Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

CRM Analytique - L’apport du Data Mining Françoise Fogelman Soulié KXEN, 25 Qua

CRM Analytique - L’apport du Data Mining Françoise Fogelman Soulié KXEN, 25 Quai Gallieni, 92 158 Suresnes cedex Francoise.SoulieFogelman @kxen.com http://www.kxen.com Résumé. Nous présentons le système d’information CRM et décrivons les composants du CRM Analytique : alors que la Business Intelligence exploite les données du passé pour produire des tableaux de bord synthétisant les évolutions des indicateurs de performance de l’entreprise, le data mining produit, à partir de ces mêmes données, des modèles exploratoires permettant de comprendre les indicateurs de performance (facteurs influençants, structure des variables explicatives, segments) et des modèles prédictifs permettant d’anticiper et donc de planifier des actions CRM plus efficaces. Nous introduisons ces différents éléments et les illustrons sur quelques exemples. Alors que le volume des données croît de façon exponentielle, peu d’entreprises sont aujourd’hui capables de mettre en œuvre le nombre de modèles nécessaires pour les exploiter toutes, nombre qui devrait lui aussi se trouver en croissance exponentielle. Il faut pour cela mettre en place des «usines à modèles » industrialisant le processus de production de modèles. Nous explicitons ces concepts, indiquons ce que serait le cahier des charges pour une usine à modèles. Nous indiquons comment l’outil de data mining KXEN permet de réaliser des usines à modèles et présentons ensuite quelques exemples d’utilisation de KXEN pour la réalisation de telles usines. 1 Introduction Les outils de CRM (Customer Relationship Management ou Gestion de la Relation Client) sont aujourd’hui largement déployés dans les entreprises (Lefébure, 2004). Les acti- vités de CRM opérationnel (marketing, vente, service clients) pilotées à travers ces outils permettent de tracer de façon systématique l’ensemble des contacts avec les clients. Toutes les données de contact, consolidées avec les données clients du back-office, peuvent ensuite être exploitées par des outils de CRM analytique pour fournir des tableaux de bord de pilo- tage de l’activité : suivi des campagnes (nombre de messages envoyés, nombre de réponses, mesure des résultats obtenus …), suivi des processus de vente (nombre de visites clients, de propositions commerciales envoyées, chiffre d’affaire généré …), suivi de l’activité du ser- vice clients (nombre de courriers, appels téléphoniques, emails reçus et de réponses envoyés, …) Cependant, les outils de data mining, deuxième composante du CRM analytique, ne sont toujours pas utilisés systématiquement. Bien qu’ils fournissent les moyens d’optimiser l’activité CRM opérationnelle (ciblage des campagnes, recommandations personnalisées …), les entreprises lancent encore de très nombreuses actions (par exemple des campagnes mar- keting) sans réaliser de modèle prédictif préalable (par exemple modèle de ciblage des cam- pagnes). Toutefois, on voit de plus en plus d’entreprises tenter d’exploiter systématiquement CRM Analytique – L’apport du Data Mining le data mining en l’intégrant dans toutes les activités de CRM opérationnel : il faut pour cela être capable de produire et industrialiser des centaines – voire des milliers – de modèles par an, sur des volumétries de données très importantes. Ce qui pose des contraintes particulières aux outils qui seront utilisés pour la modélisation prédictive. Dans cet article, nous présentons le cadre général du CRM analytique ; nous montrons comment les données disponibles dans l’entreprise doivent – et peuvent – être considérées comme une ressource importante que l’entreprise peut exploiter pour améliorer sa perfor- mance ; nous présentons ensuite les apports du data mining et les contraintes quand on veut intégrer complètement le data mining dans le CRM opérationnel ; enfin, nous donnons quel- ques exemples concrets illustrant ces apports et montrons comment certaines entreprises ont pu utiliser l’outil de data mining KXEN 1 pour mettre en œuvre les centaines de modèles dont elles avaient besoin pour leur CRM opérationnel. 2 Qu’est ce que le CRM analytique ? Le Système de Gestion de la Relation Client comprend plusieurs composants (FIG. 1) : le système CRM vise à piloter et animer la relation avec le client à travers des actions lancées sur les différents canaux de contact avec le client. La complexité du système vient de l’hétérogénéité des différents composants, du nombre important de clients et d’offres qu’on peut leur faire, et enfin de la difficulté d’animer une relation multi-canal qui doit apporter à chaque client la bonne offre au bon moment sur le bon canal. CRM Analytique Back-Office Base de Données Clients ERP Bases Legacy CRM Opérationnel Marketing Service Clients Reporting Olap Canaux de contact Client SMS Courrier E-mail Question -naires Fax Internet Téléphone Fichiers externes Data Mining Ventes Clients Vendeur FIG. 1 – Système de gestion de la Relation Client 1 KXEN est un éditeur data mining dont le logiciel KXEN Analytical