Réponse incrémentale

Wiki

(Définition communautaire : Wikipédia)

« Uplift » (Levier en français) désigne une génération de modèles statistiques employés en marketing quantitatif pour détecter les populations des consommateurs sensibles à une offre commerciale. Pour les opérations de marketing ciblées, « uplift » aide à identifier les groupes de personnes étant susceptibles de répondre positivement à une sollicitation marketing. Cette démarche permet de sélectionner les clients/prospects indécis plutôt que les meilleurs, il raisonne sur le gain marginal espéré à contrario du gain espéré dans l’analyse prédictive standard.

Généralité

D'une manière générale, le modèle uplift est un moyen de prédire, avec un certain taux d'erreur, l'impact d'une action sur le comportement de quelqu'un. Par exemple la méthode permet de connaître la probabilité de changement de comportement d'achat d'un groupe de personnes après une campagne marketing direct. C'est une technique d'exploration de données nouvellement appliquée dans les services financiers, les télécommunications et les industries du marketing direct de la vente au détail pour les activités d'up-sell, de vente additionnelle (« cross-sell »), de churn et de fidélisation.

Point de vue d'expert

Expert

Uplift Modeling– Comment améliorer l'impact de vos efforts marketing ?

L'uplift modeling propose une « réponse incrémentale », qui vise à ne cibler que les clients « sensibles », c'est-à-dire, les plus susceptibles de réagir à une sollicitation commerciale. Revivez cette rencontre en partageant le récit d'une success story d'un opérateur de téléphonie mobile. Greffée sur le processus habituel de rétention client de l'opérateur, l'uplift a permis d'améliorer de 40% le résultat d'une campagne de réengagement.

Il y a quelques semaines, ma collègue Audrey nous rappelait que pour optimiser sa dernière campagne électorale, Barak Obama avait fait appel à la technique de l’Uplift ! Eric Siegel, un des papes sur le sujet, nous a raconté comment cela était possible. Décidément, cette campagne américaine 2012 aura été l’illustration que les techniques d’analyse les plus adaptées peuvent grandement faciliter les actions de communication, même celles des plus grands de ce monde !

Plus près de nous, quel responsable marketing n’a pas imaginé obtenir -au moins une fois dans sa carrière- 100% de retours positifs d’une campagne de communication ? S’octroyant au passage les lauriers du succès qui seraient forcément dus, dans ce cas, aux judicieux choix de l’offre et du package promotionnel…

Et le ciblage, non ? Parmi les bons ingrédients à la recette du succès, il est indispensable de passer suffisamment de temps pour identifier la méthode la plus adaptée au contexte proposé. Surtout que l’investissement pour y parvenir n’est pas si grand, comparativement aux sommes dépensées dans les autres postes nécessaires à l’élaboration des campagnes marketing. Une bonne équipe de chargés d’études ou un bon prestataire, un bon outil analytique, des méthodes adaptées, de bonnes données. Alors pourquoi cet objectif s’apparente souvent à la quête du Graal pour nombre d’interlocuteurs, et ne peut s’envisager sans casser d’œufs ?

Les stratégies de ciblage ​​classiques sont efficaces pour identifier les clients intéressés par le produit, l’offre, le service. Mais très souvent, ces clients auraient acheté indépendamment du fait qu'ils aient reçu LA promotion. Dans de tels cas, l'impact différentiel est insignifiant, et le budget marketing aurait pu être dépensé autrement. Pire, l’approche de ciblage classique peut amener certains clients, ayant un profil identique à ceux en appétence avec le produit, à avoir le comportement inverse de celui recherché : ces clients peuvent alors se plaindre, décider de se désabonner ou de ne plus commander et devenir inactifs définitivement.

Depuis quelques temps, il existe un réel engouement de la part de certaines directions marketing pour la méthode de l’Uplift. Net Lift, Réponse incrémentale, True Response Modeling, Uplift, autant de termes (il en existe une quinzaine) utilisés pour décrire une approche similaire. Car l’Uplift Modeling est plus qu’une méthode, elle recouvre plusieurs méthodes possibles.

Cette technique a pourtant déjà plus de 10 ans d’existence. Pourquoi ce regain d’intérêt ? Les modèles incrémentaux sont conçus pour corriger le biais évoqué précédemment, en cherchant à maximiser l'impact marginal, en ciblant les clients indécis qui peuvent être motivés par l’action marketing, et seulement eux. Ce regain d’intérêt s’explique aussi parce que les outils développés aujourd’hui permettent d’appliquer ce type de méthodes plus simplement, plus rapidement, de manière plus aboutie et avec des résultats concluants. Et puis la crise est passée par là, et s’il est possible de mieux cibler pour augmenter les marges sans tout changer, qui n’est pas preneur ?

Pour développer ce type de modèles, il est indispensable de créer des échantillons de contrôle. Cela fait partie des bonnes pratiques de mesure et ciblage en marketing. Ces échantillons permettent de mesurer l’efficacité des actions de marketing relationnel, de détecter leurs éventuels impacts négatifs et d’améliorer ce fameux ciblage. C’est un des prérequis, il y en a d’autres liés à la nature des variables prises en compte et à la volumétrie des données.

Chez SAS, nous suivons cette approche depuis ses débuts, et nous nous sommes entourés de spécialistes pour en parler : Kim Larsen et Terry Woodfield en font partie. Terry est d’ailleurs venu récemment en France pour échanger avec nos consultants. Et nous nous appuyons aussi sur nos partenaires, comme Lincoln qui a exposé l’approche lors du dernier SAS Forum. Pour développer ces modèles, SAS met à disposition de ses utilisateurs différents algorithmes basés sur cette approche, accessibles à travers des macros procédures ou bien notre interface de data mining. Les méthodes disponibles reposent sur la modélisation par régression, ou par les méthodes dites Naïve Bayes ou KNN. Le choix est réel.

