Marketing prédictif : data, machine learning et statistiques appliqués au marketing

Auteur(s) :

Trelohan, Magali (1982-....) Découvrir l'auteur

Résumé

Un guide pour utiliser le machine learning et les statistiques prédictives dans le domaine du marketing. La communication en interne, la notion de consommateur prévisible ou encore les effets de réputation en ligne sont au nombre des points abordés. Avec de nombreux exemples pour illustrer les propos. ©Electre 2022

Éditeur(s)
- Éditions ENI
Date
- C 2022
Langues
- Français
Description matérielle
- 1 vol. (301 p.) : ill., graph., fig., tabl., couv. ill. ; 22 cm
Collections
- Marketing book (Saint-Herblain)
Sujet(s)
ISBN
- 978-2-409-03679-8
Indice
- 655.5 Vente
Quatrième de couverture
- Marketing prédictif
  Data, machine learning et statistiques appliqués au marketing
  Prédire les comportements de ses cibles, voilà un voeu que tout professionnel du marketing aimerait réaliser. Le machine learning semble à cet égard plein de promesses. Il vient pourtant compléter la palette d'outils du marketing plutôt que la révolutionner.
  Cet ouvrage est destiné aux professionnels du marketing. Il va vous aider à démystifier le machine learning et les statistiques prédictives en vous expliquant comment les utiliser pour répondre à des problématiques
  concrètes liées à votre activité et vous permettre de réaliser vous-mêmes vos prédictions. Il vous apprendra également à les combiner avec les outils indispensables du marketing : l'écoute client et l'incitation à agir Le premier chapitre revient sur la notion de « consommateur prévisible » et pose ses limites.
  Le deuxième chapitre présente les méthodes pour analyser ses données, écouter ses clients et les inciter à agir
  Le troisième chapitre explique comment constituer sa base de données prospects et clients.
  Les chapitres suivants répondent à des questions concrètes en marketing : comment créer des persona ? Comment transformer ses prospects en clients ? Comment augmenter la valeur de ses clients ? Comment anticiper les effets de réputation en ligne ? Chacun de ces chapitres est organisé en trois parties consacrées à la prédiction data, à l'écoute client et à l'incitation.
  Enfin, le dernier chapitre vous donne des clés pour communiquer en interne sur ces outils.
  Les nombreux exemples présentés sont expliqués pas-à-pas, principalement dans un logiciel no-code nommé JASP qui est basé sur R, gratuit, simple et user-friendly.
  Ce livre est une excellente entrée en matière sur le sujet du marketing prédictif et un bon moyen de faciliter le dialogue entre data scientists et marketeux.
Tables des matières
- - Marketing prédictif
  - Data, machine learning et statistiques appliqués au marketing
  - Chapitre 1
  - Le consommateur, un être prévisible ?
  - A. Introduction11
  - B. Prédire, un fantasme humain ?12
  - 1. Prédire ou prévoir12
  - 2. Nostradamus : soyez flou !13
  - 3. La leçon de Paul le poulpe14
  - 4. La prédiction sous le coup de l'émotion16
  - 5. La prédiction qui joue sur les émotions de l'auditoire17
  - 6. L'infaillible investisseur qui avait 100 % de prévisions justes... ou l'art de manipuler !17
  - 7. Ce collègue qui « sent » le marché18
  - 8. L'imprévisible Front/Rassemblement national20
  - 9. Ces consommateurs si inconstants !21
  - 10. Le GIEC ou l'exemple à suivre : plusieurs scénarios et de la prudence22
  - 11. Synthèse23
  - C. La perspective rationnelle : homo economicus24
  - 1. La prise de décision rationnelle24
  - a. La reconnaissance d'un problème25
  - b. La recherche d'informations26
  - c. L'évaluation des options d'achat26
  - d. La consommation et/ou l'utilisation28
  - e. L'évaluation post-achat28
  - 2. Le rôle du marketing : convaincre28
  - a. Comprendre le problème28
  - b. Être visible dès la recherche d'informations29
  - c. Être le meilleur sur les deux ou trois critères clés pouf votre cible31
  - d. Penser la relation client lors de l'utilisation du produit31
  - e. Être bon dans la durée32
  - D. La perspective expérientielle : au-delà de la rationalité34
  - 1. Les facteurs « non rationnels » de l'expérience client36
  - a. Le rôle des émotions36
  - b. L'influence des autres41
  - c. L'environnement44
  - 2. Le rôle du marketing : créer une expérience positive et éthique47
  - 3. Le neuro-marketing pour mieux comprendre50
  - E. La perspective expérimentale : modifier l'environnement pour donner des coups de pouce51
  - 1. Les sciences comportementales : de la psychologie, de l'économie comportemental, des neurosciences et du marketing51
