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 <ul><li>Professeur de Marketing, ESSEC </li></ul><ul><li>Consultant, QUALIDATA </li></ul><ul><li>Domaines d’expertise </li></ul><ul><ul><li>Segmentation et ciblage </li></ul></ul><ul><ul><li>Analyse et études marketing </li></ul></ul><ul><ul><li>Marketing des bases de données </li></ul></ul><ul><ul><li>CRM </li></ul></ul>

3.
Arnaud De Bruyn Connaissance Recherche (créer) Enseignement (diffuser, partager) Conseil (appliquer)

4.
Théorie et pratique <ul><li>“ La théorie, c'est quand on sait tout et que rien ne fonctionne. </li></ul><ul><li>La pratique, c'est quand tout fonctionne et que personne ne sait pourquoi. </li></ul><ul><li>Ici, nous avons réuni théorie et pratique : rien ne fonctionne et personne ne sait pourquoi !” </li></ul><ul><li>Albert Einstein </li></ul>

5.
Théorie et pratique <ul><li>“ 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… !” </li></ul><ul><li>Doug Rosenberg and Kendall Scott </li></ul>

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? <ul><li>Les donateurs ne sont pas homogènes </li></ul><ul><li>Il est crucial de segmenter la base donateurs </li></ul>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? <ul><li>Quels sont les critères pour juger de la qualité d’une bonne segmentation? </li></ul><ul><li>Les segments doivent être: </li></ul><ul><ul><li>Distincts </li></ul></ul><ul><ul><li>Homogènes </li></ul></ul><ul><ul><li>Identifiables, accessibles et mesurables </li></ul></ul><ul><ul><li>Substantiels </li></ul></ul><ul><ul><ul><li>Pas nécessairement en taille, mais en importance </li></ul></ul></ul><ul><ul><li>Utilisables </li></ul></ul><ul><ul><ul><li>Trop de segments tuent la segmentation </li></ul></ul></ul><ul><ul><li>Informatifs </li></ul></ul><ul><ul><li>Utiles et opérationnels </li></ul></ul>

10.
Segmenter. Et après? <ul><li>La segmentation en action </li></ul><ul><li>Identifier les variables de segmentation </li></ul><ul><li>Développer la segmentation et mesurer la composition de la base </li></ul>SEGMENTER <ul><li>Evaluer la valeur (la profitabilité) de chaque segment </li></ul><ul><li>Sélectionner les segments prioritaires </li></ul>CIBLER <ul><li>Identifier les différentes stratégies de communication </li></ul><ul><li>Choisir, développer et communiquer avec les donateurs </li></ul>COMMUNIQUER

11.
Segmentation : Les différentes approches

12.
Les différentes approches <ul><li>La segmentation a beaucoup évolué en 20-30 ans… </li></ul><ul><li>Deux évolutions essentielles: </li></ul><ul><ul><li>Nombre de segments? </li></ul></ul><ul><ul><li>Quelles variables utiliser pour segmenter la base? </li></ul></ul>

13.
Les différentes approches Nombre de segments Facilité Efficacité

14.
Les différentes approches <ul><li>Scoring RFM </li></ul><ul><li>Segmentation « à barrettes » (ex. Philippe Cheval) </li></ul><ul><li>Segmentation RFM </li></ul><ul><li>Segmentation FRAT </li></ul><ul><li>Segmentation comportementale </li></ul><ul><li>Segmentation prédictive </li></ul><ul><li>Scoring prédictif </li></ul><ul><li>Optimisation de la lifetime value </li></ul>

15.
Scoring RFM Récence - Fréquence - Montant

16.
Scoring RFM <ul><li>Les méthodes de scoring donnent un score à chaque donateur en fonction de quelques chiffres clés relatifs a ses comportements: </li></ul><ul><li>Exemple </li></ul><ul><ul><li>Dernier don dans les 12 mois 6 points </li></ul></ul><ul><ul><li>Dernier don 13-24 mois 4 points </li></ul></ul><ul><ul><li>Dernier don 25-36 mois 3 points </li></ul></ul><ul><ul><li>etc. </li></ul></ul><ul><ul><li>Moyenne de dons > 500 € 6 points </li></ul></ul><ul><ul><li>Moyenne de dons > 100 € 5 points </li></ul></ul><ul><ul><li>Moyenne de dons > 50 € 4 points </li></ul></ul><ul><ul><li>etc. </li></ul></ul>

17.
Scoring RFM <ul><li>Principe: </li></ul><ul><ul><li>Un donateur ayant un score de 12 est potentiellement plus rentable qu’un donateur ayant un score de 5 </li></ul></ul><ul><li>Mais... </li></ul><ul><ul><li>Pas homogènes . Les donateurs ayant un score de 5 peuvent avoir des profils très différents </li></ul></ul><ul><ul><ul><li>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... </li></ul></ul></ul><ul><ul><li>Pas très opérationnels . Parce que les segments sont peu homogènes, il est difficile d’utiliser ces scores pour adapter la stratégie de communication </li></ul></ul>

