AVIS D’EXPERT COHERIS – Didier Gaultier, Directeur Business Unit Data Mining chez Coheris et professeur de marketing prédictif à l’EPF, réagit sur les changements qui animent le monde du Data Mining et du marketing prédictif.

La nécessité de prédictif à tous les niveaux s’accompagne-t-elle de nouveaux usages ?

Le mot prédictif est restrictif, les usages peuvent aussi faire partie de ce qu’on devrait appeler le marketing descriptif, tout en restant dans le domaine du Data Mining. Le descriptif peut être fait par des enquêtes, des analyses descriptives, avec toutes les interprétations des comportements qui suivront. Aujourd’hui, la vie des gens est devenue plus complexe et beaucoup plus riche. Des besoins spécifiques aux métiers sont aussi apparus. Les besoins en matière de « services à la personne » par exemple ont littéralement explosés dans les 5 dernières années.

Les comportements se sont beaucoup diversifiés, eux-aussi. Nous parlions auparavant de la ménagère de moins de 50 ans. C’était un cliché. Mais de nos jours, c’est un cliché qui n’a plus aucune réalité. Dans le monde moderne, le facteur homme/femme par exemple n’est plus, à l’exception près des produits cosmétiques ou spécialisés,  un critère suffisamment fort, pour se permettre de différencier les messages marketing.

Comment ces changements se traduisent-il en Data Mining ?

La réalité s’est complexifiée et il a fallu s’adapter. De nombreux critères qui paraissaient être forts, comme la CSP ou l’âge, et qui étaient ceux principalement employés en ciblage marketing, ne peuvent plus être utilisés tels quels aujourd’hui. Vous ne pouvez plus le faire non seulement pour des raisons éthiques, mais surtout parce que cela n’a plus aucun sens ! Des personnes qui n’ont pas de gros moyens peuvent être amenées à faire des dépenses importantes à un moment de leur vie, même s’ils doivent s’endetter fortement, parce que cela correspond à un besoin particulier. Ces comportements en fonction de l’étape de la vie ne correspondent généralement pas au comportement-type « cliché » traditionnellement attendu.

« Il devient donc très difficile de faire jouer l’intuition »

En ce sens, vous ne pourrez pas faire de prédictif, si vous n’avez pas fait un bon descriptif avant. C’est une des règles du Data Mining qui a parfois du mal à être admise par les professionnels. Il faut « comprendre » les données. Cela rend nécessaire de passer par une phase descriptive très avancée.

Comment s’articulent la partie descriptive et la partie prédictive du marketing ?

En Data Mining, le descriptif permet de répondre à la question « pourquoi ? ». Les données à l’état brut sont incompréhensibles, car elles sont très vastes et composées de nombreux formats différents. L’entreprise peut avoir beaucoup de mal à les utiliser.  Vous pouvez transformer ces données en informations, qui permettent d’avoir des ordres de grandeurs, des tableaux de bord, des idées… mais cela ne vous permet toujours pas de comprendre  « pourquoi ». Seul le Data Mining descriptif va vous apporter les outils, parfois en faisant appel à des connaissances spécialisées, comme par exemple la Finance. C’est pourquoi il faut souvent aussi avoir une casquette d’expert métier. La diffusion du marketing prédictif se joue également à ce niveau-là.

C’est cette analyse descriptive seule qui rend en effet possible les calculs prédictifs. Et le rapport de temps entre l’un et l’autre est énorme. C’est une loi de Pareto : 80% du temps est utilisé pour faire du descriptif et seulement 20% pour le prédictif.

« Au final, le prédictif est un peu la cerise sur le gâteau, le dernier résultat de la statistique et la partie apparente de l’iceberg »

**

Retrouvez les 10 points clefs du Marketing Prédictif décortiqués par Didier Gaultier (cliquer ici)