logo

Cybermarché et analyse comportementale

Séminaire Data Mining – Educasoft Formations – 18 juin 2001

Antoine-Eric Sammartino : aesammartino@e-laser.fr
 e01

e02

L’objectif

 

Pas de Data Mining sans Objectif ! :

  • Identifier des logiques d’achat des internautes à travers les différentes boutiques
  • Définir des actions personnalisées sur le Web

 

Les données : Back Office (1/2)

 

e03

 

Les données : Web (2/2)

 

e04

 

Les Indicateurs (1/2)

Données de détail : OUI, mais pas de Data Mining sur données brutes !

Passer du transactionnel au relationnel :
➥ Une ligne par client (indicateurs individuels)
e05

Des indicateurs : OUI, mais des indicateurs métier !

 

e06

 

Collecter et rapprocher les données (1/2)

 

Pas de Data Mining sans Data Management !

Recherche et sélection des données :
➥ Plusieurs tables,
➥ Plusieurs niveaux,
➥ Des clefs différentes.
œ
Constitution d’une table d’analyse :
➥ Juxtaposition de tables,
➥ Empilement de tables,
➥ Dédoublonnages

Collecter et rapprocher les données (2/2)

 

Le Data Mart : Autant de bases d’analyse que de niveaux d’observation

 

e07

 

 

Analyser et interpréter : La démarche (1/4)

 

e08

 

 

Analyser et interpréter : Les techniques (2/4)

 

e09

 

 

Analyser et interpréter : Associations (3/4)

 

Pas de Data Mining sans hypothèse !

 

e10

Validation d’une démarche d’hypothèses marketing :
➥ Sélection de produits cible,
➥ Définition du niveau des produits d’appel (univers, familles, produits),
➥ Exclusion de règles commerciales.

Analyser et interpréter : Segmentation (4/4)

 

Pas de Data Mining sans point de vue !

 

e11

 

Autant de segmentations que de points de vue :
➥ Selon le cycle de commandes,
➥ Selon la nature du panier (détention),
➥ Selon la construction du panier sur le WEB

Industrialiser le processus : Système d’Information Décisionnel (1/5)

 

e12

 

 

De l’Espace Etudes à l’Espace Industrialisé (2/5)

 

e13

 

 

Espace Industrialisé – Bibliothèque (3/5)

 

Bibliothèque de fonctionnalités :
  • Programmes de mise à jour des modèles (règles d’appartenance, scores…),
  • Masques de simulations (scénario économiques),
  • Masques de restitutions (indicateurs),
  • Extraction vers Outils Bureautique (Word, Excel…)

Espace Industrialisé – Data Mart (4/5)

 

Nécessité de construire un DataMart :

  • Production :
• intégrer les données-sources,
• mettre à jour régulièrement les indicateurs,
• appliquer les modèles.
  • Fourniture :
• alimenter le « front-office » en données-résultats de façon automatique.

 

Espace Industrialisé – Données résultats (5/5)

 

Données-résultats qui alimentent le « Front-Office » :
  • Indicateurs métier,
  • Scores (de potentiel, de vulnérabilité, d’appétence…),
  • Segmentations (profils de comportements…)

 

Du Data Mining au Web Mining

 

Chacun sa définition :
  • Analyse d’audience du site,
  • Analyse (MACRO)comportementale des internautes,
  • Data Mining appliqué à des données Web,
  • Data Mining On Line sur le Web
Data Mining On Line sur le Web :
  • Mise en place de balises Web,
  • Collecte et traitement de l’information utile,
  • Connexion entre Back-Office et Front-Office,
  • Intégration de nouvelles approches statistiques
1 found this helpful