  - 2. Éduquer, récompenser, punir ou une autre voie ?52
  - a. Éduquer, expliquer, démontrer52
  - b. Récompenser et punir53
  - c. Une autre voie : modifier l'environnement54
  - d. En quoi tout cela peut-il bien intéresser le marketing ?54
  - 3. Le rôle du marketing : créer un environnement d'achat propice55
  - a. L'option par défaut55
  - b. Les normes sociales : qu'ont fait les autres dans la même situation ?56
  - c. Un petit engagement avant un plus grand58
  - d. Ne pas perdre plutôt que gagner60
  - e. Le poids des habitudes ou comment économiser ses ressources60
  - F. Conclusion62
  - Chapitre 2
  - Analyser, écouter, inciter
  - A. Analyser : étudier ses données67
  - 1. Les types de données67
  - a. L'angle du consommateur67
  - b. Par format : texte, chiffres, images, vidéo, etc70
  - 2. Le machine learning, pour quoi faire ?71
  - a. Principes basiques du machine learning72
  - b. Analyse sur des données quantitatives73
  - c. Analyse textuelle73
  - B. Écouter : entrer en empathie avec ses clients et prospects74
  - 1. « Se mettre à la place de » ou l'art de l'empathie74
  - 2. Conduire des entretiens individuels75
  - a. Préparer un guide d'entretien... pas un questionnaire75
  - b. Écouter et se taire77
  - c. Demandez des précisions quand cela est nécessaire78
  - d. Avoir du temps et respecter ce temps78
  - e. Lorsque l'enregistreur s'éteint78
  - 3. Conduire des entretiens de groupe79
  - 4. Analyser les données issues des entretiens80
  - a. Analyse thématique « à la main »80
  - b. Analyse statistique82
  - 5. Observer offline (points de vente, rue, lieux de consommation/usage)87
  - a. Observation non participante88
  - b. Observation expérimentale89
  - 6. Observer online90
  - a. Test A/B90
  - b. Mesure des expressions faciales (émotions)91
  - c. Eye-tracking, mouse-tracking et clic-tracking91
  - d. Mesures physiologiques et neuromarketing93
  - C. « Inciter » : donner des coups de pouce (nudges) pour atteindre ses objectifs94
  - 1. Diagnostic (à partir des éléments des parties A et B)94
  - 2. Identification du bon levier94
  - a. La faisabilité95
  - b. L'honnêteté95
  - c. La pertinence95
  - 3. Pré-test96
  - 4. Implémenter et évaluer96
  - 5. Analyser et améliorer97
  - Chapitre 3
  - Constituer sa base de données de prospection et de clientèle
  - A. Introduction101
  - B. Où en est votre relation avec vos contacts ?101
  - C. Constituer sa base de données prospects102
  - 1. Quelles données collecter ?104
  - a. Les données de prospection (online/offline) (first/second/third party)104
  - b. Le web scraping106
  - c. Open data107
  - d. Données de panel107
  - e. Données de tracking108
  - 2. Le respect de la vie privée108
  - a. Le RG PD108
  - b. Le cas des big data109
  - D. Constituer sa base de données clientèle109
  - 1. Structurer ses données109
  - 2. Faire un état des lieux de ses données110
  - 3. Les solutions techniques110
  - 4. Vision à 360° du client : DMP, data lakes110
  - a. Les data management plateform (DMP)111
  - b. Les data lakes111
  - c. Est-ce pour mon entreprise ?111
  - 5. Quelles données ?112
  - a. Les sources d'information en interne112
  - b. Type d'informations disponibles en interne113
  - 6. Le respect de la vie privée113
  - E. Nettoyer ses bases de données114
  - 1. Qu'est-ce qu'une base de données propre ?114
  - 2. Pourquoi « nettoyer » sa base de données ?115
  - a. Eviter la perte de temps115
  - b. Ne pas renforcer ou susciter de la résistance à une stratégie data-driven115
  - c. Faciliter la communication entre les différents outils de data115
  - d. Ne pas nuire à la relation client115
  - 3. Comment procéder ?116
  - a. Définir l'unité statistique d'analyse116
  - b. Adopter une logique de table117
  - c. Supprimer les variables inutiles118
  - d. Donner une clé unique à vos sujets118
  - e. Visualiser ses données118
  - f. Effectuer quelques tests statistiques basiques pour s'assurer que les variables soient bien définies119
  - g. Supprimer les doublons119
  - h. Nommer les variables de manière efficace122
  - i. Coder les variables de manière efficace122
  - j. Traiter les données manquantes125
  - k. Traiter les données anormales ou aberrantes (les outliers)126
  - Chapitre 4
  - Créer des personas : qui se ressemble s'assemble
  - A. Introduction129
  - B. Segmenter130
  - 1. Qu'est-ce qu'une segmentation efficace ?130
  - 2. Choisir ses critères de segmentation131
  - 3. Notre exemple : l'association de protection de l'environnement et les campagnes de recrutement133
  - 4. Créer des clusters134
  - a. Installation de JASP135
