Si vous souhaitez «

grouper

» vos clients, vous avez deux options.

La première consiste à les «

diviser

» en les segmentant.

La deuxième consiste à les «

regrouper

», en faisant des typologies.

Lorsque vous segmentez, vous

divisez

le tout en parties. A l'extrême, chaque client peut devenir un segment à lui tout seul.

Mais en procédant ainsi, nous devons ê

tre conscients des biais

induits par la segmentation...

Premier biais

:

le choix des critères est arbitraire

On doit choisir de critères définis « a priori » (Genre, âge ...). On aboutit à des catégories « figées » qui doivent respecter les règles de « bonne gouvernance » (homogénéité, hétérogénéité ...)

Deuxième biais

:

le choix du nombre de segments est arbitraire

Avec un nombre de segments défini aussi « a priori » (≤ 7)

Troisième biais

:

on ignore les spécificités individuelles

L’individu se résume à son groupe (les X, les Y ...)

On peut, en partie,

faire face à ces biais

en complétant l'approche par une

.

Lorsque vous faites des

typologies

, vous

regroupez

les parties pour en faire des groupes. A l'extrême, on se retrouve avec un seul groupe.

Idéalement, on va adopter des solutions intermédiares. Pour ce qui est de la typologie, on cherchera à identifier

entre 6 et 10 groupes.

Ces groupes présenteront un degré d'

homogénéité

fort entre les individus qui les composent.

Cependant, contrairement à la segmentation, les groupes n'ont pas pour vocation d'

expliquer

des comportements, des attitudes ou d'autres variables ayant servi à les constituer.

Sa vocation est plus

descriptive

.

Aussi, contrairement à la segmentation, qui partait d'un

à priori

servant de point de départ au processus, la typologie va être un résultat

à posteriori

. Les groupes se formeront indépendamment de la volonté de l'analyste.

Pour «

faire des types

», il vous faudra caractériser votre population avec un certain nombre de variables.

Il vous faudra aussi des « outils »

►

analyses factorielles de correspondances (

AFC

)

►

cluster analysis

►

analyses en composantes principales (

ACP

)

pour ne citer que quelques uns parmi les plus habituels

Quoi qu'il en soit, l'approche de

data mining

vous aidera à capitaliser les données que vous détenez sur

►

vos consommateurs ou vos

clients

►

vos

donateurs

►

vos

territoires

Notre Institut a une longue expérience en ce domaine. N'hésitez pas à nous contacter.