Croissance du B2B grâce à l'évaluation avancée des prospects
Contexte et objectifs
Un distributeur européen B2B de produits alimentaires et de boissons souhaitait mieux connaître sa base de clients et augmenter le nombre potentiel de prospects.
Elles étaient confrontées à deux défis principaux
une faible capacité d'action des données pour leur base de clients : ils disposaient principalement de données sur le comportement de consommation et de quelques données externes remplies manuellement par l'équipe de vente.
un nombre écrasant de prospects à qualifier avec précision à partir d'une liste fournie par des services de données B2B (coûteux).
Approche
La première étape du projet a consisté à recueillir des données internes sur le comportement des clients, telles que leurs habitudes de consommation, comme le type de produits et de services, ou les données sur les machines des vendeurs et la fréquence d'achat.
Nous avons ensuite collecté des données ouvertes B2B pertinentes (financières et sectorielles) et créé des variables supplémentaires liées à la taille de l'entreprise, à l'EBIT et à d'autres facteurs pertinents. Ce processus a été crucial pour fournir une vue plus complète de la base de données des clients.
Ensuite, nous avons développé un algorithme conçu pour différencier les clients à "fort" et à "faible" potentiel. Il s'agissait d'une phase cruciale, car elle permettait à l'entreprise de mieux comprendre ses clients et d'identifier des prospects potentiels. Nous avons été confrontés à un défi dans ce domaine, car les critères de définition d'un client élevé ou faible étaient initialement restrictifs. Toutefois, après quelques améliorations, l'algorithme a pu clairement différencier les clients.
Résultats
Nous avons réussi à enrichir d'informations pertinentes plus de 50 % de la base de données complète du CRM et plus de 80 % des clients ayant effectué un achat au cours des trois dernières années. L'enrichissement a révélé les secteurs idéaux et les types d'entreprises liés à des performances commerciales plus élevées. Cette information était importante car elle a permis à l'entreprise de cibler plus efficacement ses efforts de marketing et de vente.
L'algorithme de notation des prospects a également été un succès. Il a non seulement permis au client de mieux comprendre le type d'entreprises avec lesquelles il travaillait, mais il a également identifié 1 800 entreprises présentant le potentiel le plus élevé. Il s'agit d'un nombre gérable pour l'organisation, ce qui lui permet de concentrer ses ressources de manière efficace.
En termes de produits livrables, le client a reçu
Deux ensembles de données. Le premier ensemble de données était leur base de clients, désormais enrichie de données pertinentes. Le second était une liste d'entreprises cibles, chacune notée en fonction de la probabilité d'être un client rentable et de leurs données financières et sectorielles respectives.
Un modèle formé
Code du projet
Documentation complète
Un tableau de bord Power BI
