en ligne).

Nous examinons aussi souvent les sociodémographies telles que l'âge, la région, la profession, le type de ménage. Par exemple, basé sur des informations géographiques, nous pouvons utiliser des données ouvertes pour fournir des aperçus supplémentaires : revenus moyens, taux de chômage, âge, etc.

Ce n'est pas seulement dans le B2C. Dans les environnements B2B, nous nous appuyons sur les données interactionnelles et comportementales avec des éléments spécifiques à l'entreprise (firmographics) pour voir quels facteurs spécifiques à l'entreprise importent le plus.

En principe, plus vous pouvez avoir de granularité sur votre client, mieux c'est !

Pourquoi est-il crucial de réduire l'accent à un nombre de segments avec la meilleure réponse de génération de revenus/demandes ?

Julien : La segmentation nous permet d'identifier les clients avec un potentiel de revenu plus élevé. Bien sûr, ces clients sont les plus prioritaires, mais ils ne sont pas nécessairement le seul objectif des campagnes marketing.

La segmentation peut également mettre en évidence :

• Un segment « moyens revenus » avec le potentiel de passer à des segments de gros dépensiers (souvent appelé « up-sellings »)

• Des prospects potentiels : si nous identifions que nous sommes populaires auprès d'un segment donné (qu'il soit celui que nous voulions attirer ou non), il est plus facile de viser des clients potentiels « similaires » dans des campagnes numériques.

Quel rôle joue les données dans la segmentation ? Quelles sont les méthodes courantes que vous avez utilisées dans des projets ?

Julien : Des méthodologies simples et directes peuvent déjà générer de nombreux gains rapides. Mais quelle que soit l'approche que nous empruntons, elle doit être exploitable.

C'est toujours bien de commencer par une analyse descriptive rapide car elle peut nous aider à identifier des clusters concrets de manière simple.

Puis, par exemple, voici une approche classique :

• Analyse en composantes principales pour réduire le nombre de variables et améliorer le clustering

• Méthode du coude et/ou méthode de la silhouette pour trouver le nombre optimal de clusters

• K-means pour trouver et générer les segments

• Description des segments : analyse descriptive des segments basée sur des données pertinentes (par exemple, sociodémographique + principales tendances sur le comportement de transaction)

• Un modèle prédictif pour identifier quelles variables distinguent chaque segment des autres.

Pouvez-vous décrire pourquoi notre approche pour atteindre certains jalons peut être précieuse pour un projet de segmentation ?

Julien : En réalité, ce qui est essentiel, c'est l'avant et l'après.

Cela signifie qu'avant, nous nous assurons qu'il y a une validation adéquate des données. Des données saines provenant des bonnes sources aident à cibler les clients, à voir les tendances, et nous orientent en tant que data scientists sur les variables à inclure.

Après, ce que vous faites avec vos nouvelles connaissances en matière de segmentation est essentiel. Après un projet de segmentation, nous prenons beaucoup de temps, bien plus que pour construire un modèle, pour décrire le modèle et comment notre client peut l'utiliser. Cela inclut d'expliquer comment le modèle apporte de la valeur dans le présent et le futur. Par exemple, nous pourrions recommander pour l'étape suivante de faire un test A/B.