© SOCIO 2014

Optimiser les achats croisés sur

internet grâce au marketing

prédictif

Thierry Vallaud & Cédric Hervet

Le 23 septembre 2014

Une société du groupe

01

© SOCIO 2014 2 Une société du groupe

Agenda

Qui sommes nous ? p.3

Une recherche fondamentalement appliquée p.4

Définir la cooccurrence p.5

La théorie de graphes p.10

Conclusions p.19

01

© SOCIO 2014 3 Une société du groupe

Nous sommes SOCIO, filiale de

NP6 est un groupe leader dans le CRM multicanal et le marketing prédictif

SOCIO est sa filiale « data sciences »

Depuis le regroupement des deux entités nous avons crée une offre de DMP

marketing GeckoData® dans laquelle nous insérons des modules de scoring via

l’interface EMA :

Cette offre de marketing prédictif « on line » et en « mode SaaS » se

développe peu à peu :

D’abord des scores d’appétence (propension, réactivité)

Des scores de risques (désabonnement, plainte…)

Et un nouveau module de cooccurrence d’achat

Qui sommes nous ?

01

© SOCIO 2014 4 Une société du groupe

Une recherche rapide de 3 mois

Un partenariat avec l’ESTI et Dauphine

Une recherche basée sur des fondamentaux théoriques éprouvés :

Sociologie des réseaux Source

Théorie des graphes Source

Analyse du panier la ménagère Source

Comportement du consommateur Source

Des résultats probants directement tournés vers des applications marketing

opérantes

C’est le savoir-faire historique des équipes de SOCIO qui couplé à celui de NP6

crée une nouvelle offre en ligne

Une recherche fondamentalement

appliquée

01

© SOCIO 2014 5 Une société du groupe

DÉFINIR LA COOCCURRENCE

01

© SOCIO 2014 6 Une société du groupe

Pour optimiser l’achat croisé il faut d’abord :

Trouver dans un même panier :

Les produits achetés ensemble

Trouver dans plusieurs paniers successifs :

Les produits qui se complémentent

L’objectif étant de proposer à ses clients les bons produits, les plus susceptibles d’être

achetés avec la bonne offre au bon moment.

La cooccurrence peut s’appliquer au panier mais aussi à des pages web portant ou

non des produits, des offres de couponing sortie caisse, des enchainement

d’emails…

De quoi s’agit t-il ?

01

© SOCIO 2014 7 Une société du groupe

L’analyse du panier de la ménagère existe depuis les années 90 (les couches et la

bière) :

Elle traite la cooccurrence d’achat principalement

Les algorithmes

Certains ne tiennent pas compte du temps

Apriori

GRI

D’autres tiennent compte du temps : achat en premier puis dans une

date ultérieure de l’achat en second : séquence, Carma

Ce qui est nouveau c’est que nous pouvons embarquer ces analyses dans une

plateforme distante : GeckoData pour les faire tourner sur vos données et en plus

apporter de nouvelles techniques plus performantes.

Ce n’est pas nouveau mais…

01

© SOCIO 2014 8 Une société du groupe

LA THÉORIE DES GRAPHES

01

© SOCIO 2014 9 Une société du groupe

Dans une matrice qui croise 15 000 produits X 15 000 produits mais pour les produits

achetés plus de 10 fois : plus de trous dans la matrice que de cooccurrences.

Les modèles n’aiment pas les trous, il faut détecter les « fameux » signaux faibles

Il faut contourner ce caractère « creux », être signifiant

Les règles sont complexes et peu visuelles : il faut faciliter la compréhension simple

On cherche à travailler au niveau le plus fin (produit), pour les regrouper sur la base

des cooccurrences observées sans tomber dans des règles « évidentes »

On cherche un outil de visualisation synthétique de ces cooccurrences pour l’aide à

la décision qui soit accessible au plus grand nombre : un outil entièrement open

source entre Gephi, Oscar R

La simplicité et la transparence

Volume de données vs pertinence de

la taxinomie

01

© SOCIO 2014 10 Une société du groupe

On va lancer une programme

qui va tracer et calculer

l’intensité des liens entre tous les

produits (les 15 000) ayant au

moins plus de 10 cooccurrences

On peut définir d’autres

contraintes :

