Un premier profil des clients et des prospects est établi ? On peut passer aux analyses comportementales. Celles-ci vont vous permettre d’identifier vos meilleurs clients et leur comportement d’achat. Encore une fois, Excel et les tableaux croisés dynamiques seront utiles.
Transformer les données d’achats en données clients
Sans être devin, il est facile de parier que vos données comportementales ne sont pas organisées par clients, mais plutôt par achats, ouverture, clics, retours coupons… Bref, que l’information client est cachée dans une information transactionnelle. Un exemple e-commerce ci-dessous :
Exemple de données transactionnelles e-commerce
Les données sont ici triées en fonction de l’ID_commande. Le but est qu’un identifiant client devienne la clé d’entrée, et de regrouper tous les achats d’un même client en face de cet identifiant. A nouveau, les tableaux croisés dynamiques vont être à l’honneur. Grâce à eux, la donnée doit ressembler par exemple à ceci :
Exemple de données transactionnelles e-commerce transformées en données clients
Si l’on dispose d’une adresse e-mail (ou d’un numéro de téléphone), il est plus rapide d’en faire l’identifiant client pour une première analyse. Les prénoms comme les noms ne sont pas assez fiables. On pourrait prendre le couple Prénom/Nom mais cela nécessite plus de manipulations. Si on ne peut acheter qu’en ligne, un identifiant client lié à un espace perso du site est l’idéal, car il est immuable même si le client change d’adresse e-mail, A CONDITION que cet identifiant client se retrouve dans toutes vos bases de données… Honnêtement, l’adresse e-mail, c’est un moindre mal 🙂
A quoi sert l’analyse clients ?
- A identifier d’un coup d’oeil les meilleurs clients, et leur nombre. Et ainsi vérifier ou non la règle des 80-20 : 80% des revenus sont issus de 20% des clients. Si c’est le cas, prévoir des conditions préférentielles pour les meilleurs clients est une idée à creuser.
- A connaître la fréquence d’achat des clients. Dans notre exemple, est-ce normal qu’un seul client ait acheté à plusieurs reprises ? Vu la nature de l’achat et les faibles montants, cela semble un point critique. Manifestement, une part de l’expérience clients déçoit.
Exemple de données clients e-commerce agrégées
Attention, ne pas croyez que la majorité des clients achète plusieurs fois, ce n’est généralement pas le cas avant l’arrivée du CRM et/ou d’une présence sur Internet incontournable. Mais un bon mix produit fidélise souvent déjà beaucoup par lui-même.
On continue avec une analyse de la réactivité e-mail.