Traitement des donn es

Tables SAS / biblioth que statique CARREF

Tables SAS / biblioth que statique SOURCE

Algorithme de traitement

Validit et la coh rence des variables

Construction de nouvelles variables

Indexation des tables

6


<!-- Slide number: 7 -->

Outils analytiques

Segmentation RFM

Score de baisse dactivit

Score dup sell

7


<!-- Slide number: 8 -->

Segmentation RFM

Ce nest pas une classification automatique.

Se base sur trois notions :R cence Fr quence et Montant.

Repose sur un algorithme bas sur des d finitions pr d finies.

Inactifs R cence Actifs

Fr quence

montant

| | F 1 | F 2 | F 3 | F 4 |

| --- | --- | --- | --- | --- |

| < M1 | | Seg\_02 | | |

| [ M1, M2 [ | | Seg\_03 | | |

| => M2 | | Seg\_04 | Seg\_06 | Seg\_08 |

Seg_05

Seg_07

Seg_01

Actifs

8


<!-- Slide number: 9 -->

Score de baisse dactivit

Cest un score de probabilit variant de 1 100.

Il permet de pr dire si le client va baisser oui ou non son activit .

Il est construit gr ce un mod le de r gression logistique binaire.

T0

Comportement pass

Comportement futur

9


<!-- Slide number: 10 -->

Score dup sell : Conception

On raisonne en terme dunivers !

Niveau de d pense

Pouvoir dachat

Univers avec potentiel dup sell

Indicateur sur les niveaux de d penses par univers

+

Indicateur sur le pouvoir dachat

10


Notes:

<!-- Slide number: 11 -->

Score dup sell : Indicateur sur les niveaux de d penses

tape 1 : cr ation de la table comportementale

| CST\_CODE | Univers\_01 | & | Univers\_50 |

| --- | --- | --- | --- |

| 9010005856 | 100 | | 0 |

| | | | |

| | | | |

| 9010005859 | 50,5 | | 10 |

Par client

CA total par univers

11


<!-- Slide number: 12 -->

Score dup sell : Indicateur sur les niveaux de d penses

tape 2 : cr ation de la table de r f rence

CA du premier quartile

CA du dernier quartile

CA minimal

CA maximal

| Univers | CA\_MIN | CA\_Q1 | CA\_Q3 | CA\_MAX |

| --- | --- | --- | --- | --- |

| 01 | 10 | 20,5 | 50 | 200 |

| .. | | | | |

| | | | | |

| 50 | 5 | 10 | 50,5 | 55 |

12

Pour chaque univers


<!-- Slide number: 13 -->

Score dup sell : Indicateur sur les niveaux de d penses

tape 3 : cr ation de la table de distance

| CST\_CODE | Univers\_01 | & | Univers\_50 |

| --- | --- | --- | --- |

| 9010005856 | 50 % | | N/A |

| | | | |

| | | | |

| 9010005859 | 0% | | 90% |

Identifiant

client


Distance par univers

13


<!-- Slide number: 14 -->

Score dup sell : Indicateur sur le pouvoir dachat

Objectif

Construire un indicateur d terminant le potentiel dachat , en basant sur un mod le pr dictif de score : mod le de r gression logistique binaire par la s lection stepwise .

Hypoth se

On se base sur lhypoth se que certains univers d terminent un certain potentiel dachat:

Par exemple : un client a un niveau de d pense lev sur lunivers poissonnerie est probablement un client ayant un potentiel dachat lev .

14


<!-- Slide number: 15 -->

Score dup sell : Indicateur sur le pouvoir dachat

Variable cible :

| Intervalle de revenu | REVENU | REV2 |

| --- | --- | --- |

| Moins de 400 DT | 1 | 1 |

| ]400 , 600] | 2 | 1 |

| ]600 , 800] | 3 | 1 |

| ]800 , 1000] | 4 | 1 |

| ]1000 , 1400] | 5 | 2 |

| ]1400 , 1800] | 6 | 2 |

| ]1800 , 2200] | 7 | 2 |

| Plus de 2200 | 8 | 2 |

Distribution de la variable cible :

1: 52,7%

2: 47,3%

Valeur cible

15


<!-- Slide number: 16 -->

Score dup sell : Indicateur le pouvoir dachat

Variables explicatives:

Les 50 variables relatives aux indicateurs sur les niveaux de d pense par univers durant le premier trimestre t, discr tis es en quatre classes H, M et L et N/A.

Les 50 variables relatives aux indicateurs sur les niveaux de d pense par univers durant le trimestre pr c dent t-1 , discr tis es en quatre classes H,M et L et N/A.

Le nombre dunivers ou le client est H, M, L ou non acheteur

La classe d ge laquelle appartient le client.