Nbre min d’occurrence

Catégorie de produits

Valeur min et max en €

Périodes

Une add-offre à l’offre GeckoData Predict qui inclut déjà des scores

Une offre qui peut aussi vivre sans les autres scores : un module distant

mais indépendant qui peut se pluguer à votre DW

L’ergonomie et l’économie

Piloter vos cooccurrences dans

GeckoData

01

© SOCIO 2014 11 Une société du groupe

La théorie des réseaux

La clique : complémentarité entre

tous les produits

Etoile : existence d’un produit phare,

entouré d’accessoires non

complémentaires entre eux

Robuste : l’ajout d’un produit

augmente la probabilité d’achat

Une visualisation efficace par

communautés

01

© SOCIO 2014 12 Une société du groupe

L’analyse permet de

voir des communautés

d’achat

insoupçonnées et de

réfléchir à l’assortiment

Prévoir les produits

achetés demain

ensemble par

l’observation des

associations passées,

c’est en cela que ce

marketing est prédictif.

Prévoir et comprendre pour anticiper

les offres

01

© SOCIO 2014 13 Une société du groupe

Les ensembles de règles existent mais notre approche base ces règles sur des faits

visuellement avérés :

Développer l’up sale en proposant des produits qui vont ensemble

Les assiettes et les couverts évidents mais plus efficace quand on sait que les

clients achètent ces assortiments

Pousser des pages web complémentaires qui augmentent le closing et le

montant du panier

Développer des produits à achat séquencé dans le temps : le canapé puis la

table basse, puis les fauteuils

Concevoir des mix produits liés d’emblée : la parure de lit complète plutôt que

la vente séparée, l’ensemble de vêtements assortis

Trouver des offres qui ne se cannibalisent pas : réduction sur un produit puis

offre en lot pour les produits complémentaires

Des usages marketing et

commerciaux concrets

01

© SOCIO 2014 14 Une société du groupe

Actuellement ce module est en phase de test, il sera disponible bientôt dans

l’offre GeckoData Predict : entièrement en mode SaaS

Nous travaillons sur d’autres innovations :

Des scores BtoB

L’intégration de dimension géographique associées au temps réel

La possibilité de piloter en temps réel la dérivabilité

La gestions de scénarii marketing auto déclenchés

….

L’automatisation des scores parait simple mais :

Une nécessaire adaptation à des contacts clients très différents et évolutifs qui

rendent ce type d’offre difficile à construire et a maintenir

Nous travaillons sur des modèles auto-apprenants tout en laissant un poids

important aux fine tuning des utilisateurs

Ces deux points sont clefs dans l’offre GeckoData Predict

Conclusions

01

© SOCIO 2014 15 Une société du groupe

M. E. J. Newman Aaron Clauset and Cristopher Moore. Modularity and

community structure in networks. Physical Review E, 70(6) :066111, 2004.

Gaurav Agarwal and David Kempe. Modularity-maximizing graph communities via

mathematical programming, 2008.

Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte, and Etienne

Lefebvre. Fast unfolding of communities in large networks.

Journal of Statistical Mechanics : Theory and Experiment, 2008(10) :P10008, 2008.

U. Brandes, D. Delling, M. Gaertler, R. Goerke, M. Hoefer, Z. Nikoloski, and D.

Wagner. Maximizing Modularity is hard. ArXiv Physics e-prints, August 2006.

Irene Charon, Olivier Hudry, and Antoine Lobstein. Minimizing the size of an

identifying or locating-dominating code in a graph is np-hard. Theor. Comput. Sci.,

290(3) :2109–2120, 2003.

Newman and M. Girvan. Finding and evaluating community structure in networks.

Physical Review E, 69(2) :026113, 2003.

Bibliographie

01

© SOCIO 2014 16 Une société du groupe

http://www.np6.fr/ressources/conferences/

Pour lire la suite