Segmentation 3.0 : les nouvelles approches de segmentation des donateurs

  • 14,057 views
Uploaded on

Les associations ont accès à des données de plus en plus riches et nombreuses pour comprendre et cibler leurs donateurs : données sociodémographiques, historique des sollicitations, des dons, des …

Les associations ont accès à des données de plus en plus riches et nombreuses pour comprendre et cibler leurs donateurs : données sociodémographiques, historique des sollicitations, des dons, des thématiques porteuses, du timing des dons dans l’année. Face à cette explosion d'informations disponibles, les techniques de segmentation “classiques” ont eu beaucoup de mal à s’adapter, et les fundraisers aussi, ce qui est source de lourdeurs et de frustrations. Aujourd'hui,
on voit l’émergence de nouvelles méthodes de segmentation apparaître, à la fois plus riches et (paradoxalement) plus simples à utiliser : scoring prédictif, lifetime value, modèles collaboratifs, etc. Cette présentation vous fera faire un tour d’horizon de ce qui existe déjà, de ce qui va arriver, et comment votre association peut en bénéficier dès aujourd’hui (ou au-moins comment s’y préparer).

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
  • to see and comment.
    Are you sure you want to
    Your message goes here
  • thanq its very good together with helpful to me in thinking about development comes and think of that.... very nice function.... tanq for this.....
    Sharika
    http://financeadded.com http://traveltreble.com
    Are you sure you want to
    Your message goes here
No Downloads

Views

Total Views
14,057
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
423
Comments
2
Likes
6

