La segmentation est un processus par lequel les personnes (par exemple, les clients, les utilisateurs, les électeurs, etc.) sont divisées en groupes, afin de permettre de comprendre et de satisfaire plus précisément leurs besoins/souhaits. Par exemple, les gens ont toutes sortes de formes et les vêtements sont donc vendus dans une petite gamme de tailles (par exemple petit, moyen, grand et très grand). Ce type de segmentation est une alternative à a) la production d'une seule taille et l'attente que tout le monde la porte, ou b) la confection de chaque vêtement sur mesure (avec tous les coûts et les délais que cela implique). En segmentant les acheteurs de vêtements en groupes, les fabricants créent un marché où la plupart des gens sont en mesure d'acheter des vêtements qui leur conviennent (plus ou moins).

L'idée fondamentale de la segmentation est de regrouper des personnes qui se ressemblent d'une certaine manière et qui sont différentes des autres. Dans la vente au détail ou la fabrication de produits alimentaires, par exemple, nous pourrions regrouper les végétaliens, les végétariens et les autres en trois groupes, afin de mieux comprendre chaque groupe et de mieux répondre à leurs besoins.

Pourquoi segmenter les gens ?

Les organisations ont tendance à segmenter les personnes parce que :

A. Les différents groupes veulent des choses différentes

B. Les différents groupes répondent à des médias/messages différents

C. Ou, à la fois A et B

Trois règles clés pour les segments

Lorsque nous créons des segments, nous devons nous assurer qu'ils le sont :

1. identifiable - nous devons être en mesure de répartir nos clients/téléspectateurs/utilisateurs/membres, etc. dans les bons segments, afin de pouvoir, par exemple, cibler les médias pour atteindre le bon groupe.

2. viables - le groupe doit être suffisamment important pour que nous le traitions comme un groupe distinct.

3. distinctif - nous avons besoin que les segments aient des comportements différents, ou qu'ils aient potentiellement des comportements différents si nous devions fournir un nouveau produit ou service.

Toutes les segmentations n'utilisent pas l'analyse par grappes

Cet article traite principalement de l'utilisation de l'analyse en grappes pour créer des segments, mais il est important de se rappeler que tous les projets de segmentation n'utilisent pas l'analyse en grappes. Vous pouvez décider de segmenter vos clients en réguliers, occasionnels ou rares. Vous pourriez les diviser en acheteurs en ligne, acheteurs en magasin et hybrides. Ce sont des segmentations, mais elles n'utilisent pas l'analyse en cluster.

Si une seule variable est la caractéristique clé d'un marché, la création de segments à partir des données dont vous disposez est souvent la meilleure option. Lorsque vous devez regrouper des personnes en fonction de plusieurs caractéristiques, en particulier si vous devez les regrouper en termes d'attitudes, de croyances et de préférences, l'analyse en grappes est souvent la meilleure solution.

Qu'est-ce que l'analyse en grappes ?

L'analyse par grappes est un processus statistique qui utilise les données du groupe cible en combinaison avec un algorithme pour suggérer des segments (grappes). Il n'existe pas de méthode parfaite pour effectuer une analyse par grappes, mais il y a quelques éléments clés à connaître :

- La nécessité d'utiliser des variables qui permettent de différencier les personnes.

- La nécessité d'utiliser des variables de segmentation auxquelles tout le monde répond.

- La nécessité d'utiliser des variables liées aux résultats d'intérêt.

- La différence entre la segmentation et la description des variables

Les variables qui différencient

Pour créer des clusters, nous devons poser des questions qui suscitent différentes réponses de la part de différents types de personnes. Si nous demandons si la nourriture dans le restaurant doit être sûre, presque tout le monde répondra oui, si nous demandons si la nourriture doit être savoureuse, presque tout le monde répondra oui. Ces deux questions ne sont pas utiles. Si nous demandons si la nourriture doit être épicée, nous obtiendrons des réponses différentes selon les personnes, cette question peut donc être utile.

Variables auxquelles tout le monde répond

Si nous avons des questions auxquelles certaines personnes ne répondent pas, par exemple, dans une étude sur les vêtements, nous pouvons ne pas demander aux hommes de répondre à des questions sur les soutiens-gorge, alors nous ne pouvons pas utiliser ces questions dans l'analyse en grappes. Si nous les utilisons, nous regroupons les personnes non pas en fonction de leurs réponses, mais en fonction des critères utilisés pour poser les questions (dans cet exemple, nous regrouperions les personnes en hommes et femmes).

Dans l'étude, nous pouvons poser des questions qui ne sont posées qu'à certains groupes de participants, mais nous ne pouvons pas les utiliser comme variables de segmentation (nous les utiliserions comme variables descriptives).

Les variables doivent être liées aux résultats d'intérêt.

Si nous voulons regrouper les gens en fonction de leur relation avec les finances personnelles, nous voudrons poser des questions sur des éléments tels que le risque, l'éthique, le niveau d'activité souhaité, etc. Mais nous ne voulons pas les segmenter sur des variables qui ne sont pas liées au résultat. Par exemple, si nous connaissions le groupe sanguin de tout le monde, nous ne l'utiliserions pas comme variable de segmentation, car il n'y a aucune raison de croire que le groupe sanguin des gens a un impact sur leurs décisions financières.

La différence entre la segmentation des variables et la description des variables.

Les variables segmentantes sont pertinentes pour le résultat, créent des différences dans les réponses et sont répondues par tout le monde. Les variables descriptives sont utilisées pour nous en dire plus sur les groupes que nous trouvons.

Dans la plupart des cas, les données démographiques (par exemple, l'âge et le sexe) sont utilisées comme variables descriptives, et non comme variables de segmentation. Si nous menons une étude sur les automobilistes et que nous constatons qu'il existe un groupe d'"ingénieurs amateurs" qui aiment démonter le moteur de leur voiture, c'est intéressant. Si nous constatons que ce groupe est composé à 90 % d'hommes, c'est un résultat. Mais si nous avions inclus le sexe dans les variables de regroupement, il ne s'agirait pas d'un résultat, car il pourrait simplement s'agir du résultat de l'algorithme de regroupement qui tente de placer les hommes dans un groupe et les femmes dans un autre.

Notez que les variables descriptives n'ont pas besoin d'être posées à tout le monde, ce qui permet à ces variables de creuser plus profondément. Envisagez d'ajouter des questions ouvertes comme variables descriptives, elles peuvent contribuer à donner vie à vos clusters.

Personas et segments

Il y a beaucoup de chevauchement entre ce que certaines personnes entendent par personas et ce que d'autres entendent par segments. Toutefois, l'utilisation des personas tend à être plus axée sur la réflexion sur la façon d'adapter les services à différents groupes de personnes. La segmentation tend à se concentrer sur l'estimation du volume (ou de la valeur commerciale) de différents groupes de personnes. Dans de nombreux cas, la meilleure approche consiste à commencer par une segmentation et, une fois les segments déterminés, à passer à une approche plus axée sur les personas.

Exécution de l'algorithme

Il existe de nombreux algorithmes, aucun n'est parfait, tous sont itératifs. Aucun algorithme ne peut prouver qu'il a trouvé la meilleure solution. Le facteur déterminant est donc "a-t-il trouvé une solution utile" ? Les décisions concernant le meilleur traitement des données (par exemple, s'il faut effectuer une analyse factorielle avant d'exécuter l'algorithme de clustering), le nombre de clusters trouvés et le choix de l'algorithme, sont prises dans le contexte de ce que le client final recherche et en termes d'utilité.

Si vous souhaitez en savoir plus sur la segmentation, contactez-nous dès aujourd'hui !

‍