Définition et concept

Le data mining intervient dès qu’il s’agit d’axer la stratégie de l’entreprise sur la relation avec le consommateur, de comprendre son comportement et de l’anticiper.
Il s’agit de recueillir et d’analyser le maximum de données sur les clients et prospects.

Objectifs

o Avoir une image plus précise de ce qu’ils sont.

o Mettre au point des programmes marketing-produit, prix, distribution, publicité, promotion,… plus adaptés à leurs besoins, attentes, habitudes d’achat, préférences,…

Le data mining est un processus s’appuyant sur des données.
Il consiste à extraire des informations des bases de données de l’entreprise (informations prévisibles mais non évidentes) et à les transformer en connaissances originales ou en modèles par des techniques à base d’algorithmes.

Il exploite la base de données (qui peut concerner plusieurs millions d’acteurs) pour sélectionner les données les plus pertinentes, en faire l’analyse et en tirer des conclusions qui orienteront les décisions marketing.

Le data mining permet une optimisation du ciblage, la découverte de nouveaux segments et la création de nouveaux indicateurs. Cette connaissance du client permet une grande créativité marketing.

Posséder des outils de data mining, c’est s’assurer une différenciation et un avantage stratégique.

Techniques

Le data mining repose sur 3 principales techniques :

1- Détecter, "en torturant les données", des relations nouvelles, des modèles, des segments nouveaux qui n’auraient pas pu être découverts autrement (méthode statistique de régression),

2- Les réseaux neuronaux, inspirés du fonctionnement du système nerveux. Ils sont capables d’apprendre et de changer de comportement en fonction des expériences nouvelles,

3- Les arbres de décisions, une technique visuelle qui consiste à répartir les données en groupes homogènes, en fonction de la valeur des variables.

Domaines d’application

Les entreprises qui détiennent des informations précises sur leurs clients : les grands de la VPC, les banques et assurances, les compagnies de télécommunication et dans une certaine mesure, la grande distribution (tickets + cartes).

Exemple : La Redoute compte aujourd’hui 23 millions d’adresses qui permettent de savoir quels sont les clients les plus sensibles à des offres précises. Ceci relève plus du data mining comportemental que d’achat, car il intègre également le compte d’exploitation client afin de connaître sa rentabilité.

Evolution du Data Mining

Le data mining s’oriente vers le e-mining, car le web est une source d’informations sur les internautes. Le data mining pourra servir à contrôler les performances d’un site afin de garantir le niveau de service, à optimiser le site afin que les consommateurs trouvent plus rapidement ce qu’ils cherchent et à personnaliser le site en fonction du profil de l’internaute. Si le canal web a été intégré dans les bases de données et si des outils web mining ont été mis en place, l’exploitation des traces laissées par les internautes permet de savoir pourquoi l’internaute achète en ligne et quels sont ses goûts.

Mais il reste quelques difficultés à régler au niveau de la récupération des données, de leur enrichissement… avant de pouvoir faire une analyse comportementale précise et de pouvoir enrichir intelligemment la base de données actuelle des entreprises.

© MARKET-AUDIT