18.
Segmentation « à barrettes »

19.
Segmentation « à barrettes » <ul><li>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 </li></ul>0 / 1 0 / 1 0 / 1 0 / 1 Actif 0-12 Actif 13-24 Actif 25-36 Actif 37-48

20.
Segmentation « à barrettes » <ul><li>Monsieur Martin appartient au segment: </li></ul>a donné en 2007 rien en 2006 rien en 2005 a donné en 2004 1 0 0 1

21.
Segmentation « à barrettes » <ul><li>La segmentation RFM crée 16 segments </li></ul><ul><ul><li>1111, 0111, 1011, 1101, 1110, 0011, 0101, 0110, 1001, 1010, 1100, 0001, 0010, 0100, 1000, 0000 </li></ul></ul><ul><li>On va les regrouper en « super segments » auxquels on va assigner des noms : </li></ul><ul><ul><li>« Tops » = 1111 </li></ul></ul><ul><ul><li>« Fidèles » = 0111, 1011, 0011, 1101 </li></ul></ul><ul><ul><li>« Fragiles » = 1100, 0100, 1000 </li></ul></ul><ul><ul><li>Etc. </li></ul></ul>

22.
Segmentation « à barrettes » <ul><li>Il n’y a pas de méthode « universelle » pour regrouper les 16 segments initiaux </li></ul><ul><ul><li>Regroupement à finalité marketing ? </li></ul></ul><ul><ul><li>Regroupement de performances ? </li></ul></ul><ul><ul><li>Regroupement sans méthodologie définie ? </li></ul></ul>

23.
Segmentation « à barrettes » <ul><li>Les segments se différencient par leur taux de fidélité </li></ul>

24.
Segmentation « à barrettes » <ul><li>Alors, quel est le problème? </li></ul>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 » <ul><li>Monsieur Martin fait un don par an, à Noël. A quel segment appartient-il? </li></ul>1997 1998 1999 2000 2001 1 1 1 1

26.
Segmentation « à barrettes » <ul><li>Monsieur Martin fait un don par an, à Noël. A quel segment appartient-il? </li></ul>1997 1998 1999 2000 2001 1 0 1 1 1 1 1 1

27.
Segmentation « à barrettes » <ul><li>Monsieur Martin fait un don par an, à Noël. A quel segment appartient-il? </li></ul>1997 1998 1999 2000 2001 1 0 1 1 1 1 1 1 1 1 1 1

28.
Segmentation « à barrettes » <ul><li>Les donateurs peuvent changer de segment même s’ils ne changent pas de comportements </li></ul><ul><li>Les segments sont très hétérogènes </li></ul>

29.
Segmentation « à barrettes » Nombre de segments Segmentations à barrettes  Facilité Efficacité

30.
Segmentation RFM Récence - Fréquence - Montant

31.
Segmentation RFM <ul><li>Exemple : segment 0001 </li></ul><ul><ul><li>Nouveau donateur ou ancien donateur réactivé ? </li></ul></ul><ul><ul><li>25 € ou 500 € ? </li></ul></ul><ul><ul><li>1 don ou plusieurs ? </li></ul></ul><ul><ul><li>Autres facteurs… </li></ul></ul><ul><li>Avec les progrès des systèmes d’information, logiciels, « maturité » et expertise des professionnels -> Segmentations de plus en plus complexes </li></ul>

32.
Segmentation RFM <ul><li>Le segment est re-précisé… </li></ul><ul><li>Ancien ou nouveau? </li></ul><ul><ul><li>Segments 0001 et 000N </li></ul></ul><ul><li>Généreux ou pas? </li></ul><ul><ul><li>Segments 0001++, 0001+, 0001-, 000N++, 000N+, 000N- </li></ul></ul>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 <ul><li>Un double constat : </li></ul><ul><li>Segmentation trop complexes pour être gérables </li></ul><ul><li>Trop de facteurs encore laissés de côté </li></ul><ul><ul><li>Donateurs sous PA? </li></ul></ul><ul><ul><li>Abonnés? Adhérents? Acheteurs VPC? Pétitionnaires? </li></ul></ul><ul><ul><li>Nouveaux? </li></ul></ul><ul><ul><li>Quelles thématiques? </li></ul></ul><ul><ul><li>Urgentistes? </li></ul></ul><ul><ul><li>Etc. </li></ul></ul>

37.
Segmentation FRAT <ul><li>Principes d’une segmentation FRAT </li></ul><ul><li>Rationalisation du nombre de segments </li></ul><ul><li>Richesse préservée autant que faire se peut </li></ul>

