Panier d'achat, Valeur client et Récession
-
Upload
analyse-predictive -
Category
Documents
-
view
219 -
download
0
description
Transcript of Panier d'achat, Valeur client et Récession
Panier d’achat, valeur client et….
récession
Christine Balagué
Titulaire Chaire réseaux sociaux Institut Telecom
Co-Présidente de Renaissance Numérique
Dépenses d’achat, panier d’achat et crise…
Source: FEVAD Sur l'année 2011, le montant moyen des achats en ligne s'établit à 90 euros, soit un euro de moins qu'en 2010. Au quatrième trimestre, il n'est que de 86 euros.
Source: INSEE
De nouveaux comportements liés à la crise
• Bons de réductions, chasseurs de primes: en décembre 2011, 68% des consommateurs déclarent utiliser la recherche en ligne pour trouver de bonnes affaires (source: Performics)
• Taux de rebond (sessions pendant lesquelles le visiteur quitte le site après n’avoir vu qu’une seul page, en moyenne entre 40 et 60%) en hausse
Comment les entreprises peuvent réagir ?
• Cross selling
• Up selling
• Recommandation
• CROSS SELLING: technique commerciale, particulièrement adaptée à Internet, permettant de proposer au client, intéressé par un produit, un ensemble d'autres produits complémentaires.
• technique utilisée dans le secteur bancaire, loisirs, achat de vêtements.
Le cross selling: qu’est ce que c’est?
Le cross selling: comment faire?
• Au top des priorités stratégiques dans de nombreux secteurs: • Services financiers, santé, telecoms, compagnies aériennes, distribution,…
• Malgré des investissements en hausse en cross selling, les entreprises n’ont pas trouvé les campagnes profitables: • Business Wire (2000): 2% de taux de réponse moyen (achat consommateur)
après 3 mois de campagne • Question: comment améliorer l’efficacité du cross selling?
• Campagne orientée cross selling, ex • Communication sur la campagne • Calcul par des analystes du profit attendu par consommateur en fonction de
données (démographiques, transactionnelles etc…) • Envoi de la promotion aux consommateurs les plus profitables
• Nécessité: BDD/ Modélisation/ Analyse prédictive
Cross selling the right product to the right customer at the right time (Li, Sun & Montgomery, JMR, August 2011)
Financial states: -Customer’s financial well being -Knowledge and experience with financial products -Customer life stage -Customer relationship with the bank
6 modeling alternatives: ROI from 35,4% to 63%
• UP SELLING: technique de vente permettant au vendeur d'amener le consommateur à monter en gamme par l'achat d'un produit plus cher que celui qu'il avait prévu auparavant (peut être lié à des contraintes légales)
technique utilisée dans le secteur des voyages, des restaurants (fast-food), produits électroménagers…etc.
Le up selling: qu’est ce que c’est?
La crise et Macys
La recommandation
Comment fonctionne la recommandation?
• Les systèmes de recommandation se sont développés fortement avec le e- commerce (Amazon, etc…) et constituent un courant de recherche (Kim&al 2003, Linden&al 2003, Linden&al, 2008]).
• Algorithmes de recommandations fondés sur des techniques de modélisation sur des caractéristiques de l’acheteur, de leurs traces sur un site Web et des attributs des produits (raisonnement, graphes sémantiques, détection de communautés, formalismes logiques)
• Les nouveaux enjeux actuels sur la recommandation: explosion et complexité des données issues de sites Web ou de réseaux sociaux (données non structurées), à rapprocher des données comportementales sur du pulti canal.
PPCM : importance des métriques
• Average Revenue Per User (ARPU): Revenu moyen généré par un consommateur et par mois.
Indicateur fortement utilisé dans l’industrie des télécoms et sur internet.
• Average Margin per Customer (AMPU): Marge moyenne générée par un consommateur et par mois.
Indicateur principalement utilisé dans le secteur de l’internet.
• Customer Life Time Value (CLTV): Indicateur estimant sous la forme d’une espérance mathématique, la somme des profits nets d’un client susceptibles d’être générés tout au fil de sa durée de vie.
PPCM : outils d’analyse prédictive
• Création de bases de données: • Volumétrie importante
• Multi canal
• Données structurées et non structurées
• Modélisation , analyse prédictive: • Différents types de modélisation
• Outils à la pointe de la recherche
• Interface accessible pour des équipes marketing
• Rapprochement entreprises-recherche • CIR
• Pôle de compétitivité