Marketing : comment choisir sa solution d’analyse prédictive ?


Rédigé par Hélène Ivanoff le 27 Mars 2008

De plus en plus d’entreprises décident de s’équiper d’une solution d’analyse prédictive dans le cadre de l’amélioration de leur relation client. Quels critères privilégier ? Le domaine marketing comporte de réelles spécificités à prendre en compte lors du choix d’une solution.



Le marketing s’est approprié les techniques d’analyse prédictive assez tard, vers la fin des années 90, bien après les applications credit scoring. Avec pour objectif de comprendre et anticiper le comportement des clients, cibler les opérations marketing ou encore augmenter le ROI des programmes de fidélité. Depuis, avec l’explosion de la volumétrie et de la diversité des données clients d’une part, la sophistication des stratégies de relation clients d’autre part, la demande de solutions de datamining se fait chaque jour plus forte.

Le marché des solutions de datamining a bien sûr suivi ce mouvement. Parmi l’offre logicielle pléthorique, quels critères prendre en compte pour choisir une solution d’analyse prédictive destinée au marketing ?
Le marketing comporte, il nous semble, trois spécificités majeures, qui devraient guider l’entreprise dans le choix d’une solution.
Première caractéristique, des données trop peu informatives. Si elles affichent une grande diversité (socio-démographiques, historiques d’achats, réactions aux différents types de sollicitations tels que newsletters, mailings, appels téléphoniques…), les données sont souvent globalement peu explicatives des comportements qui intéressent le marketer, comme le potentiel de développement, l’appétence produit, l’attrition…. La performance des modèles prédictifs dépend donc de la capacité des solutions à extraire des données le plus d’information possible, via des traitements ou des techniques appropriés.
Seconde particularité du marketing, la réactivité. Une campagne marketing n’attend pas. Elle doit partir en temps et en heure. Avec la différenciation toujours plus poussée des offres marketing, les modèles de ciblage des campagnes doivent être réalisés et déployés toujours plus rapidement. La capacité de la solution à générer de réels gains de productivité, aussi bien lors de l’élaboration des modèles que de leur mise en production, est donc un autre critère essentiel à retenir.
Enfin, dernière spécificité, la transparence des résultats. Un modèle prédictif marketing doit être compris et partagé avant d’être déployé. Pour cette raison, la lisibilité et la restitution des résultats en termes métier sont des pré-requis pour l’appropriation efficace et complète d’un modèle par un utilisateur métier. Les outils de type « boîtes noires » auront alors logiquement peu de chance de trouver leur place auprès de l’analyste marketing.
D’autres éléments complètent évidemment cette liste de critères. Par exemple, la volumétrie traitée – mais de nombreuses études ont montré qu’il y a peu à gagner à réaliser des modèles prédictifs au-delà de quelques centaines de milliers d’enregistrements – et bien sûr la facilité à s’intégrer au système décisionnel existant.
Puissance d’extraction d’information, rapidité de développement et appropriation aisée des résultats … au delà de l’étendue fonctionnelle statistique indispensable, la solution recherchée demande une sur-couche spécifique métier qui seule permet les gains de performance et de productivité attendus.
COMPLEX SYSTEMS édite DataLab ®, solution d’analyse prédictive spécifiquement dédiée au marketing. Avec son moteur unique de data scanning et une architecture résolument opérationnelle, DataLab apporte la performance, les gains de productivité et la transparence attendus par les départements marketing.
Pour en savoir plus : http://www.complex-systems.fr/datalab.shtml



Dans la même rubrique :