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Bienvenue à la présentation sur : Segmentation 3.0 : les nouvelles approches de segmentation des donateurs Arnaud De Bruyn Professeur de Marketing, ESSEC Consultant, QUALIDATA Séminaire Francophone de la Collecte de Fonds Juin 2007
  • 2. Arnaud De Bruyn
    • Professeur de Marketing, ESSEC
    • Consultant, QUALIDATA
    • Domaines d’expertise
      • Segmentation et ciblage
      • Analyse et études marketing
      • Marketing des bases de données
      • CRM
  • 3. Arnaud De Bruyn Connaissance Recherche (créer) Enseignement (diffuser, partager) Conseil (appliquer)
  • 4. Théorie et pratique
    • “ La théorie, c'est quand on sait tout et que rien ne fonctionne.
    • La pratique, c'est quand tout fonctionne et que personne ne sait pourquoi.
    • Ici, nous avons réuni théorie et pratique : rien ne fonctionne et personne ne sait pourquoi !”
    • Albert Einstein
  • 5. Théorie et pratique
    • “ La différence entre la théorie et la pratique c’est qu’en théorie il n’y a pas de différence entre la théorie et la pratique, mais qu’en pratique, il y en a… !”
    • Doug Rosenberg and Kendall Scott
  • 6. Le triangle des Bermudes de l’analyse marketing Manque de données Manque d’expertise Freins organisationnels FRUSTRATIONS
  • 7. Rôle(s) de la segmentation
  • 8. Pourquoi segmenter?
    • Les donateurs ne sont pas homogènes
    • Il est crucial de segmenter la base donateurs
    Fidèles Généreux Occa sio nnels i m p u l si fs Engagés ! R é g u l i e r s
  • 9. Une « bonne » segmentation?
    • Quels sont les critères pour juger de la qualité d’une bonne segmentation?
    • Les segments doivent être:
      • Distincts
      • Homogènes
      • Identifiables, accessibles et mesurables
      • Substantiels
        • Pas nécessairement en taille, mais en importance
      • Utilisables
        • Trop de segments tuent la segmentation
      • Informatifs
      • Utiles et opérationnels
  • 10. Segmenter. Et après?
    • La segmentation en action
    • Identifier les variables de segmentation
    • Développer la segmentation et mesurer la composition de la base
    SEGMENTER
    • Evaluer la valeur (la profitabilité) de chaque segment
    • Sélectionner les segments prioritaires
    CIBLER
    • Identifier les différentes stratégies de communication
    • Choisir, développer et communiquer avec les donateurs
    COMMUNIQUER
  • 11. Segmentation : Les différentes approches
  • 12. Les différentes approches
    • La segmentation a beaucoup évolué en 20-30 ans…
    • Deux évolutions essentielles:
      • Nombre de segments?
      • Quelles variables utiliser pour segmenter la base?
  • 13. Les différentes approches Nombre de segments Facilité Efficacité
  • 14. Les différentes approches
    • Scoring RFM
    • Segmentation « à barrettes » (ex. Philippe Cheval)
    • Segmentation RFM
    • Segmentation FRAT
    • Segmentation comportementale
    • Segmentation prédictive
    • Scoring prédictif
    • Optimisation de la lifetime value
  • 15. Scoring RFM Récence - Fréquence - Montant
  • 16. Scoring RFM
    • Les méthodes de scoring donnent un score à chaque donateur en fonction de quelques chiffres clés relatifs a ses comportements:
    • Exemple
      • Dernier don dans les 12 mois 6 points
      • Dernier don 13-24 mois 4 points
      • Dernier don 25-36 mois 3 points
      • etc.
      • Moyenne de dons > 500 € 6 points
      • Moyenne de dons > 100 € 5 points
      • Moyenne de dons > 50 € 4 points
      • etc.
  • 17. Scoring RFM
    • Principe:
      • Un donateur ayant un score de 12 est potentiellement plus rentable qu’un donateur ayant un score de 5
    • Mais...
      • Pas homogènes . Les donateurs ayant un score de 5 peuvent avoir des profils très différents
        • Un donateur ayant donné 10 € il y a quatre mois pourrait obtenir le même score qu’un donateur ayant donné 500 € il y a quatre ans...
      • Pas très opérationnels . Parce que les segments sont peu homogènes, il est difficile d’utiliser ces scores pour adapter la stratégie de communication
  • 18. Segmentation « à barrettes »
  • 19. Segmentation « à barrettes »
    • Dans une segmentation « à barrettes » , le passé de la base est divisé en périodes (annuelles ou semestrielles). Généralement les quatre périodes les plus récentes sont utilisées
    0 / 1 0 / 1 0 / 1 0 / 1 Actif 0-12 Actif 13-24 Actif 25-36 Actif 37-48
