Amplification des ventes B2B grâce à la segmentation dans le commerce de détail
Contexte et objectifs
La mauvaise qualité des données CRM d'un détaillant alimentaire belge en pleine croissancea limité l'expansion de ses ventes B2B.
L'obtention d'informations plus précises sur les clients était essentielle pour que le détaillant puisse mieux allouer ses ressources en matière d'acquisition et de fidélisation.
Ils se sont tournés vers Agilytic pour enrichir l'ensemble des données de leurs clients potentiels, nettoyer leur CRM et segmenter les prospects en fonction de leur comportement de transaction et de leurs caractéristiques géographiques. Le résultat escompté était d'augmenter les dépenses moyennes des clients, de les fidéliser et d'acquérir de nouveaux clients.
Avec ces objectifs en tête, nous avons entrepris de réaliser une segmentation des clients afin de comprendre leurs habitudes d'achat et de recommander des moyens d'adapter l'approche commerciale.
Approche
Nous avons travaillé avec le client et son partenaire commercial pour maximiser la pertinence des résultats.
Tout d'abord, nous avons procédé à un nettoyage des données afin d'améliorer la qualité de l'analyse (par exemple, suppression des doublons sur la base des numéros TVA nettoyés).
Ensuite, avant de développer les segments, nous avons procédé à une validation des données pour valider l'étendue du projet. En outre, nous avons pu exclure les clients/transactions qui n'étaient pas pertinents pour les campagnes que notre client souhaitait mener. Ensuite, pour l'enrichissement des données, nous avons extrait les données BCE et BNB afin d'enrichir les informations sur les clients (par exemple, BCE : pour obtenir les secteurs, la date de début, les numéros de téléphone et d'e-mail potentiels, et BNB : pour obtenir les rapports financiers indiquant le nombre d'ETP, la marge brute d'exploitation ou le bénéfice/la perte).
Vient ensuite la segmentation. Nous avons identifié des caractéristiques et des étiquettes basées sur les transactions et créé des informations BCE et BNB. Sur la base des catégories de transactions élevées et faibles des clients (fondées sur le montant annuel moyen dépensé), nous avons identifié les groupes de secteurs, d'âges et de tailles des clients pour lesquels nous avions une probabilité plus élevée de clients ayant effectué des transactions élevées. Nous avons ensuite extrait les sosies dans l'ensemble de données BCE sur la base des groupes identifiés.
Après cette phase de segmentation, nous sommes passés à la consolidation des résultats pour l'importation dans le CRM. Par exemple, les caractéristiques, les étiquettes et les segments basés sur les clients existants et potentiels ont été consolidés dans des fichiers à importer dans leur CRM.
Enfin, nous avons fourni de la documentation pour transférer les connaissances à l'équipe de notre client et l'aider à s'approprier le projet. Nous avons rédigé une documentation décrivant l'approche et les scripts utilisés pour construire la segmentation. La documentation comprenait également la procédure d'application de la segmentation à de nouvelles données.
Résultats
À la fin du projet, nous avons livré la marchandise :
Enrichissement et consolidation de l'ensemble des données relatives à leurs clients
Segments assignés à leurs clients
Base de données enrichie et consolidée de clients potentiels (lookalike)
Description des segments identifiés
Documentation sur l'approche et la procédure de création des résultats
Après avoir achevé le projet en 12 jours, le client a rapidement compris les actions ultérieures nécessaires pour augmenter son potentiel commercial. Notre modèle a permis au partenaire commercial du client d'utiliser les segments pour informer les futures campagnes de vente.
