Mieux exploiter ses donnes pour augmenter ses ventes avec Microsoft data mining

1,075 views

Published on

Dans le cycle des rendez-vous d’experts à la Piscine, découvrez ou redécouvrez la conférence qu’ont animée René Lefebure, directeur CRM multicanal & datamining, et Gaël Duhamel, expert Microsoft, le 24 Septembre dernier.

Ils vous apprennent comment prospecter et fidéliser grâce aux outils Microsoft.

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,075
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
52
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Mieux exploiter ses donnes pour augmenter ses ventes avec Microsoft data mining

  1. 1. Mieux exploiter ses données pour augmenter ses ventes avec Microsoft Data Mining Musée de La Piscine, Roubaix, le 24 Septembre 2010Gael DuhamelRené Lefébure
  2. 2. Présentation du data mining
  3. 3. Définition du Data Mining Le data mining se propose de transformer en information, ou en connaissance, de grands volumes de données. Data-vore ! présenta)on agence al)ma 2010   Page 3
  4. 4. Définition du data mining Le data mining s’applique à mettre en évidence …. ce qui est parfois inconnu. Gourou mining ! présenta)on agence al)ma 2010   Page 4
  5. 5. Plus basiquement ……. Le data mining permet de : -  Classer (pour trouver des cibles ayant des meilleurs taux de retour) -  Estimer (pour modéliser un comportement avec des scores) -  Segmenter (pour regrouper les clients dans des groupes homogènes) -  Associer (pour définir et animer des gammes de produits) -  Prévoir (pour anticiper sur les variations de volume ) présenta)on agence al)ma 2010   Page 5
  6. 6. Les apports en terme de performance Un des principaux apports du data mining est d’améliorer la performance des entreprises. Les retours sur investissement sont compris entre 30 et 300 % ! présenta)on agence al)ma 2010   Page 6
  7. 7. Témoignage Mécanisme de Relance Prospect monabanq. : •  Beaucoup de campagnes de recrutement annuelles (« temps forts »)  créations de prospects par vagues •  La souscription est conditionnée par le fait que le prospect renvoie le contrat…  mécaniques de relance des prospects pour les inciter à retourner le contrat Problématique d’optimisation des relances : •  Tous les prospects n’ont pas la même propension à retourner leur contrat. Il n’est donc pas judicieux d’appliquer la même pression en terme de relances téléphoniques à tous les prospects.  mise en place de scores de relances Résultats : •  +35% sur le taux de retour 728/09/10
  8. 8. Présentation des applications
  9. 9. Les Parcours Valeur Le data mining permet de reconnaître, décoder et modéliser le Parcours de clients prioritaires Les Parcours Valeur combinent « Valeur Client » et « Processus Marketing et Commerciaux » présenta)on agence al)ma 2010   Page 9
  10. 10. La personnalisation La personnalisation du contenu fait correspondre des profils des clients avec des « offres produits » afin d’augmenter le taux de conversion et le « cross selling » présenta)on agence al)ma 2010   Page 10
  11. 11. Amazon : home page le 15/09 présenta)on agence al)ma 2010   Page 11
  12. 12. Amazon : recherche le 15/09 présenta)on agence al)ma 2010   Page 12
  13. 13. Amazon : cross selling le 15/09 présenta)on agence al)ma 2010   Page 13
  14. 14. Amazon : homepage le 22/09 présenta)on agence al)ma 2010   Page 14
  15. 15. Amazon : historique de navigation présenta)on agence al)ma 2010   Page 15
  16. 16. Présentation dela problématique
  17. 17. Il y a un problème ? Mais si c’est si puissant … Pourquoi ne le voit-on pas plus souvent ? présenta)on agence al)ma 2010   Page 17
  18. 18. La réalité (1) C’est quand même plus simple de gérer « de la masse » ! présenta)on agence al)ma 2010   Page 18
  19. 19. La réalité (2) C’est quand même moins couteux de gérer « de la masse » ! présenta)on agence al)ma 2010   Page 19
  20. 20. La réalité (3) Mais ca finit par lasser surtout les cibles prioritaires présenta)on agence al)ma 2010   Page 20
  21. 21. Présentation dela solution Microsoft Data Mining
  22. 22. Présentation du cas Mettre une image de ticket de Caisse L’homme et « la machine » La démonstration : L’homme et la Machine ! présenta)on agence al)ma 2010   Page 22
  23. 23. C’est Excel ! présenta)on agence al)ma 2010   Page 23
  24. 24. C’est riche ! présenta)on agence al)ma 2010   Page 24
  25. 25. C’est Puissant ! présenta)on agence al)ma 2010   Page 25
  26. 26. C’est visuel ! présenta)on agence al)ma 2010   Page 26
  27. 27. C’est clair ! présenta)on agence al)ma 2010   Page 27
  28. 28. Présentation de l’industrialisation dela connaissance client
  29. 29. What’s new ?
  30. 30. PrésentationGaël Duhamel
  31. 31. Customisation des modèles de mining présenta)on agence al)ma 2010   Page 31
  32. 32. Réseau de dépendance présenta)on agence al)ma 2010   Page 32
  33. 33. Exemple de requête DMX présenta)on agence al)ma 2010   Page 33
  34. 34. Des questions ? présenta)on agence al)ma 2010   Page 34
  35. 35. merciRené LefebureDirecteur CRM multi-canalrlefebure@altima.frTel : 06 86 37 64 27 www.altima.fr

×