Un modèle Uplift donne ses meilleurs résultats lorsque les canaux de contacts sont intrusifs et entraînent un risque fort de mécontentement des personnes sollicitées (via un centre d'appel, un SMS, un emailing). L’approche est intéressante aussi parce qu’elle peut être menée dans différents secteurs d’activité : les télécommunications, les industries du marketing direct, les services financiers etc. Et pour des problématiques variées : up-selling, cross-selling, churn ou fidélisation. Autant de domaines d’application  qui devraient amener à davantage populariser cette technique.

Eric Vessier
Consultant avant-vente, SAS France

Accompagnement

INBOX

La réponse incrémentale : une modélisation destinée à optimiser le ROI des campagnes MD

Damien GARROUSTE expert en marketing analytique et Directeur de Projet datamining chez Lincoln

Principes et fondements de la méthode :

Les équipes de marketing analytique apportent une aide au ciblage en construisant des scores (appétence, attrition), notamment sur une campagne initiale effectuée sur une cible large et représentative de l’ensemble du portefeuille.
Ainsi, des niches de clients appétents ou risqués sont identifiées et guident donc le ciblage de la future campagne. Définir les ciblages suivant cette seule stratégie revient à commettre l'erreur de se focaliser sur des populations qui souscrivent certes plus, mais qui auraient souscrit de toutes manières naturellement. Or, le ROI d'une campagne réside avant tout dans sa capacité à produire ou à sécuriser un chiffre d'affaires incrémental par la réalisation d’actes (ventes, réengagements, abonnements …) additionnels. Dans ce contexte l’approche traditionnelle de scoring n’est pas optimale, en ce qu’elle va ne pas discriminer parmi ceux qui souscrivent le plus ceux qui l’auraient fait, stimulation ou pas.
L’approche de la réponse incrémentale rompt alors avec l’orientation historique de recherche du meilleur lift ; en effet plutôt qu’orienter les futurs ciblages par un score (et un lift) vers les cibles qui souscrivent le mieux (meilleur taux de retour, meilleur taux d’attrition), le score « uplift » vise à opposer les profils de cibles qu’on qualifiera « d’influençables » à celles qu’on qualifiera de « à ne pas réveiller ».

Lire la suite de l'article

La parole à l'utilisateur

1-800-flowers.com

1800Flowers.com

Lors de SAS Global Forum 2012, 1800Flowers.com a présenté les concepts standard, bénéfices et enjeux de l’implémentation de modèles Net Lift dans ses campagnes de marketing direct.

Ces modèles permettent de prédire quels types de population seraient les plus à même de concrétiser un achat si une action marketing était menée à leur attention. La modélisation a été réalisée avec la régression logistique « stepwise » proposée dans SAS® Enterprise Miner™.

Vous y trouverez des exemples où les modèles prédictifs de type Net Lift ont mis en évidence les différences entre le panel d’acheteurs et le panel témoin, et ont aidé à distinguer les segments de clients qui agiraient sous l’impulsion d’un contact marketing de ceux qui achèteraient sans cette stimulation.

Télécharger le PDF

Les Journées de Statistique (JdS)

SFDS

Chaque année depuis 1970, les Journées de Statistique, congrès annuel de la SFdS, constituent la plus importante manifestation scientifique du monde statistique francophone. Elles réunissent à chaque édition, sur une durée de cinq jours, plus de 500 chercheurs, enseignants et praticiens. Depuis leur création, les Journées de Statistique se sont tenues en France (Bordeaux 2009, Marseille 2010, Toulouse 2013, Rennes 2014), mais aussi en Belgique (Bruxelles 1982, 1992 et 2012, Bruxelles et Louvain-la-Neuve 2002), en Tunisie (Tunis 2011), au Canada (Québec 1996, Ottawa 2008), au Maroc (Fès 2000), en Suisse (Lausanne 1987, Neuchâtel 1994).

Rendez-vous incontournable de la communauté, elles constituent un véritable carrefour entre théorie et applications, entre monde académique et monde industriel, entre jeunes doctorants ou professionnels et chercheurs de renommée internationale.
Chaque jour, 3 à 6 conférenciers invités présentent les dernières nouveautés de la recherche statistique, théorique et appliquée, lors de sessions plénières ou semi-plénières. A celles-ci s’ajoutent deux à trois plages horaires de 1h30 chacune, permettant de programmer plusieurs sessions parallèles de communications orales ou de tables rondes.

Lors des Journées de Statistique, la SFdS décerne différents prix et distinction : suivant les années, le Prix Norbert Marx à un jeune statisticien francophone pour récompenser des travaux de méthodologie statistique appliquée aux domaines de la santé, le prix Pierre-Simon de Laplace honorant un statisticien francophone confirmé pour l’ensemble de ses contributions à la Statistique ou le prix Marie-Jeanne Laurent-Duhamel, destiné à valoriser la qualité du travail de thèse d'un jeune statisticien francophone. L’ouverture des Journées se fait traditionnellement par la Conférence Lucien Le Cam créée à la mémoire de ce grand statisticien.

Les éditeurs de livres et de logiciels sont présents aux Journées notamment par des stands sur lesquels ils proposeront des démonstrations et abonnements attractifs.

Pour aller plus loin, deux films d’une dizaine de minutes reprennent quelques moments-clés des JdS’2012 ou JdS’2013, il est aussi possible de consulter les actes des éditions les plus récentes des Journées sur leur site respectif.

Bonne découverte !

Retour en haut