La segmentation et le ciblage : quel est l'intérêt des techniques de score en matière de ciblage ?

La construction d'un score implique la mise en oeuvre d'une importante quantité de données différentes. Ces données sont étudiées afin de leur affecter une note selon le modèle prédictif. Comme le précise René Lefébure dans son livre « Gestion de la relation client », le modèle prédictif consiste à utiliser des mathématiques et des statistiques pour analyser une base de données et déterminer des formules qui expliquent le comportement du client. Elle interprète donc ce dernier et construit une fonction qui probabilise la réponse du client ou du prospect à une offre. La segmentation prédictive divise une population en groupes homogènes par rapport à un comportement particulier. Par exemple, par rapport à leur propension à répondre à une action de marketing direct (mailing par exemple). La prédiction fournie par un modèle est généralement appelée un score. Un score, souvent une variable numérique, est affecté à chaque individu dans la base de données. Il indique la probabilité qu'un client présent tel ou tel type de comportement. La modélisation permet d'identifier ainsi les variables les plus pertinentes pour anticiper le comportement du client. Elle regroupe des clients ou des prospects qui présentent des caractéristiques similaires par rapport à une offre. C'est donc grâce à ce mécanisme que des segments peuvent être constitués. Les techniques de modélisation définissent quel client souscrira quel type de service. Il est ainsi possible de différencier les offres en fonction des profils clients.