Voilà , les données clients sont prêtes, passons aux premières analyses. Tout le monde a un a priori sur son client moyen. Cette première étude permet de vérifier si ce préjugé est justifié. Excel, une maîtrise de ses tableaux croisés dynamiques et des filtres aideront grandement à la production de cette analyse.

Les étapes :

1. Prendre une des données de profil disponibles : âge, sexe, code postal, revenus etc…
2. Dénombrer le nombre de clients selon chaque valeur que ce champ prend (c’est là  où le tableau croisé dynamique est utile).
3. S’il s’agit de valeurs numériques comme l’âge, regrouper les clients en tranches (0-18, 18-25, 25-34, 35-50, 50-59, >60). Préférer le regroupement en tranches plutôt qu’une moyenne, la moyenne cache souvent des écarts. Il n’est pas bon de croire que son client moyen a 45 ans, alors qu’en réalité il a soit 25 ans, soit 65…

A ce stade, on se retrouve avec quelques camemberts et graphiques qui permettent déjà de savoir si le client ressemble à l’image que l’on s’en faisait. Si c’est le cas, formidable, ne changez rien. Sinon, cela engendre quelques questions : votre discours colle-t-il avec le profil de vos clients ? Votre offre est-elle adaptée à  cette clientèle ? Un exemple de rectification possible : tutoyer des adultes accomplis et leur parler comme à  des ados n’est peut-être pas une bonne idée. Savoir que ses clients sont plus âgés que ce qu’on a en tête permet de trancher la question en toute connaissance de cause.

On peut argumenter : “mais si mon offre ou mon discours est si inadapté, pourquoi ces clients sont-ils venus tout de même ?” Bonne question, et on complètera par une autre question : “avec une offre qui colle mieux aux attentes de cette clientèle, ne serait-il pas possible d’avoir beaucoup plus de clients de ce profil ?” La réponse n’est pas toute trouvée, et je laisse le lecteur se dépêtrer avec la réponse à apporter. Mais ce n’est déjà  pas mal de poser les bonnes questions, non ?

Si l’on constate de fortes disparités dans les profils clients, il est intéressant de croiser les données pour établir si ces disparités sont corrélées entre elles. Pour cela :

• Prendre le type de données sur lequel les disparités sont les plus fortes ;
• Isoler les clients des tranches ou valeurs les plus représentées ;
• Sur chaque tranche ou valeur, reproduire l’analyse depuis le début, c’est-à-dire établir le profil complet sur cette sous-population.

Il est fort probable qu’on constate que 2 populations très différentes sur un élément de profil le soient également sur d’autres (sexe différent, localités différentes…). Pas de chance alors, il va falloir commencer à apporter des réponses adaptées à ces 2 populations… Bref, faire 2 fois le boulot pour produire 2 offres et 2 discours pertinents. Quand on vous disait que le CRM coûte vite cher… Il fait surtout prendre conscience de l’utilité de personnaliser son approche.

Profil client contre profil prospect : analyse de la distorsion

S’il vous est possible de distinguer les clients des prospects, je vous conseille cette étude. Elle répondra à la question : votre stratégie d’acquisition cible-t-elle les bonnes personnes ? Pour cela il faut produire l’analyse sur le profil des membres en base de manière distincte sur la base prospects et la base clients. Ramener tous les chiffres sur une base 100 puis comparer les données comme ci-dessous.

Analyse de distorsion entre les profils Prospects et Clients

La distorsion indique si la tranche d’âge est surreprésentée parmi les clients par rapport à sa proportion parmi les prospects. Ainsi dans cet exemple, il y a 4 fois plus de personnes supérieures à  60 ans parmi les clients que parmi les prospects, et 4 fois moins de mineurs parmi les clients que parmi les prospects. Ce n’est pas bon signe, car cela veut dire que les prospects sont très différents de vos clients réels. Bref que la méthode d’acquisition est à  côté de la plaque et se trompe de cible. Il ne fallait pas recruter par jeux concours 🙂

Essayez de conserver une distorsion comprise entre 0,5 et 2 est un objectif raisonnable. On fait une pause puis on enchaîne avec les analyses comportementales.