  • 20. Segmentation « à barrettes »
    • Monsieur Martin appartient au segment:
    a donné en 2007 rien en 2006 rien en 2005 a donné en 2004 1 0 0 1
  • 21. Segmentation « à barrettes »
    • La segmentation RFM crée 16 segments
      • 1111, 0111, 1011, 1101, 1110, 0011, 0101, 0110, 1001, 1010, 1100, 0001, 0010, 0100, 1000, 0000
    • On va les regrouper en « super segments » auxquels on va assigner des noms :
      • « Tops » = 1111
      • « Fidèles » = 0111, 1011, 0011, 1101
      • « Fragiles » = 1100, 0100, 1000
      • Etc.
  • 22. Segmentation « à barrettes »
    • Il n’y a pas de méthode « universelle » pour regrouper les 16 segments initiaux
      • Regroupement à finalité marketing ?
      • Regroupement de performances ?
      • Regroupement sans méthodologie définie ?
  • 23. Segmentation « à barrettes »
    • Les segments se différencient par leur taux de fidélité
  • 24. Segmentation « à barrettes »
    • Alors, quel est le problème?
    0 0 0 1 Combien de dons dans l’année? Un, deux, cinq? Quelle générosité? 5, 50, 500 €? Ancien ou nouveau donateur?
  • 25. Segmentation « à barrettes »
    • Monsieur Martin fait un don par an, à Noël. A quel segment appartient-il?
    1997 1998 1999 2000 2001 1 1 1 1
  • 26. Segmentation « à barrettes »
    • Monsieur Martin fait un don par an, à Noël. A quel segment appartient-il?
    1997 1998 1999 2000 2001 1 0 1 1 1 1 1 1
  • 27. Segmentation « à barrettes »
    • Monsieur Martin fait un don par an, à Noël. A quel segment appartient-il?
    1997 1998 1999 2000 2001 1 0 1 1 1 1 1 1 1 1 1 1
  • 28. Segmentation « à barrettes »
    • Les donateurs peuvent changer de segment même s’ils ne changent pas de comportements
    • Les segments sont très hétérogènes
  • 29. Segmentation « à barrettes » Nombre de segments Segmentations à barrettes  Facilité Efficacité
  • 30. Segmentation RFM Récence - Fréquence - Montant
  • 31. Segmentation RFM
    • Exemple : segment 0001
      • Nouveau donateur ou ancien donateur réactivé ?
      • 25 € ou 500 € ?
      • 1 don ou plusieurs ?
      • Autres facteurs…
    • Avec les progrès des systèmes d’information, logiciels, « maturité » et expertise des professionnels -> Segmentations de plus en plus complexes
  • 32. Segmentation RFM
    • Le segment est re-précisé…
    • Ancien ou nouveau?
      • Segments 0001 et 000N
    • Généreux ou pas?
      • Segments 0001++, 0001+, 0001-, 000N++, 000N+, 000N-
    0 0 0 1
  • 33. Segmentation RFM Nombre de segments Facilité Efficacité Segmentations à barrettes  Segmentations RFM complexes 
  • 34. Segmentation RFM Efficacité Nombre de segments Segmentations à barrettes  Segmentations RFM complexes  Facilité Un juste milieu? 
  • 35. Segmentation FRAT Frequency - Recency - Amount - Type
  • 36. Segmentation FRAT
    • Un double constat :
    • Segmentation trop complexes pour être gérables
    • Trop de facteurs encore laissés de côté
      • Donateurs sous PA?
      • Abonnés? Adhérents? Acheteurs VPC? Pétitionnaires?
      • Nouveaux?
      • Quelles thématiques?
      • Urgentistes?
      • Etc.
  • 37. Segmentation FRAT
    • Principes d’une segmentation FRAT
    • Rationalisation du nombre de segments
    • Richesse préservée autant que faire se peut
  • 38. Segmentation FRAT
  • 39. Segmentation FRAT
    • Mais comment trouver la meilleure structure de segmentation?
      • Expériences, tests
      • Inputs managériaux
      • Arbres de décision
  • 40. Segmentation « comportementale »
  • 41. Segmentation « comportementale »
    • Méthodes de segmentation « comportementale »
    • Principe #1 : tout (?) prendre en compte
      • Récence
      • Fréquence
      • Montant
      • Typologie
      • Thématiques
      • Etc.
    • Principe #2 : trouver le « juste » nombre de segments
  • 42. Segmentation « comportementale »
    • La base de données à segmenter…
      • Carré, triangle, cercle
      • Rouge, vert, bleu
      • Grand, petit
  • 43. Segmentation simple
    • Approche #1 : segmentation simple
    • Facile, mais segments très hétérogènes
    • Équivalent de la segmentation à barrette (0001)
  • 44.
    • Approche #2 : segmentation complexe
    • Segments homogènes, mais ingérable!
    • Équivalent des segmentations RFM complexes (128 segments, etc.)
    Segmentation complexe
  • 45. Segmentation « comportementale »
    • Approche #3 : méthodes de segmentation « comportementales »
