5 rue Daunou
75002 Paris

100 allée des Frênes
69760 Limonest

395 rue du Général de Gaulle
59700 Marcq en Baroeul

Data Marketing

Dossier Data et Prédictif | Ep 01 : détecter vos futurs bons clients avec le prédictif

La rentabilité de votre animation relationnelle repose sur votre capacité à recruter de nouveaux clients, les convertir, les fidéliser, les engager, puis faire durer cette relation dans le temps. Dans ce dossier « Data et Prédictif », nous allons aborder 3 étapes cruciales :

  • la conversion de vos nouveaux clients ;
  • la rentabilisation de vos investissements de fidélisation ;
  • la rétention de vos meilleurs clients.

Aujourd’hui dans ce premier épisode, nous allons vous donner les clés pour optimiser la conversion de vos nouveaux clients, dès le début de leur cycle de vie grâce au prédictif.

De la séduction au recrutement : une phase au long cours

S’il est relativement aisé de recruter de nouveaux clients, les convertir s’avère plus compliqué et surtout plus coûteux. Utiliser des méthodes prédictives pour optimiser la conversion des nouveaux clients et donc les coûts de recrutement, se révèle être une approche pertinente.

L’idée est de développer un algorithme qui va prédire le plus tôt possible la probabilité d’un prospect (ou futur client) à devenir un très bon client. Pour cela, nous analysons toutes les données à disposition, et étudions en comparaison les parcours et typologies des récents prospects devenus de très bons clients par la suite.

Un algorithme pour détecter les futurs bons clients

Pour réussir à construire ce type de modèle algorithmique, nous l’alimentons, dans un premier temps, en données connues au début de la relation : données de profils, canal de recrutement, premier achat, premières interactions avec l’enseigne etc. A partir de ces seules données, le modèle cherche à prédire le comportement du client à terme (3 mois, 6 mois, 1 an … en fonction du secteur d’activité). Il s’agit d’une méthode d’apprentissage itérative qui prend fin lorsque nous atteignons des objectifs fixés de « bonne prédiction ».

Un cas concret : Comment Pimkie génère plus de CA grâce au prédictif ?

Prenons un exemple plus concret : pour l’enseigne Pimkie, nous avons bâti un algorithme basé sur les seules données de profil de la cliente et de son premier achat. A partir de ces data, le modèle a été capable de prédire le fait qu’une cliente devienne une des meilleures clientes Pimkie dans le temps en ayant réalisé un 5ème achat en 12 mois suivant son entrée dans le programme CRM. Pimkie a ainsi pu mettre en place un tunnel de conversion sur mesure pour ces nouvelles clientes à fort potentiel. Résultat : la conversion des nouvelles clientes a progressé de 11 pts et a permis à Pimkie de générer 2,9 millions d’euros de chiffre d’affaires additionnel sur l’année !

Outre cette optimisation de performance, le score développé permet à Pimkie de connaître le profil de ses futures très bonnes clientes et ainsi d’utiliser cette connaissance pour recruter de meilleures cibles à travers différents dispositifs qu’elle met en place avec ses partenaires (Facebook Ads, location/échange de base clients, ciblage publicitaire, etc.) pour recruter parmi leurs contacts opt-in tiers (respectant ainsi le RGPD).

>> On espère que ce premier épisode était suffisamment clair et on vous donne déjà rendez-vous la semaine prochaine pour découvrir comment optimiser vos investissements pour augmenter le ROI de vos actions de fidélisation grâce à la data et au prédictif.

>> En attendant la semaine prochaine, découvrez notre livre blanc « Comment tirer profit de vos données pour conquérir et fidéliser vos clients ? »

Livre Blanc Connaissance Client

0 commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *