Demande de contact
A télécharger !
Tendances Data Quality 2011
Découvrez les enjeux et les challenges des entreprises face à la qualité de leur données.
6 étapes pour une segmentation réussie
Découvrez les étapes clés d'une stratégie de segmentation efficace pour votre entreprise..
Fiches produits
Téléchargez nos brochures pour en savoir plus sur les fonctionnalités de nos solutions.
Segmenter et enrichir sa base client
Segmenter pour mieux connaître ses clients
Sylvia Alcover
Donc souvent la première question que nous posent les directions ecommerce, c'est déjà de savoir qui sont nos clients ? Et qui sont nos clients, ça passe tout simplement par le fait d'analyser le parc client, d'analyser les comportements d'achats, ce qu'on appelle des segmentations de type RFM, Récence Fréquence, Montant, qui consistent à chercher à segmenter les clients en fonction de leur valeur client, du fait qu'ils achètent beaucoup, souvent, ou bien ils achètent peu et occasionnellement, et des petits montants par exemple.
La segmentation, outil des stratégies marketing
Stéphane Baranzelli
Il y a assez rarement des stratégies pures et dures de Data Quality chez nos clients. La Data Quality est un moyen qui vient effectivement remplir un objectif stratégique marketing, chez nos clients. Donc, cet objectif marketing c'est l'exécution de campagnes, la réduction des NPAI courriers ou des NPAI emailing, etc... Pour arriver à l'objectif : réduisons la non-qualité de nos données, et pourquoi pas y associer de l'enrichissement pour favoriser la segmentation.
La segmentation pour augmenter le ROI des campagnes
Fabien Sanchez
Donc on peut réduire, peut-être, le nombre de cibles, mais du coup réduire l'investissement logistique, mais en augmentant le taux de conversion parce qu'on aura segmenté les prospects, les clients, les plus appétents à l'offre qu'on propose. Alors, pour cela, une fois que l'adresse postale est fiabilisée, on a la possibilité de l'enrichir des codes Mosaic, le code Mosaic c'est une géosegmentation qui est propre à Experian, et qui se base sur des données avérées de 37 millions d'individus, au total 26 millions de ménages. Ces données avérées sont modélisées pour représenter la population sous la forme de 56 segments. Ces différents segments définissent les individus par rapport à leur lieu d'habitation, mais sont rapprochés du nom et prénom de la personne, donc on est en mesure de savoir que ce prospect, dont par exemple on ne connait que le nom prénom et l'adresse à ce jour, et bien il est plutôt tiré vers l'axe cadre supérieur, ou à l'inverse jeune famille en banlieue, ou plutôt rural agriculture, avec quel type de pouvoir d'achat, tel type de comportement de consommation qui vont nous aider à comprendre son comportement et la propension d'achat qu'il va avoir sur la campagne.
