Bases des modèles Uplift Predictive Analytics - nuls

Alors comment savez-vous que le client que vous avez ciblé à l'aide de l'analyse prédictive n'aurait pas acheté de toute façon? Pour clarifier cette question, vous pouvez la reformuler de différentes façons:

• Comment savez-vous que le client n'aurait pas acheté, même si elle n'a pas reçu le contact marketing de votre part?

• Comment savez-vous que ce que vous avez envoyé au client l'a influencée à faire l'achat?

Certains modélisateurs affirment que les problèmes avec la modélisation de la réponse sont les suivants:

• Vous prenez déjà un sous-ensemble de vos clients que vous avez prédit avoir un certain intérêt pour le produit ou le service.

• Vous gaspillez des dollars marketing pour des clients qui n'ont pas besoin de l'influence supplémentaire pour convertir.

• Vous pouvez réduire vos marges nettes car les remises que vous utilisez pour inciter le client à acheter peuvent être inutiles.

• Vous pouvez réduire la satisfaction de vos clients car certains clients ne veulent pas être (constamment) contactés.

• Vous prenez le crédit pour la réponse dans votre évaluation du modèle.

La modélisation Uplift , également appelée modélisation de la portance réelle et modélisation de la trame entre autres, vise à répondre à ces critiques en prédisant quels clients seulement convertir si contacté.

La modélisation Uplift fonctionne en séparant les clients en quatre groupes:

• Persuadables: Les clients qui peuvent être persuadés d'acheter - mais qui n'achètent que s'ils sont contactés.

• Bien sûr: Les clients qui achèteront, peu importe le contact.

• Causes perdues: Les clients qui n'achèteront pas, quel que soit leur contact.

• Ne pas déranger: Clients que vous ne devez pas contacter. Les contacter peut provoquer une réponse négative, comme les inviter à annuler un abonnement, à retourner un produit ou à demander un ajustement de prix.

La modélisation Uplift ne cible que les Persuadables. Cela semble prometteur, mais un modèle de soulèvement s'est révélé beaucoup plus difficile à créer qu'un modèle de réponse. Voici pourquoi:

• Il nécessite généralement une taille d'échantillon plus grande que pour la modélisation de réponse, car il a segmenté l'échantillon en quatre groupes et n'utilise que le groupe des Persuadables. Il doit ensuite être scindé pour mesurer l'efficacité du modèle.

  Ce groupe sera potentiellement beaucoup plus petit que la taille cible pour la modélisation de la réponse. Avec une taille de cible et une complexité plus petites, cependant, l'effort d'exploitation et le coût peuvent ne pas justifier la modélisation de la surutilisation.

• Il est difficile de segmenter parfaitement les clients dans ces quatre groupes distincts, tout comme il est difficile de mesurer la précision de la segmentation.

• Il est difficile de mesurer le succès d'un tel modèle parce qu'il tente de mesurer le changement du comportement d'un client, et non l'action concrète de savoir si le client a acheté après avoir reçu le contact.

  Pour mesurer avec précision le comportement d'un seul client, vous devez (en fait) le cloner et diviser les clones identiques en groupes. Le premier (groupe traité) recevrait le; le second (groupe témoin) ne le ferait pas. En mettant de côté de tels scénarios de science-fiction, vous devez faire des concessions à la réalité et employer des méthodes alternatives (plus difficiles) pour obtenir une estimation utile du succès du modèle.

Même avec ces difficultés, certains modélisateurs soutiennent que la modélisation du soulèvement procure un véritable impact marketing. Ils le considèrent plus efficace que la modélisation de réponse car il n'inclut pas les choses sûres dans le ciblage (ce qui gonfle artificiellement les taux de réponse). Pour cette raison, ils pensent que la modélisation ascendante est le choix pour le marketing ciblé à l'aide de l'analyse prédictive.

La modélisation Uplift est encore une technique relativement nouvelle dans le marketing ciblé. De plus en plus d'entreprises commencent à l'utiliser et ont réussi à l'utiliser dans la rétention de leurs clients, les campagnes de marketing et même les campagnes présidentielles.

Certains experts attribuent à la modélisation du soulèvement la victoire présidentielle de 2012 du président Obama. L'analyste de données de la campagne a utilisé la modélisation de soulèvement pour cibler fortement les électeurs les plus susceptibles d'être influencés par le contact. Ils ont utilisé des messages personnalisés via plusieurs canaux de contact: les médias sociaux, la télévision, le publipostage et le téléphone. Ils ont concentré leurs efforts pour persuader le groupe des Persuadables. Ils ont beaucoup investi dans cette stratégie. apparemment, ça a payé.