Introduction
Contexte de la mission
Salomon souhaite opérer un virage stratégique en augmentant significativement la part de ses ventes direct-to-consumer (D2C) dans un mix de revenus historiquement dominé par les canaux B2B (distribution spécialisée, retail multimarque, etc.).
Dans ce contexte et afin de renforcer la performance de ses actions marketing, Salomon a souhaité mettre en place une segmentation client (clustering) appuyée par la donnée et l’intelligence Artificielle.
Deep dive inside Salomon
Démarche Heaviside
1. Evaluation de l’existant
Nous avons audité des segmentations existantes (personas, scoring, clusters).
2. Cadrage des cas d’usage
3. Construction des clusters
Nous avons conçu un modèle de clustering robuste, en plusieurs étapes :
- Collecte et sélection des attributs pertinents : comportements d’achat, fréquence, valeur, profil CRM, interactions digitales…
- Préparation des données : traitement des valeurs manquantes, normalisation, réduction de dimensions (PCA…)
- Modélisation : test de plusieurs algorithmes (k-means, DBSCAN, GMM…), sélection du modèle le plus stable et interprétable
4. Analyse des clusters
Chaque cluster a fait l’objet d’une analyse approfondie selon plusieurs axes :
(i) Comportements d’achat (RFM, canaux préférés, saisonnalité),
(ii) Caractéristiques sociodémographiques et géographiques,
(iii) Propension à acheter certaines catégories ou produits.
5. Définition des stratégies d’activation
En collaboration avec les équipes marketing et CRM, nous avons défini des plans d’activation personnalisés pour chaque cluster (ex : recommandations produit, scenarios CRM, campagne d’acquisition ou rétention).
6. Suivi dans le temps et gestion du drift
Nous avons mis en place un cadre algorithmique permettant de stabiliser les clusters dans le temps.
Thomas Vigneron, Global Head of Data & IA Analytics
« Heaviside nous a permis d’accélérer sur un enjeu clé de notre stratégie D2C : mieux comprendre nos consommateurs et activer intelligemment nos données CRM. Leur approche scientifique et leur capacité à traduire les modèles en insights activables a été un vrai game-changer pour nos équipes Retail, eCom et CRM, afin de redéfinir leur stratégie et d’être plus précis dans leur activation. »
Résultats obtenus
Le clustering a permis d’obtenir 4 clusters clients et 4 clusters prospects sur l’ensemble de la base client/prospect de Salomon.
Facteurs clé de succès
La cohésion entre les équipes Salomon et Heaviside a notamment permis de faciliter la phase de data discovery, de simplifier l’alignement entre les équipes business et tech et d’accélérer la transmission et l’appropriation des livrables projets.