16


<!-- Slide number: 17 -->

Score dup sell : Indicateur le pouvoir dachat

Pr paration des variables explicatives :

Discr tisation des variables continue

D coupage en quartile des variables continues : NB_H , NB_M , NB_L et NB_NA.

R duction des variables explicative

La r duction par la s lection des variables les plus discriminante.

On sappuie sur le test dind pendance de khi et le V de Carmer entre la variable cible et les diff rentes variables explicatives.

On ne garde que 22 variables sur les 105 variables explicatives.

17


<!-- Slide number: 18 -->

Score dup sell : Indicateur le pouvoir dachat

Significativit du mod le :

| -2 logs de vraisemblance | | Khi-2 du rapport de vraisemblance | DDL | Pr>Khi-2 |

| --- | --- | --- | --- | --- |

| Mod le avec constante | Mod le complet | | | |

| 45770,263 | 41583,672 | 4186,590 | 45 | <0,0001 |

Mod le globalement significatif au seuil de 0,0001

18


<!-- Slide number: 19 -->

Score de potentiel dachat

Performance du mod le :

Matrice de confusion relative l chantillon de validation :

| | | R alis | | Total |

| --- | --- | --- | --- | --- |

| | | P | N | |

| Pr dit | P | 3782 | 2925 | 6707 |

| | N | 2052 | 5422 | 7474 |

| Total | | 5834 | 8347 | 14181 |

Taux de bon classement : 64,9%

Taux derreur : 35,1%

19


<!-- Slide number: 20 -->

Score dup sell : Indicateur le pouvoir dachat

Taux de souscription :

Chart

| Category | construction | validation | taux de souscription moyen |

|---|---|---|---| Sur les 5% des clients ayant les meilleurs scores il ya 79,5% qui appartiennent aux individus revenu lev

Alors que sur les 5% des clients ayant les plus faibles scores il ya 15,8%% qui appartiennent aux individus revenu lev

20


<!-- Slide number: 21 -->

Score de potentiel dachat

Courbe lift :

Chart

| Category | validation | construction | al atoire |

|---|---|---|---|

| 0 | 0.0 | 0.0 | 0.0 |

| 0.05 | 0.08511273704643839 | 0.0840309284938342 | 0.05 |

| 0.1 | 0.16320740630133 | 0.16090485015017003 | 0.1 |

| 0.15000000000000024 | 0.23353740480812407 | 0.23458367946833664 | 0.15000000000000024 |

| 0.2 | 0.303120800358371 | 0.3038532813598342 | 0.2 |

| 0.25 | 0.3706137076302837 | 0.3710780241549004 | 0.25 |

| 0.30000000000000032 | 0.43407495893683884 | 0.43466036168445643 | 0.3000000000000003 |

| 0.35000000000000031 | 0.4933552336867254 | 0.4936417662470465 | 0.3500000000000003 |

| 0.40000000000000008 | 0.5503956995669707 | 0.5512812320276057 | 0.4000000000000001 |

| 0.45 | 0.6068388830819776 | 0.6055978017764716 | 0.45 |

| 0.5 | 0.6571599223532983 | 0.6567831810339321 | 0.5 |

| 0.54999999999999993 | 0.7001642526504435 | 0.7049012716467516 | 0.5499999999999999 |

| 0.60000000000000064 | 0.7449604300433063 | 0.7489296440667169 | 0.6000000000000006 |

| 0.65000000000000302 | 0.7875167985665216 | 0.7898268259952714 | 0.650000000000003 |

| 0.70000000000000062 | 0.8278333582200986 | 0.8312991245447023 | 0.7000000000000006 |

| 0.75000000000000278 | 0.8642675824996268 | 0.8673397661192409 | 0.7500000000000028 |

| 0.8000000000000006 | 0.8987606390921309 | 0.8995462968879802 | 0.8000000000000006 |

| 0.85000000000000064 | 0.9290727191279644 | 0.9304747907214516 | 0.8500000000000006 |

| 0.90000000000000024 | 0.9595341197551144 | 0.9598696402326028 | 0.9000000000000002 |

| 0.95000000000000062 | 0.983425414364641 | 0.9828104032206525 | 0.9500000000000006 |

| 1.0000000000000002 | 1.0 | 0.99942488337913 | 1.0000000000000002 |21


<!-- Slide number: 22 -->

Conclusion

Deux tapes fondamentales dans un outil de CRM :

L tape de manipulation de donn e ( Archivage et traitement)

+

L tape analytique

Segmenter le population ( population Hyper / population super)

Ajouter de nouvelles variables

Am liorer la variable cible (tenir compte de leffet des hausse des revenus)

Am liorer le score dup sell

22


<!-- Slide number: 23 -->

#

MERCI