Recherche
Magazine Action Commerciale
S'abonner à la newsletter S'abonner au magazine

Outil. Des solutions logicielles pour prévoir l’avenir

Publié par le

Vos données passées peuvent vous permettre d’anticiper l’avenir et de réaliser des choix tactiques judicieux. Tel est le postulat de l’analyse prédictive.

Je m'abonne
  • Imprimer

Les commerciaux de Ballantine’s sont de vrais hommes d’affaires. Dotés d’un outil informatique performant, qui leur donne accès, en tout lieu et à tout moment, à des données clés (telles que les résultats de vente par région, par enseigne ou encore par gamme de produits), ils bénéficient d’un précieux capital : l’information. Mais ce n’est pas tout. Forts de ces renseignements, ils peuvent agir : décider, par exemple, de mettre l’accent sur tel distributeur, dans lequel – chiffres à l’appui – leurs résultats ont une marge importante de progrès. Est-ce là le fruit de leurs cogitations ou de leur simple intuition ? Pas du tout. Cette piste, c’est un logiciel qui la leur suggère : Ballantine’sMummDistribution a, en effet, décidé d’investir dans une solution d’aide à la décision, qui permet de mener un travail d’analyse prédictive. “L’analyse prédictive transforme les données en action en tirant des conclusions fiables sur les faits actuels et les événements futurs.” C’est la définition que propose SPSS, éditeur spécialisé dans les solutions décisionnelles, de l’analyse prédictive. « L’expression “analyse prévisionnelle” serait plus appropriée », note, pour sa part, Françoise Soulie-Fogelman, directrice associée chez Business & Décision. De fait, les préconisations réalisées par ce type d’outil n’ont rien d’aléatoire, encore moins de divinatoire ! Il s’agit, en effet, d’analyser des faits passés et d’en déduire les axes de développement à venir : cela permet, par exemple, de repérer des prospects “chauds”, de calculer la probabilité pour que tel ou tel client parte à la concurrence, de décrypter le comportements des internautes, sur un site marchand, pour en déduire des prognostics sur leurs achats à venir, etc.

Des offres commerciales plus affûtées

Contrairement aux outils décisionnels d’hier, qui nécessitaient les compétences de statisticiens, la nouvelle génération de logiciels est aisément accessible aux directions fonctionnelles des entreprises. Ceux-ci ne feront appel à l’expertise du statisticien que pour traduire une requête simple – calculer la probabilité d’attrition (ou infidélité) de tel client, par exemple – en langage scientifique. « La réponse du statisticien, indique Christine Le Bras, responsable du data mining chez Sas, est, ensuite, exprimée en langage courant. Elle est donc exploitable par les directions commerciale et marketing, voire par d’autres collaborateurs comme les commerciaux terrain. » Ainsi, au Crédit Mutuel d’Anjou, les vendeurs accèdent, pour chaque client, à la liste des trois produits (prêt personnel, crédit revolving, prévoyance santé, crédit auto, etc.) obtenant le meilleur score d’ “appétence”, c’est-à-dire des produits que le client est – statistiquement – le plus enclin à acheter. « Cela permet aux commerciaux d’orienter leurs propositions commerciales, d’obtenir de meilleurs taux de transformation et, enfin, de multiplier les motifs de rencontre avec leurs clients », témoigne un porte-parole de la banque.

Plus d’efficacité et moins de coûts

Mais ce n’est pas tout : toujours au Crédit Mutuel d’Anjou, l’analyse prédictive a permis de mieux équilibrer les portefeuilles clients et prospects de la force de vente en charge de la clientèle des particuliers. L’objectif de la banque ? Inciter sa clientèle à découvrir un éventail de produits aussi vaste que possible. Pour cela, elle a calculé la propension de chaque client à faire du Crédit Mutuel sa banque principale. Résultat : une répartition plus harmonieuse des clients et prospects entre les commerciaux – tous les portefeuilles étant d’égale difficulté – et un lissage de l’activité sur l’ensemble de l’année : jusqu’ici, les vendeurs avaient tendance à commencer l’année avec les contacts “faciles”. On le voit : correctement mis en œuvre, un projet d’analyse prédictive permettrait donc d’accroître l’efficacité commerciale, et donc le chiffre d’affaires, de façon substantielle. « Mais il peut aussi procurer des économies, assure Didier Bichon, directeur des opérations de SPSS France. Il permettra, par exemple, de réduire les envois de mailing tout en augmentant leur taux de retour. » Doper le rendement de ses actions de marketing direct : telle était, précisément, l’ambition de la filiale “commerce de gros” d’un groupe de distribution alimentaire. « Nous voulions faire des économies sur les coûts de production des mailings », confie son porte-parole. Un objectif aujourd’hui atteint, puisque l’entreprise aurait réduit de 30 % la quantité de ses envois et maintenu son taux de retour et de transformation grâce à un meilleur ciblage.