38.
Segmentation FRAT

39.
Segmentation FRAT <ul><li>Mais comment trouver la meilleure structure de segmentation? </li></ul><ul><ul><li>Expériences, tests </li></ul></ul><ul><ul><li>Inputs managériaux </li></ul></ul><ul><ul><li>Arbres de décision </li></ul></ul>

40.
Segmentation « comportementale »

41.
Segmentation « comportementale » <ul><li>Méthodes de segmentation « comportementale » </li></ul><ul><li>Principe #1 : tout (?) prendre en compte </li></ul><ul><ul><li>Récence </li></ul></ul><ul><ul><li>Fréquence </li></ul></ul><ul><ul><li>Montant </li></ul></ul><ul><ul><li>Typologie </li></ul></ul><ul><ul><li>Thématiques </li></ul></ul><ul><ul><li>Etc. </li></ul></ul><ul><li>Principe #2 : trouver le « juste » nombre de segments </li></ul>

42.
Segmentation « comportementale » <ul><li>La base de données à segmenter… </li></ul><ul><ul><li>Carré, triangle, cercle </li></ul></ul><ul><ul><li>Rouge, vert, bleu </li></ul></ul><ul><ul><li>Grand, petit </li></ul></ul>

43.
Segmentation simple <ul><li>Approche #1 : segmentation simple </li></ul><ul><li>Facile, mais segments très hétérogènes </li></ul><ul><li>Équivalent de la segmentation à barrette (0001) </li></ul>

44.
<ul><li>Approche #2 : segmentation complexe </li></ul><ul><li>Segments homogènes, mais ingérable! </li></ul><ul><li>Équivalent des segmentations RFM complexes (128 segments, etc.) </li></ul>Segmentation complexe

45.
Segmentation « comportementale » <ul><li>Approche #3 : méthodes de segmentation « comportementales » </li></ul><ul><li>Va analyser toutes les variables à la recherche de corrélations </li></ul><ul><li>Exemple </li></ul><ul><ul><li>80% des grands sont rouges </li></ul></ul><ul><ul><li>80% des rouges sont grands </li></ul></ul><ul><ul><li>86% des verts sont des cercles </li></ul></ul><ul><ul><li>Aucun bleu n’est un cercle, etc. </li></ul></ul>

46.
Segmentation « comportementale »

47.
Segmentation « comportementale » <ul><li>Toutes les variables sont analysées en même temps </li></ul><ul><li>Nombre limité de segments </li></ul><ul><li>Segments assez homogènes </li></ul><ul><li>Mais qui solliciter --- Et combien de fois par an? </li></ul>

48.
Scoring prédictif

49.
La segmentation <ul><li>Le but de la segmentation, c’est de prédire </li></ul><ul><ul><li>Récence </li></ul></ul><ul><ul><li>Don moyen </li></ul></ul><ul><ul><li>Thématiques (Kosovo, Tsunami) </li></ul></ul><ul><li>“ Il est très difficile de faire des prédictions, en particulier à propos du futur ” </li></ul><ul><li>Y. Berra </li></ul>

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 <ul><li>Plus on ajoute de critères, plus la segmentation devient… </li></ul><ul><ul><li>Potentiellement précise </li></ul></ul><ul><ul><li>Inutilisable </li></ul></ul><ul><li>C’est le paradoxe de la segmentation </li></ul><ul><li>Elle donne les moyens pour atteindre ses objectifs , mais pas les critères pour utiliser ces moyens </li></ul>

55.
Scoring prédictif <ul><li>Modèles mathématiques pour estimer la probabilité de donner à une action spécifique + don moyen : </li></ul><ul><ul><li>Récence(s) </li></ul></ul><ul><ul><li>Fréquence(s) </li></ul></ul><ul><ul><li>Montant(s) </li></ul></ul><ul><ul><li>Ancienneté </li></ul></ul><ul><ul><li>Typologie(s) </li></ul></ul><ul><ul><li>Thématique(s) </li></ul></ul><ul><ul><li>Source d’acquisition </li></ul></ul><ul><ul><li>Civilité, Département, … </li></ul></ul><ul><li>Exemple : Proba. Montant Espéré </li></ul><ul><li>M. Michel 10% 50 € 5,0 € </li></ul>

56.
Exemple <ul><li>Mailing de sollicitation </li></ul><ul><li>Sept donateurs dans la base </li></ul><ul><ul><li>M. Michel </li></ul></ul><ul><ul><li>Mme Raymond </li></ul></ul><ul><ul><li>Mme Dussolier </li></ul></ul><ul><ul><li>M. et Mme Martin </li></ul></ul><ul><ul><li>M. Le Nagard </li></ul></ul><ul><ul><li>Mlle Jeanus </li></ul></ul><ul><ul><li>M. Le Bon </li></ul></ul><ul><li>Qui solliciter? </li></ul>