Framework est considéré par Gartner comme l’un des produits leaders du marché (Herschel, 2007). Voir http://www.kxen.com F. Fogelman Soulié 2.1 La base de données clients La base de données clients contient l’ensemble des données disponibles sur les clients (et quelquefois aussi les prospects). Elle a souvent la structure d’un datawarehouse, dont le modèle de données est optimisé pour produire les rapports (§2.4). Les concepts du dataware- house ont été introduits dans les années 90 par Inmon (1996), Kimball (1998) et ont été très largement développés depuis pour donner naissance à la Business Intelligence (BI ou infor- matique décisionnelle). La base de données clients est alimentée par des sources multiples. Les données du back-office de l’entreprise proviennent des bases alimentées par les di- verses applications de production (facturation, contrats, litiges et contentieux, …). Ces bases sont souvent des bases transactionnelles non historisées, rarement organisées autour du client (par exemple les bases contrats sont organisées autour du contrat et un client apparaîtra donc autant de fois qu’il a de contrats différents). L’entreprise peut également acheter ou obtenir, selon ses besoins, des fichiers externes (par exemple des résultats d’enquêtes ponctuelles, des fichiers comportementaux …). Ces données sont ainsi hétérogènes, voire contradictoires et de nombreux traitements sont nécessaire pour intégrer ces données dans la base. Les données contacts : les activités de CRM opérationnel génèrent une grande quantité de données, souvent très riches d’informations sur le client (ce qu’il aime, ce qu’il veut, la façon dont il réagit …) Le CRM opérationnel produit ainsi des données qu’il est important de stocker dans la base de données client. Ces données sont souvent contenues dans un data mart géré par l’outil de CRM opérationnel, qui en rationalise ainsi le format et permet d’effectuer des contrôles, parfois assez sophistiqués, sur la qualité des données fournies. Les données calculées : les analyses data mining exploitent les données de la base et produisent des données (segments, scores, …) qui peuvent être ré-intégrées dans la base. Ces enrichissements peuvent être ensuite exploités pour améliorer les analyses ultérieures (CRM analytique) ou pour optimiser les actions du CRM opérationnel. 2.2 Les canaux de contact client Les clients ont de nombreux canaux de contact avec l’entreprise (téléphone, courrier, email, SMS, fax, Internet, vendeur, magasin …). L’ensemble de ces contacts apporte des sources d’informations clients très riches … mais hétérogènes : alors que certaines informa- tions sont fiables (par exemple le nom et l’adresse saisis par un client qui commande la li- vraison d’un achat à son domicile), d’autres peuvent être de qualité moindre, voire carrément fausses (par exemple, un champ date de naissance saisi « par défaut » par un téléopérateur dans un centre d’appel, s’il n’est pas intéressé à la qualité de la donnée saisie, mais seule- ment au nombre d’appels pris par heure). Les outils de CRM opérationnel, qui permettent la gestion multi-canal, intègrent très souvent des fonctionnalités de contrôle des données au moment de la saisie. 2.3 Le CRM opérationnel La gestion de la relation client est animée dans l’entreprise à travers trois fonctions. Le Marketing est responsable de la conception, de l’exécution et du suivi des campagnes marketing. Il utilise pour cela les données disponibles pour générer les listes des clients/ prospects qui recevront les messages, les offres promotionnelles, les invitations … constitu- tifs des campagnes. Il s’appuie sur les analyses de connaissance clients et les modèles prédic- CRM Analytique – L’apport du Data Mining tifs développés par le data mining (CRM analytique) pour déterminer la composition opti- male des cibles de ses campagnes (i.e. les listes des clients qui recevront les offres). Il réalise des tableaux de bord (CRM analytique) pour suivre le résultat de ses campagnes et évaluer le retour sur investissement. Les Ventes : le réseau commercial est responsable de vendre les produits de l’entreprise. A travers un réseau de commerciaux terrain, de magasins, de distributeurs (selon les entrepri- ses), il définit les prospects à rencontrer, évalue leurs besoins, établit des propositions com- merciales, réalise les ventes. Il utilise pour cela les données disponibles, et recherche éven- tuellement des sources de données additionnelles pour constituer des listes de prospects potentiels (en achetant des fichiers à des fournisseurs de fichiers, en animant des réunions, des séminaires, des salons …). Il exécute ensuite son processus de vente et en pilote les ré- sultats à travers des tableaux de bord. Le Service Clients est responsable de toutes les tâches d’assistance au client : renseigne- ment, dépannage, réponse aux réclamations … Il intervient aussi bien pendant les phases d’avant-vente (en support du réseau commercial) que uploads/Marketing/ crm-analytique-l-x27-apport-du-data-mining-resume-nous-presentons-le-systeme-d-x27-information-crm-et-decrivons-les.pdf