Prospecter et Fidéliser les clients de vos sites Web avec les Moteurs de Data Mining SQL Server (DBI303) 9 Février 2011 Gael Duhamel et René Lefebure Direction Cross Channel – Altima Group

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

1ère 12 ans 140 12 M€ Identité & chiffres clés agence interactive indépendante 12 ans de projets interactifs 140 collaborateurs passionnés 12 M€ de chiffre d’affaires date

Implantations date

altima° agence interactive notre métier notre différence Nous faisons bien plus que du web pour nos clients. Nous leur apportons des prospects, des ventes et des clients fidèles notre métier Délivrer une vrai performance e-business Trafic, vente en ligne, génération de leads, programme relationnel, optimisation de la performance (Optim, Ergo, Data Mining) notre différence Issue du marketing direct, de la VAD et de la distribution, notre agence à le sens du ROI. Ce sens du commerce crée notre différence

stratégie e-business & pilotage objectifs & business model exploitation de la performance marketing attirer transformer fidéliser SEO – SEM Affiliation Comparateurs Place de marché E-mailing Conception Ergonomie Design RIA Optimisation performance Data-Mart CRM Scoring Scénario multi-canal Routage Data-Mining mesurer & optimiser moyens techniques & outils méthodologie & gestion de projet expertise technique .net & open source exploitation & hosting

Cross Channel & Data Mining Team René Lefébure http://www.blog-crm.com rlefebure@altima.fr Gaël Duhamel http://www.gaelduhamel.fr gduhamel@altima.fr date

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Définition du data mining Le data mining se propose de transformer en information, ou en connaissance, de grands volumes de données. « Torturer la donnée jusqu’à ce qu’elle avoue » (Chorafas)

Définition du Data Mining Le data mining s’applique à mettre en évidence …. ce qui est parfois inconnu. Gourou mining !

Apports du Data Mining Le data mining permet de : Classer (pour trouver des cibles ayant des meilleurs taux de retour) Estimer (pour modéliser un comportement avec des scores) Segmenter (pour regrouper les clients dans des groupes homogènes) Associer (pour définir et animer des gammes de produits) Prévoir (pour anticiper sur les variations de volume ) Les retours sur investissement sont compris entre 30 et 300 % !

Apports du Data Mining Un des principaux apports du data mining est d’améliorer la performance des entreprises. Les retours sur investissement sont compris entre 30 et 300 % !

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Présentation Chronodrive Un concept innovant : Commande sur Internet Retrait client en Magasin

Une expérience sur le site Une largeur de gamme très grande avec une expérience spécifique de navigation

Une expérience magasin Conformité des produits, délais d’attente, qualité de service

Problématiques Les clients doivent se sentir reconnus, écoutés et en confiance : Qualité de l’accueil Offres personnalisées Valorisation de leur fidélité Les collaborateurs doivent disposer d’informations pour piloter une relation client de proximité : Qui est le client sur le quai ? Quelles sont ses attentes ? Comment valoriser la relation avec Chronodrive ? Comment relancer efficacement le client ? Le marketing et le produit doivent disposer d’informations pour identifier : Les incitations efficaces pour le client Le bon niveau de pression marketing

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Un référentiel E commerce Un référentiel très large

Agrégation des données Les données « détail » sont agrégées : dans une variable : somme des commandes dans une dimension : % du CA par Rayon Les dimensions deviennent des éléments permettant de naviguer dans la base de données Les dimensions sont découpées en hiérarchie permettant de « naviguer » dans les données

Préparation des dimensions

Présentation des agrégats

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Algorithmes de data mining Texte niveau 1 Texte niveau 2 Texte niveau 3 Texte niveau 4 Texte niveau 5

Paramétrage des clusters

Sélection du cube

Sélection du cube

Sélection des variables

Inclusion d’une dimension

Filtrage des catégories

Clusters V1

Interprétation V1

Clusters V2

Interprétation des clusters (1/2)

Interprétations des clusters (2/2)

Interprétation Cluster 1

Interprétation Cluster 3

Sauvegarde des clusters

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Paramétrage des associations

Mesure des associations

Graphe des associations

Zoom sur les associations

Zoom sur les associations

MDX Query

Top 5 produits achetés en fonction de votre positionnement dans l’algorithme de cluster

Recommandation produits en fonction de votre positionnement dans l’arborescence catalogue

Sommaire Présentation Altima et Orateurs Présentation du Data Mining Présentation de la Démo Construction du « Datamart » Construction des « Clusters » Construction des « Associations » Construction d’un « Score »

Sélection variable cible

Caractérisation Acheteur Frais

Caractérisation Acheteur Eaux

Questions ?

Venez-nous voir sur notre stand 1/11/2019 I36

Et ensuite ? Rendez-vous sur le stand i25 Mercredi 9 – 12h-14h – Posez toutes vos questions aux ingénieurs support de Microsoft sur le stand Assistez aux ateliers BI et SGBD tous les deux mois Prochain rendez-vous le 29 mars sur le Campus du Microsoft Découvrez le nouveau site internet de SQL Server www.microsoft.com/france/serveur/sql Téléchargez la CTP1 de Denali www.microsoft.com/sqlserver/en/us/product-info/future-editions.aspx 1/11/2019

MSDN et TechNet : l’essentiel des ressources techniques à portée de clic Portail administration et infrastructure pour informaticiens Portail de ressources technique pour développeurs http://technet.com http://msdn.com