    • Va analyser toutes les variables à la recherche de corrélations
    • Exemple
      • 80% des grands sont rouges
      • 80% des rouges sont grands
      • 86% des verts sont des cercles
      • Aucun bleu n’est un cercle, etc.
  • 46. Segmentation « comportementale »
  • 47. Segmentation « comportementale »
    • Toutes les variables sont analysées en même temps
    • Nombre limité de segments
    • Segments assez homogènes
    • Mais qui solliciter --- Et combien de fois par an?
  • 48. Scoring prédictif
  • 49. La segmentation
    • Le but de la segmentation, c’est de prédire
      • Récence
      • Don moyen
      • Thématiques (Kosovo, Tsunami)
    • “ Il est très difficile de faire des prédictions, en particulier à propos du futur ”
    • Y. Berra
  • 50. Cibler les donateurs (récence) 2 ans 1 an 3 ans
  • 51. Cibler les donateurs (récence) Collecte nette ROI Coût d’opportunité
  • 52. Cibler les donateurs (récence, < 50 €)
  • 53. Cibler les donateurs (récence, 50 € ou plus)
  • 54. La segmentation
    • Plus on ajoute de critères, plus la segmentation devient…
      • Potentiellement précise
      • Inutilisable
    • C’est le paradoxe de la segmentation
    • Elle donne les moyens pour atteindre ses objectifs , mais pas les critères pour utiliser ces moyens
  • 55. Scoring prédictif
    • Modèles mathématiques pour estimer la probabilité de donner à une action spécifique + don moyen :
      • Récence(s)
      • Fréquence(s)
      • Montant(s)
      • Ancienneté
      • Typologie(s)
      • Thématique(s)
      • Source d’acquisition
      • Civilité, Département, …
    • Exemple : Proba. Montant Espéré
    • M. Michel 10% 50 € 5,0 €
  • 56. Exemple
    • Mailing de sollicitation
    • Sept donateurs dans la base
      • M. Michel
      • Mme Raymond
      • Mme Dussolier
      • M. et Mme Martin
      • M. Le Nagard
      • Mlle Jeanus
      • M. Le Bon
    • Qui solliciter?
  • 57. Exemple
    • M. Michel
    • Mme Raymond
    • Mme Dussolier
    • M. et Mme Martin
    • M. Le Nagard
    • Mlle Jeanus
    • M. Le Bon
  • 58. Exemple
    • Proba.
    • M. Michel 10%
    • Mme Raymond 3%
    • Mme Dussolier 6%
    • M. et Mme Martin 25%
    • M. Le Nagard 1%
    • Mlle Jeanus 0,8%
    • M. Le Bon 4%
  • 59. Exemple
    • Proba. Montant
    • M. Michel 10% 50 €
    • Mme Raymond 3% 25 €
    • Mme Dussolier 6% 100 €
    • M. et Mme Martin 25% 40 €
    • M. Le Nagard 1% 30 €
    • Mlle Jeanus 0,8% 25 €
    • M. Le Bon 4% 500 €
  • 60. Exemple
    • Proba. Montant Espéré
    • M. Michel 10% 50 € 5,0 €
    • Mme Raymond 3% 25 € 0,7 €
    • Mme Dussolier 6% 100 € 6,0 €
    • M. et Mme Martin 25% 40 € 10,0 €
    • M. Le Nagard 1% 30 € 0,3 €
    • Mlle Jeanus 0,8% 25 € 0,2 €
    • M. Le Bon 4% 500 € 20,0 €
  • 61. Exemple
    • Proba. Montant Espéré
    • M. Le Bon 4% 500 € 20,0 €
    • M. et Mme Martin 25% 40 € 10,0 €
    • Mme Dussolier 6% 100 € 6,0 €
    • M. Michel 10% 50 € 5,0 €
    • Mme Raymond 3% 25 € 0,7 €
    • M. Le Nagard 1% 30 € 0,3 €
    • Mlle Jeanus 0,8% 25 € 0,2 €
  • 62. Scoring prédictif Collecte nette ROI
  • 63. Scoring prédictif
    • Les donateurs sont classés sur une seule dimension, leur rentabilité espérée
    • Le nombre de critères utilisés est transparent
  • 64. Quelques critères intéressants
    • Générosité
      • U inversé
    • Prénom
    • Réactivité aux sollicitations
      • Mais information dans la base
    • Réactivité à des thèmes/actions spécifiques
      • Le meilleur est l’ennemi du bien
    • Civilité
      • Les hommes plus fidèles?
      • Qualité des données
    • Timing dans l’année
  • 65. Scoring prénom
  • 66. Scoring prénom
  • 67. Scoring prénom
  • 68. Quelques challenges
    • Réponse à un mailing spécifique?
      • Pas de bulletin?
      • Décalage de 6 mois? Qui l’a provoqué?
      • Quand une sollicitation devient-elle inutile?
    • Prédire quelque chose qu’on a jamais testé?
      • Téléphone?
    • … Prédiction d’une “appétence” sur une période
  • 69. Optimiser quoi?
    • Taux de retour?
    • Don moyen?
    • Collecte brute?
    • Collecte nette?
    • Retour sur investissement / ratio de collecte?
    • Coût d’opportunité?
    • Valeur d’un donateur (Lifetime value)?
  • 70. Les modèles d’optimisation de la lifetime value Customer Equity and Lifetime Management
  • 71. Le Saint Graal…
  • 72.  
  • 73.  
  • 74.  
  • 75. Merci ! Arnaud De Bruyn d e b r u y n @ e s s e c . f r