  - b. Importer notre jeu de données136
  - c. Les trois étapes pour créer des clusters et les comprendre137
  - d. Étape 1 : déterminer le bon nombre de clusters138
  - e. Étape 2 : définir les clusters152
  - f. Décrire les groupes pour faciliter le ciblage156
  - g. Profil complet des sympathisants - synthèse167
  - 5. Prédire le groupe de nouveaux prospects170
  - C. Définir des personas cibles170
  - 1. Comprendre les clusters par l'écoute clients170
  - 2. Imaginer un persona171
  - 3. Définir la bonne offre, le bon prix, le bon canal par cible172
  - Chapitre 5
  - Transformer ses prospects en clients
  - A. Prédire à partir des premières infos collectées175
  - 1. Le choix de la méthode statistique176
  - a. La régression linéaire176
  - b. L'arbre de décisions179
  - c. Les forêts aléatoires (random forest)180
  - 2. Mise en ouvre d'une régression par forêt aléatoire : déterminer le bon prix pour convertir un prospect en client181
  - a. Présentation du jeu de données181
  - b. La régression par forêt aléatoire182
  - 3. Limites de la prédiction statistique193
  - B. La psychologie du premier achat193
  - 1. Capter l'attention196
  - a. Les connaissances antérieures de votre marque197
  - b. L'implication dans la communauté de consommation ciblée : qui est ma cible ?197
  - c. Les actions marketing : media et hors media197
  - 2. Susciter l'intérêt et le désir ou développer une attitude favorable à l'égard de votre marque198
  - 3. Déclencher l'action199
  - C. Inciter : le coup de pouce du petit engagement (petit engagement > grand engagement)200
  - 1. L'engagement200
  - 2. La communication engageante201
  - 3. Technique d'engagement par escalade202
  - a. Le principe202
  - b. Les effets dans les requêtes en face à face et par téléphone202
  - c. Les effets dans les requêtes en ligne et dans les interactions avec des intelligences artificielles202
  - d. Les conditions de la réussite de la technique203
  - Chapitre 6
  - Augmenter la valeur de ses clients
  - A. Introduction207
  - B. Prédire à partir des informations du portefeuille client208
  - 1. Anticiper l'attrition des clients : quels clients risquent de nous quitter ?208
  - a. Présentation du jeu de données208
  - b. Mise en oeuvre de la méthode de classification K-nearest neighbor210
  - c. Mise en ouvre de la prédiction220
  - 2. Quels produits proposer en vente complémentaire ?222
  - a. Le cross-selling222
  - b. Logique du cross-selling automatisée224
  - c. Mise en ouvre : Association Rule Mining (ARM) ou Market Basket Analysis226
  - 3. Pour quels clients intensifier l'effort commercial ?242
  - a. La méthode 20/80 ou ABC :242
  - b. La lifetime Value (LTV) ou valeur-vie du client245
  - 4. Quel produit lancer sur le marché ? Quelle interface web sera la plus efficace ? Quel message sera le plus impactant ?247
  - a. Définition des deux alternatives247
  - b. Définition des metrics248
  - c. Implémentation du test/contrôle des biais/échantillon248
  - d. Analyse des résultats248
  - C. La psychologie de la fidélité249
  - 1. La satisfaction par la Conception à l'Ecoute du Marché249
  - a. Les trois niveaux de qualité249
  - b. Qualité perçue et qualité attendue250
  - 2. L'inertie251
  - D. La psychologie de l'attachement à la marque252
  - 1. L'attachement (identité de soi/identité de marque)252
  - 2. Exprimer qui l'on est à travers la marque : les comportements associés à l'attachement (recommandation, défense...)253
  - Chapitre 7
  - Anticiper les effets de réputation en ligne
  - A. L'analyse de données textuelles257
  - B. Extraire des tweets258
  - C. Analyser ce que votre communauté dit267
  - 1. Les méthodes d'analyse268
  - 2. Analyser les tweets pour adapter sa communication en situation de crise : la classification non supervisée (R.ternis)270
  - a. Analyse descriptive des données273
  - b. Classification277
  - 3. Analyse les attentes d'une communauté pour adapter ou créer son offre : analyse textuelle en No-Code283
  - Chapitre 8
  - Communiquer en interne ou l'art de la persuasion
  - A. La pédagogie transversale sur les données et la psychologie du consommateur291
  - 1. Communiquer sur les données291
  - a. Le « dernier mile » de la donnée vers l'action291
  - b. Data storytelling292
  - c. Data visualisation294
  - 2. Communiquer sur la psychologie du consommateur294
  - B. La résistance des équipes de terrain : quelques solutions295
  - 1. Les prédictions contre-intuitives elles idées reçues295
  - 2. La légitimité : terrain vs bureau295
  - 3. Impliquer les équipes296
  - Index297
Origine de la notice:
- Abes ;
- Electre