57.
Exemple <ul><li>M. Michel </li></ul><ul><li>Mme Raymond </li></ul><ul><li>Mme Dussolier </li></ul><ul><li>M. et Mme Martin </li></ul><ul><li>M. Le Nagard </li></ul><ul><li>Mlle Jeanus </li></ul><ul><li>M. Le Bon </li></ul>

58.
Exemple <ul><li>Proba. </li></ul><ul><li>M. Michel 10% </li></ul><ul><li>Mme Raymond 3% </li></ul><ul><li>Mme Dussolier 6% </li></ul><ul><li>M. et Mme Martin 25% </li></ul><ul><li>M. Le Nagard 1% </li></ul><ul><li>Mlle Jeanus 0,8% </li></ul><ul><li>M. Le Bon 4% </li></ul>

59.
Exemple <ul><li>Proba. Montant </li></ul><ul><li>M. Michel 10% 50 € </li></ul><ul><li>Mme Raymond 3% 25 € </li></ul><ul><li>Mme Dussolier 6% 100 € </li></ul><ul><li>M. et Mme Martin 25% 40 € </li></ul><ul><li>M. Le Nagard 1% 30 € </li></ul><ul><li>Mlle Jeanus 0,8% 25 € </li></ul><ul><li>M. Le Bon 4% 500 € </li></ul>

60.
Exemple <ul><li>Proba. Montant Espéré </li></ul><ul><li>M. Michel 10% 50 € 5,0 € </li></ul><ul><li>Mme Raymond 3% 25 € 0,7 € </li></ul><ul><li>Mme Dussolier 6% 100 € 6,0 € </li></ul><ul><li>M. et Mme Martin 25% 40 € 10,0 € </li></ul><ul><li>M. Le Nagard 1% 30 € 0,3 € </li></ul><ul><li>Mlle Jeanus 0,8% 25 € 0,2 € </li></ul><ul><li>M. Le Bon 4% 500 € 20,0 € </li></ul>

61.
Exemple <ul><li>Proba. Montant Espéré </li></ul><ul><li>M. Le Bon 4% 500 € 20,0 € </li></ul><ul><li>M. et Mme Martin 25% 40 € 10,0 € </li></ul><ul><li>Mme Dussolier 6% 100 € 6,0 € </li></ul><ul><li>M. Michel 10% 50 € 5,0 € </li></ul><ul><li>Mme Raymond 3% 25 € 0,7 € </li></ul><ul><li>M. Le Nagard 1% 30 € 0,3 € </li></ul><ul><li>Mlle Jeanus 0,8% 25 € 0,2 € </li></ul>

62.
Scoring prédictif Collecte nette ROI

63.
Scoring prédictif <ul><li>Les donateurs sont classés sur une seule dimension, leur rentabilité espérée </li></ul><ul><li>Le nombre de critères utilisés est transparent </li></ul>

64.
Quelques critères intéressants <ul><li>Générosité </li></ul><ul><ul><li>U inversé </li></ul></ul><ul><li>Prénom </li></ul><ul><li>Réactivité aux sollicitations </li></ul><ul><ul><li>Mais information dans la base </li></ul></ul><ul><li>Réactivité à des thèmes/actions spécifiques </li></ul><ul><ul><li>Le meilleur est l’ennemi du bien </li></ul></ul><ul><li>Civilité </li></ul><ul><ul><li>Les hommes plus fidèles? </li></ul></ul><ul><ul><li>Qualité des données </li></ul></ul><ul><li>Timing dans l’année </li></ul>

65.
Scoring prénom

66.
Scoring prénom

67.
Scoring prénom

68.
Quelques challenges <ul><li>Réponse à un mailing spécifique? </li></ul><ul><ul><li>Pas de bulletin? </li></ul></ul><ul><ul><li>Décalage de 6 mois? Qui l’a provoqué? </li></ul></ul><ul><ul><li>Quand une sollicitation devient-elle inutile? </li></ul></ul><ul><li>Prédire quelque chose qu’on a jamais testé? </li></ul><ul><ul><li>Téléphone? </li></ul></ul><ul><li>… Prédiction d’une “appétence” sur une période </li></ul>

69.
Optimiser quoi? <ul><li>Taux de retour? </li></ul><ul><li>Don moyen? </li></ul><ul><li>Collecte brute? </li></ul><ul><li>Collecte nette? </li></ul><ul><li>Retour sur investissement / ratio de collecte? </li></ul><ul><li>Coût d’opportunité? </li></ul><ul><li>Valeur d’un donateur (Lifetime value)? </li></ul>

70.
Les modèles d’optimisation de la lifetime value Customer Equity and Lifetime Management

71.
Le Saint Graal…

75.
Merci ! Arnaud De Bruyn d e b r u y n @ e s s e c . f r