Plus fiable que le cerveau humain

Reste qu’un tel chantier mérite quelques précautions. Comme le souligne Didier Bichon (SPSS France) « toutes les entreprises n’ont pas intérêt à s’y lancer ». Première condition : que la quantité de données clients et prospects soit telle que les outils traditionnels d’analyse ne suffisent plus. « Ces solutions industrialisent le travail d’analyse statistique que les directions marketing ou commerciale ont toujours réalisé seules, avec leurs neurones et leurs tableaux de bord, sourit Françoise Soulie-Fogelman (Business & Décision). La grande différence, c’est qu’elles le font désormais de façon entièrement fiable et automatisée et, surtout, à partir d’une quantité colossale de données, qu’aucun cerveau humain n’est à même de traiter. » Autre condition de succès : la qualité des données. « Sans fichiers de qualité, nous ne pouvons garantir la fiabilité de nos analyses, souligne Hervé Kauffmann, directeur des opérations de Kxen France. Avant de mettre en œuvre la moindre action, il est donc indispensable de faire réaliser un audit de la base de données, pour connaître son niveau d’enrichissement, de mise à jour, etc. » Cet audit peut révéler des défauts corrigibles par enquête téléphonique, e-mailing ou courrier. Un investissement supplémentaire qui viendra grossir la facture, mais qui constitue une condition sine qua non de succès. Vient, enfin, le déploiement de la solution. À ce stade, le mieux est de travailler sur un échantillon test avant de développer le projet “grandeur nature”. « Cela permet de corriger le tir si nécessaire », argumente Didier Bichon (SPSS France). Concrètement, l’entreprise choisira un type d’action pilote – un mailing ou une étude d’attrition, par exemple – qu’elle mettra en œuvre avec l’aide de la solution d’analyse prédictive, et sans. « L’entreprise pourra ainsi comparer les résultats des deux campagnes, commente le directeur des opérations de SPSS France, et donc évaluer la véritable efficacité de la solution. » Et enfin, poursuivre sur sa lancée en construisant son projet “brique par brique”.

Avis d’expert

Éric Mokemat, directeur avant-vente Europe du Sud chez Cognos, éditeur de logiciels de business intelligence « Agir étape par étape » En matière d’analyse prédictive, Éric Mokemat recommande à ses clients de travailler méthodiquement. Première étape : définir les besoins de l’entreprise et des utilisateurs. « Cela passe par un audit préalable des attentes de chacun, de la direction générale aux collaborateurs. » Lorsque les objectifs sont clairement définis et la validité du projet vérifiée, le porte-parole de Cognos conseille de procéder à un test. « Il s’agit d’un projet pilote déployé à l’échelle d’un seul service. » Vient, ensuite, l’heure du bilan : « On analyse le succès des premières opérations, ainsi que leurs défauts. Et, surtout, on valide l’adhésion des utilisateurs : on vérifie, par exemple, que les populations cibles ont bel et bien consulté les données clés, et on leur pose un grand nombre de questions sur les bénéfices qu’ils retirent de la solution. Ce n’est qu’alors que l’on peut envisager de déployer la solution à grande échelle. »

En bref

Les principales applications de l’analyse prédictive • L’analyse prédictive permet, tout d’abord, de détecter des opportunités de vente au sein d’un portefeuille clients et prospects. Elle apporte des éléments de réponse aux questions comme “Quels clients pour telle offre ?” ou “Quelle offre pour tel segment de clients ?”. • Elle permet aussi d’optimiser le taux de retour (et donc de transformation) des campagnes de marketing direct. Pour cela, la solution recherche, dans un fichier, les clients et prospects qui, statistiquement, présentent le meilleur score d’“appétence” (c’est-à-dire d’intention d’achat). • Autre utilisation : l’analyse des comportements passés de certains clients dont on peut “radioscoper” les achats : des clients porteurs de cartes de fidélité, par exemple. L’objectif est de définir des profils types d’acheteurs afin de rechercher des associations intéressantes entre marques ou entre produits, ou de monter des opérations de cross-selling. • Certains modules analysent le comportement des internautes. Utiles aux sites marchands, ces outils leur permettent de repérer des prospects présentant certaines caractéristiques homogènes, comme l’intérêt pour telle famille de produits, par exemple. • D’autres calculent le risque d’incident de paiement ou de fraude. Ils permettent de pointer du doigt les mauvais payeurs.

Combien ça coûte ?

La plupart des éditeurs commercialisent des solutions “à tiroirs”, dont le module de base peut être enrichi d’options plus spécialisées. Les prix varient considérablement selon les outils, mais le ticket d’entrée se situe entre 20 000 et 60 000 euros. Ce tarif n’inclut pas le travail préparatoire de nettoyage et d’enrichissement de la base de données.

À retenir

- L’analyse prédictive consiste en une analyse méthodique et informatisée d’une grande quantité de données passées, dans l’objectif de prévoir des événements futurs : repérer des prospects “chauds”, etc. - La nouvelle génération de logiciels utilise le langage courant et peut être comprise par un néophyte. - L’analyse prédictive permet de faire des économies : réduction des quantités de mailing, par exemple. - Pour optimiser les chances de succès d’un tel projet, le mieux est de tester la solution sur un projet pilote avant de la déployer à grande échelle.

 
Je m'abonne

Stéfanie Moge-Masson

NEWSLETTER | Abonnez-vous pour recevoir nos meilleurs articles

Retour haut de page