Segmentation clientèle

La performance d’une campagne de marketing dépend de la finesse de son ciblage et d’une bonne segmentation clientèle en amont.
Vous trouverez ci-dessous un exemple de segmentation clientèle que nous réalisons.

1. QUESTION INITIALE

Une entreprise veut faire une campagne de publicité très ciblée, à haut retour sur investissement.
Activité de l’entreprise : vente de produits directement depuis un site web.
Elle veut savoir quels sont les profils d’utilisateurs qui effectuent le plus d’achats sur son site web.

2. RÉCOLTE DE DONNÉES

Nous aidons l’entreprise à mettre en place un outil d’analyse de trafic sur son site web. Cet outil nous permet de connaître une multitude de caractéristiques pour chaque visiteur. Pour cet exemple, nous nous focalisons sur l’âge, le sexe, le revenu annuel estimé et le fait que le visiteur ait effectué un achat ou non.
Ici nous analysons les données de 400 visiteurs, mais ce nombre n’est pas restreint. Nous pouvons analyser les données de dizaines de milliers de visiteurs, et plus encore.

3. ANALYSE DES DONNÉES

Nous utilisons le logiciel R, et non pas un logiciel simplifié de type drag-and-drop, ce qui nous permet de personnaliser les analyses selon les besoins de chaque client. Pour chaque analyse, nous effectuons des tests de validation de modèle.
Ici nous utilisons un arbre de décision, qui permet de partitionner les visiteurs en fonction de leurs caractéristiques.

  

4. RÉSULTATS

Les utilisateurs de plus de 44 ans sont ceux qui achètent le plus. Plus de 80 % de ces utilisateurs effectuent un achat lors de leur visite sur le site web. Ensuite, les utilisateurs de moins de 44 ans, mais au revenu annuel de plus de 89’000 $ achètent dans un peu moins de 80 % des cas. Les utilisateurs ayant moins de 44 ans et au revenu annuel inférieur à 89’000 $ n’achètent presque jamais.
Le modèle est précis à 89 %, ce qui signifie que dans 9 cas sur 10, il identifiera de manière correcte si un utilisateur est une bonne cible ou non. Ceci est validé par une matrice de confusion, représentant les prédictions faites par le modèle sur le test set, comparées aux vraies données du test set.

Segmentation clientèle DataTailors exemple

5. CONCLUSION

Pour la future campagne de publicité de notre client, nous recommandons de cibler les utilisateurs âgés de plus de 44 ans et ceux de moins de 44 ans ayant un revenu annuel supérieur à 89’000 $.
On pourrait affiner le gain potentiel obtenu sur chaque utilisateur cible en calculant leur CLV (Customer Lifetime Value), ce qui permettrait, en cas de budget publicitaire serré, d’affiner l’audience cible pour maximiser le ROI.