Analyse prédictive : l'autre dimension de la relation client
Par Hervé Mignot,
product manager, SPSS France (février 2003)

Site

SPSS

La mutation des marchés est un processus continuel et rapide : extension de la compétition, croissance des fichiers de prospects, demande de personnalisation des offres en réaction à la massification des marchés. Pour répondre à ces phénomènes, les entreprises évoluent en migrant des processus organisés autour du produit à des processus organisés autour du client. Les entreprises se mettent alors à gérer leurs relations client pour effectuer cette transformation. Il leur reste à piloter et animer ces relations. C'est le rôle croissant des fonctions de marketing opérationnel ou de support aux ventes.

Qu'est ce qu'être "orienté client" ?
L'approche orientée client tend à inverser complètement la façon habituelle de faire. La question qui se pose à l'entreprise est plutôt : quand est-ce que je dois revenir vers un client, et si je le contacte, que dois-je lui proposer ? Mieux, s'il me contacte, comment m'assurer que le message qui lui sera délivré sera le meilleur, sachant qu'il peut maintenant revenir vers moi par différents canaux : sur Internet, en appelant mon centre d'appels, en rendant visite à un de mes points de vente. Être orienté client, c'est donner tout son sens au principe de faire la bonne offre, au bon moment, au bon client.

Qu'est-ce que l'analyse prédictive ?
L'analyse prédictive étudie les données et les caractéristiques comportementales des personnes (B2C) ou des entreprises (B2B) pour en tirer des modèles prédictifs en vue d'optimiser la relation avec les clients. Elle recouvre des technologies et des pratiques comme les statistiques, l'analyse de données ou le data mining.

À partir de l'historique des informations disponibles sur les clients, l'analyse prédictive détermine, par une analyse statistique des relations entre les données disponibles, si elles sont de nature à prédire, avec la meilleure fiabilité possible, le futur comportement d'un client. Un exemple typique est le ciblage d'une opération marketing : les outils d'analyse prédictive déterminent quel sont les profils des clients présentant un taux d'équipement bien plus important, puis extrait de la base de clients ceux non détenteurs du produit, mais ayant un bon profil de réponse.

Ces micro-décisions optimisent les contacts"

Comme les données évoluent dans le temps, en fonction des relations qu'il a eu avec l'entreprise, il est possible qu'un client passe à un "profil sensible" (l'âge est une illustration évidente de ce principe). Le modèle prédictif détectera à l'occasion de son déclencheur mensuel cette plus forte appétence du client. Et l'ajoutera à la liste des prospects potentiels pour la campagne du mois suivant.

Généralisée à l'appétence aux différents produits de l'entreprise ou au risque d'attrition, et en utilisant une base d'information client évoluant continuellement, les modèles prédictifs effectuent un ensemble de micro-décisions sur des volumes importants de clients : contacter tel client pour lui parler de ce produit, faire attention à celui-ci car il risque de partir, etc. Ces micro-décisions alimentent alors les outils opérationnels de gestion de la relation client, et optimisent les contacts et la rentabilité de la base client.

Son impact sur les investissements ?
Loin de concurrencer les autres projets d'infrastructure d'information de l'entreprise, l'analyse prédictive s'ajoute à ceux-ci et permet souvent de "réaliser" le retour sur investissement tant promis par ces différents projets. Prenons le cas du décisionnel et des entrepôts de données. Ceux-ci regroupent dans un gisement de données unique l'ensemble des informations nécessaires à la mesure et à l'analyse de la performance de l'entreprise.

Bien souvent, ils comprennent en priorité des informations aidant au contrôle de gestion, puis éventuellement une vision unique et globale de chaque client de l'entreprise. Évidemment, il s'agit alors d'une source d'information privilégiée pour l'analyse prédictive, qui guidera les décisions d'investissement sur un client selon son comportement, mais aussi selon un calcul de sa valeur actuelle et future pour l'entreprise.

La relation client devient une arme de guerre"

Côté opérationnel, beaucoup d'entreprises ont choisi de mettre en place des solutions de gestion de la relation clientèle (Customer Relationship Management, CRM). L'objectif est alors de disposer d'un système d'information assurant le suivi des relations avec un client sur l'ensemble des canaux par lequel il peut interagir (agences, centre d'appels, Web). Si ces systèmes collectent effectivement une vision cohérente et historique de la relation client, la démonstration d'un retour sur investissement de leur mise en place tarde à venir.

Si l'entreprise met en œuvre une analyse prédictive de ces données, l'outil de gestion de la relation client devient une formidable arme de guerre : l'analyse prédictive alimente le système avec des recommandations propres à chaque client, elle choisit la population à cibler pour telle ou telle action sortante, elle prévient les risques d'attrition sur tel ou tel client et déclenche une action préventive (visite, appel sortant, etc.).

Dossier

Êtes-vous sûr de satisfaire vos clients ?

Qu'en conclure ?
L'analyse prédictive impacte plus sur le business-model de l'entreprise que le système d'information. Sa mise en œuvre impactera forcément la façon de travailler des équipes marketing et commerciales. Beaucoup de managers n'y verront au premier abord qu'une une affaire de statisticiens ou, pire, de data miners (ou inversement selon leur affinité !). Les plus avisés saisiront les conséquences importantes sur le fonctionnement et la rentabilité de l'entreprise. Ce qui est désormais acquis, c'est que les entreprises qui exploitent l'analyse prédictive seront de facto plus performantes que celles qui ne le font pas. Il faut prédire ou périr.

hmignot@spss.com