Segmentation de la clientèle

Le but de la segmentation est de diviser le marché total en des sous-groupes dont les membres sont similaires entre-eux mais différents des membres d’autres sous-groupes. La clé du succès d’une étude de segmentation est de définir “similaire” et “différent” en des termes pertinents à l’activité du client. Par exemple, une segmentation basée sur le sexe peut créer des segments qui sont en quelque sorte similaires sous certains angles et très différents dans l’ensemble mais si les hommes et les femmes n’ont pas des habitudes d’achats différentes dans la catégorie en question, une telle segmentation ne sera pas utile. Une segmentation dans la catégorie de la mode vestimentaire basée sur le sexe peut s’avérer très utile, mais peut ne pas l’être dans la catégorie des téléphones portable intelligents.

MACRO considère qu’il n’y a pas qu’une seule bonne méthode pour diviser le marché.  Nous utilisons plusieurs approches afin de trouver la solution de segmentation qui convient.

Nos principaux outils et techniques pour une segmentation efficace et profitable :

Modèles d’analyse des classes latentes

Un modèle d’analyse des classes latentes (Latent Class Choice Models (LCCM) en anglais) peut être construit à partir des données brutes provenant d’un exercice traditionnel d’analyse conjointe par choix. Ce genre de modèle divise simultanément l’échantillon d’enquête en segments et effectue l’estimation des paramètres pour les variables explicatives (attributs) du modèle d’analyse par choix pour chaque segment. La solution de segmentation qui en découle est pratiquement assurée d’avoir des facteurs et points d’intérêts sensiblement différents à travers les segments.

La segmentation décisionnelle

La segmentation décisionnelle (Decision Pathway Segmentation (DPS) en anglais) est une approche en plusieurs étapes. Tout d’abord, un modèle d’équation structurelle est développé pour le marché global. Ce modèle fournira des renseignements importants sur la structure globale du marché. Les variables prédictives provenant de ce modèle sont ensuite utilisées comme base de segmentation dans un schéma traditionnel de segmentation, par exemple, analyse typologique par grappes (cluster en anglais) des classes latentes, analyse par grappe en deux étapes, analyse de classification hiérarchique, etc. Les segments qui en résultent sont plus à même d’avoir des facteurs différents à travers les segments que ceux provenant d’une segmentation traditionnelle.

Analyse de l’ensemble des grappes

L’analyse de l’ensemble des grappes (Cluster Ensemble Analysis en anglais) représente la plus récente méthode dans le domaine de la segmentation. Dans le cadre de cette analyse, plusieurs solutions de segmentation indépendantes sont combinées. Cette solution consensuelle permet de refléter la structure sous-jacente du marché de manière plus exacte que n’importe quelle autre segmentation simple. Il a été également démontré que les algorithmes de classification sont plus exacts lorsque l’analyse de l’ensemble des grappes est adoptée et ce par rapport à toutes les autres solutions de segmentation.

L’analyse de l’ensemble des grappes offre un avantage conceptuel important puisqu’elle permet d’obtenir un consensus au sein des solutions. Par conséquent, l’analyse tend à maintenir les caractéristiques de base des autres segmentations sur lesquelles elle est basée. Si une segmentation, par exemple, a été structurée en se basant sur le critère des comportements d’achat et une autre segmentation sur les critères des données démographiques et habitudes médiatiques, la solution de l’analyse de l’ensemble des grappes tentera de maintenir tous les critères et structures fondamentaux des deux segmentations.