Mon compte Devenir membre Newsletters

Bayard-Presse analyse les besoins de ses abonnés

Publié le par

Le projet data mining lancé par Bayard-Presse s'est attaché à mettre en évidence des modèles typologiques afin d'affiner les besoins et les comportements de ses clients.

Le projet data mining a démarré en 2002 avec comme point de départ, la base de données marketing historique de l'entreprise, elle-même copie de la base de gestion, accouplée avec la BDD issue de la vente par correspondance. I. objectif était soit de faire des analyses, soit de réaliser de la sélection d'adresses avec des critères de segmentation appropriés. Mais, selon Bayard-Presse, le résultat n'était pas suffisamment satisfaisant car cette base n'était pas assez exploitable. «En 2002, nous nous sommes dits que les techniques de data mining allaient nous permettre de construire des modèles capables d'optimiser l'utilisation de notre BBD marketing en termes de ciblage et de fidélisation. Nous avions deux possibilités: soit nous achetions une solution progicielle en recrutant une personne pour utiliser cet outil, soit nous collaborions avec un partenaire, en l'occurrence Soft Computing, pour mener le projet. La seconde solution a retenu notre attention», explique Philippe Van Mastrigt, directeur projet et développement.

Le projet démarre en s'appuyant sur une association avec Soft Computing en charge de la réalisation des études, sachant que chaque service de Bayard-Presse possédait sa propre problématique pour identifier les besoins de ses abonnés de manière précise. Le projet a donné naissance à un modèle typologique qui fut généralisé. Il consiste à diviser entre 10 et 20 groupes une population avec un profil donné. «A titre d'exemple, concernant le secteur jeunesse, nous avons des groupes, parmi les abonnés actifs, qui vont avoir un comportement de monoacheteurs, ou d'acheteurs dit «matures» ou de superclients», souligne Philippe Van Mastrigt. Ainsi, chaque marché de l'entreprise dispose de sa propre typologie, permettant de bien identifier la valeur des clients, en termes de prospection, mais aussi en termes de réabonnement et donc en fidélisation. «Ce modèle établi grâce au data mining est devenu très robuste et nous permet d'approcher tous les aspects marketing que nous devons couvrir. Autrement dit, avec lui nous pouvons répondre à des questions telles que: dois-je augmenter ma pression commerciale, dois-je faire du cross selling, etc.?», poursuit Philippe Van Mastrigt. L'ensemble des utilisateurs marketing s'appuient aujourd'hui sur les modèles définis, sachant que les typologies sont considérées comme stables. «Néanmoins, si l'on s'aperçoit que nos typologies ne répondent pas assez bien à nos besoins, rien ne nous empêche de développer d'autres modèles spécifiques», souligne Nicolas Papadopoulos, responsable du service analyse et sélection.

Depuis quatre ans, le groupe de presse s'est attaché à construire une politique marketing relationnelle à partir de typologies. La première phase fut consacrée à orienter les plans de prospection interne sur la base des valeurs des typologies, en réduisant ou en favorisant de nouveaux potentiels. «Aujourd'hui, nous n'avons plus de prestation récurrente avec Soft Computing puisque nous sommes devenus autonomes. Notre énergie n'est plus orientée sur le data mining, mais sur l'utilisation des modèles au travers des groupes typologiques», remarque Philippe Van Mastrigt. Les gains constatés se sont notamment concrétisés par une rationalisation des campagnes d'e-mailing. Autrement dit, plus de 100 000 messages ont pu être économisés sur une année. «D'une façon générale, les bénéfices issus de l'utilisation du data mining sont difficilement quantifiables car ils sont noyés dans l'activité générale de l'entreprise», conclut Philippe Van Mastrigt.

«Le modèle établi grâce au data mining est devenu très robuste et nous permet d'approcher tous les aspects marketing que nous devons couvrir.»


Nicolas Papadopoulos et Philippe Van Mastrigt, Bayard-Presse