Collection
La différence entre segmentation et clustering
Collection :
Dans le marketing prédictif, le terme « clustering » est fréquemment utilisé. C'est la version « marketing prédictif » de la segmentation. Au lieu de regrouper des personnes, le clustering identifie simplement ce qu'elles font la plupart du temps. Cette information nous permet de prédire ce que les clients sont susceptibles de faire sans les enfermer dans des groupes rigides.
La segmentation est le processus consistant à regrouper les clients en fonction des similitudes. Le clustering est le processus consistant à rechercher des similitudes chez les clients afin de les regrouper, et donc de les segmenter. Ces deux approches semblent similaires. Toutefois, elles ne sont pas tout à fait identiques.
Confus ? Laissez-moi vous en dire plus.
Segmentation
Lorsque vous segmentez, vous savez qui cibler. Si je vends une petite robe noire coûteuse, je veux cibler les femmes dont le revenu familial annuel est élevé. Dans ce cas, je définis les limites du groupe : les femmes qui gagnent plus de 100 000 $ et ont acheté des articles similaires dans cette catégorie de produits. Il est naturel de supposer que ce groupe peut acheter les robes de mon magasin.
Identifier et regrouper les clients qui sont des femmes à hauts revenus est un processus de segmentation. C'est important, car les personnes situées en dehors de ce segment ne peuvent probablement pas se permettre d'acheter une robe à 1 000 $. Il est donc logique de personnaliser mon marketing pour ce segment.
Mais ce segment est encore assez important et tout le monde n'achète pas ce type de robe. Que se passe-t-il si j'ajoute une dimension supplémentaire pour augmenter la précision, par exemple l'âge ? D'après mes données, je vois que les femmes commencent à acheter des robes de créateurs après 21 ans. (Mon analyste m'indique que c'est à ce moment-là que les étudiantes diplômées commencent à passer des entretiens d'embauche.) Donc, pour affiner mon segment, je supprime les femmes de moins de 21 ans. Mais à nouveau, dans ce segment maintenant affiné, tout le monde n'achète pas ce type de robe. Qu'en est-il de la localisation ? Je trouve que seules les femmes âgées de plus de 21 ans et qui habitent sur la côte Est des États-Unis achètent cette robe. Je supprime donc les femmes qui ne vivent pas sur la côte Est. L'idée est d'affiner le segment jusqu'à arriver à un segment unique - le Saint Graal du marketing. Mais pour affiner son segment, de combien de caractéristiques dispose un marketeur ?
| Si vous ne disposez pas de types de données tels que l'âge, le revenu, l'adresse ou le sexe,Acquia Customer Data Platform peut vous aider à les obtenir. |
Avec la démocratisation du big data, les marketeurs disposent désormais de centaines d'autres caractéristiques : préférence de marque, préférence de remise, n'achète que des robes, temps passé sur le site, comportement de navigation, durée de l'appel, etc. Certaines de ces caractéristiques n'ont aucune corrélation avec le comportement d'achat. D'autres sont liées au comportement d'achat et sont également liées entre elles de différentes manières. Il n'est tout simplement pas possible pour une personne de consulter des centaines de types de données, en trouvant des relations entre chacun d'eux.
C'est là que vous utilisez le clustering.
Clustering
Le clustering est le processus consistant à utiliser le machine learning et des algorithmes pour identifier la façon dont différents types de données sont liés. Il est alors possible de créer de nouveaux segments basés sur ces relations. Le clustering trouve la relation entre les points de données de façon à ce qu'ils puissent être segmentés.
Dans la maquette de cluster suivante pour mes clientes en robe noire, nous voyons que beaucoup de femmes ont acheté une robe au cours des deux premiers mois de l'année et étaient au début de la vingtaine. (Mon analyste n'a pas réussi à comprendre pourquoi. Je suis très déçue...)
J'ai utilisé trois dimensions ici. Toutes ces clientes ont effectivement acheté une robe. [Acquia Customer Data Platform (CDP) examine des centaines de dimensions.]
Le clustering des données m'a aidé à découvrir un nouveau segment de clients et leur comportement d'achat. La CDP applique des modèles de clustering et des centaines d'autres comme ceux-ci à des centaines d'ensembles de données pour prédire la probabilité d'achat d'un client.
Pour découvrir d'autres façons d'utiliser une plateforme de données client pour organiser et activer vos données, consultez notre e-book.
Former Senior Director, Product Marketing Acquia
