Actualités

Wired Innovation Insights : Réaliser les avantages du Big Data : L'intersection de la science et de la segmentation de la clientèle

Houston,

 

7 juin 2013- 

Par Neil Biehn

Tout le monde sait que le Big Data est là pour durer mais, comme je l'ai dit dans mon dernier article, la véritable clé pour le faire fonctionner pour votre entreprise est de déterminer la valeur qu'il peut créer et qui se traduit par un avantage concurrentiel - autrement dit, est-il viable ? L'une des pratiques les plus courantes des entreprises, à savoir la différenciation des clients d'une manière significative, constitue un excellent exemple de l'utilisation du Big Data pour atteindre des objectifs commerciaux. Presque toutes les entreprises segmentent leurs clients, réalisant la valeur maximale que cela peut avoir pour les deux parties concernées. Pour presque tous les secteurs d'activité, la segmentation de la clientèle offre une opportunité significative d'augmenter les revenus grâce à une meilleure compréhension des clients - et de la meilleure façon d'aborder les stratégies de vente, d'offre et de tarification pour eux. Comment le Big Data peut-il contribuer à cette tâche ? La réponse réside dans une segmentation fondée sur la science.

Segmentation fondée sur la science

La segmentation scientifique utilise l'analyse des données statistiques et des méthodes pour regrouper les clients dans des catégories similaires. L'objectif est de créer des stratégies de vente et de tarification optimisées et spécifiques, compte tenu des comportements d'achat particuliers de chaque segment. Une étude de segmentation commence par des données et une compréhension approfondie de l'entreprise. Les dirigeants, les responsables des ventes, les spécialistes du marketing et les experts en tarification peuvent fournir des informations sur ce qui différencie l'entreprise du point de vue des avantages et de la valeur. Les professionnels expérimentés apportent leurs hypothèses sur les attributs potentiellement importants du client, du produit et de l'offre qui déterminent le comportement du client. Les exemples incluent la géographie, la gamme de produits, le volume d'achat, l'industrie, le cycle de vie, la fréquence d'achat, la taille et bien d'autres. Les services informatiques ont du mal à rassembler toutes les sources potentielles de données externes et non structurées - sans parler du référentiel Big Data de toutes les transactions.

Au-delà des données

Le Big Data ne permet pas à lui seul de relever les défis de la segmentation de la clientèle. Les méthodes qui n'utilisent que l'exploration de données pour la segmentation passent généralement à côté de facteurs clés, ou de combinaisons de facteurs, qui n'existent peut-être pas explicitement dans les données initiales. L'expertise métier est un élément essentiel pour définir une bonne segmentation. Prenons l'exemple suivant : bien qu'il n'y ait pas de champ dans les données qui indique "part de portefeuille", il n'est pas très difficile, en utilisant les données, de déterminer le pourcentage de revenu qu'un client consacre à un produit spécifique. Si elle envisage de mettre fin à une offre de service ou de produit, une organisation voudra probablement savoir combien de clients y consacrent une part importante de leurs dépenses totales.

Cependant, l'expertise commerciale seule ne suffit pas - le nombre de réunions n'a pas d'importance. L'équipe commerciale ne peut qu'émettre des hypothèses. La science des données doit être utilisée pour tester et conclure quels éléments des données fournissent réellement une valeur prédictive sur la façon dont les différents clients se comportent différemment.

La segmentation des clients guidée par l'analyse des Big Data est essentielle lorsqu'il s'agit de stimuler les ventes. Non seulement le processus permet d'identifier la place de chaque client, mais il rend également l'équipe de vente plus intelligente et plus stratégique lorsqu'elle s'adresse à eux. Grâce à une segmentation fondée sur la science, les entreprises peuvent plus facilement identifier les comportements d'achat anormaux et formuler des recommandations intelligentes sur les produits et les offres qui ont statistiquement plus de chances d'être achetées. Si deux clients se ressemblent mais n'achètent pas les mêmes produits, l'analyse des données peut indiquer les opportunités que l'équipe de vente pourrait manquer. C'est le type de viabilité des Big Data qui fait bouger l'aiguille dans le monde réel.

Exemple concret

Pour illustrer l'idée d'une segmentation scientifique en rapport avec les Big Data et les ventes, prenons l'exemple d'une grande entreprise de transport express confrontée au défi permanent de créer des offres contractuelles pour différents clients. En mettant en œuvre une segmentation scientifique, elle a pu exploiter les quantités massives de données et les variétés de données qu'elle détenait sur les clients et déterminer les attributs potentiels en fonction de la géographie du compte, de la compétitivité, du volume total, de la centralité du produit et d'autres groupements. Une fois cette étape franchie, ils ont classé les clients dans des groupes qui réagissent de la même manière aux offres de contrats. L'abandon de la politique contractuelle unique a permis à l'équipe de vente de créer des offres et des stratégies de tarification sur mesure qui auraient les meilleures chances de stimuler la croissance des ventes. En conséquence, l'entreprise a réalisé des gains de l'ordre de plusieurs dizaines de millions de dollars au bout de six mois.

Les organisations de vente disposent aujourd'hui de plusieurs technologies différentes - et les outils de segmentation de la clientèle ne sont pas souvent abordés. De nombreuses entreprises passent donc à côté d'une formidable opportunité. La prochaine fois que vous entendrez quelqu'un dire qu'il faut cesser d'accorder des remises importantes aux clients à faible marge ou demander pourquoi nous n'offrons pas de solutions centrées sur le client, pensez à faire intervenir le Big Data pour que la segmentation de la clientèle vous soit utile.

Neil Biehn est vice-président et chef du groupe science et recherche de PROS.