En prenant cet exemple, et compte tenu du mode d`?valuation global d?pass? selon lequel les mod?les de segmentation semblent ?tre coinc?s, nous devons admettre que les mod?les de segmentation doivent ?voluer. Avec la plate-forme de script flexible d`attester, l`?norme port?e du public et le tableau de bord interactif, c`est l`endroit id?al pour commencer ? cr?er vos mod?les de segmentation des consommateurs. L`analyse du cluster LC a l`avantage m?thodologique le plus convaincant en ce qu`elle est bas?e sur la mod?lisation des probabilit?s, contrairement ? d`autres m?thodes de segmentation discut?es dans ce document. Pour cette raison, on pourrait conclure que ces segments sont plus susceptibles d`?tre «r?els» et pas seulement une fa?on int?ressante de regarder les donn?es. Une analyse bas?e sur un mod?le permet ? l`analyste de trouver des segments qui ont des liens r?els entre les attributs et les comportements avec des mesures de r?sultats critiques, telles que l`intention d`achat ou la fr?quence d`utilisation de la cat?gorie. Cela augmente la probabilit? que les segments r?sultants soient utiles pour le ciblage. L`approche fond?e sur le mod?le donne ?galement ? chaque r?pondant la probabilit? d`appartenir ? chaque segment. Les r?pondants sont affect?s au groupe auquel ils ont la plus forte probabilit? d`appartenance. En effet, les r?pondants pourraient ?tre affect?s ? plus d`un groupe, en fonction de leurs probabilit?s. Si vous avez suivi attentivement cet article jusqu`ici, nous sommes maintenant bon de plonger dans la m?thodologie adopt?e pour la cr?ation de segments.
Bien s?r, dans le seul but de construire des mod?les distincts pour chaque segment. En prolongeant cette analyse, nous calculons le pourcentage Y du Top 25% r?el des clients captur?s par n`importe quel X% sup?rieur de la base de clients tel que class? par le mod?le pr?dictif en question. Calculez Y pour chaque X de 0% ? 100%, puis le trac? Y par rapport ? X donnera un graphique lin?aire qui est le «tableau de levage» du mod?le, comme illustr? dans la figure ci-dessous. En outre, c`est l`intuition commerciale commune (qui peut ne pas toujours avoir une justification statistique solide), pour d?velopper des mod?les distincts si la diff?rence de taux de r?ponse entre le n?ud adjacent est d`au moins 30% (par exemple, si le taux de r?ponse dans un n?ud particulier est de 0,7% et le m?me pour le noeud adjacent est 0,5% alors la diff?rence de taux de r?ponse est ~ 30%) Pour comprendre comment ces graphiques aident ? comparer visuellement les mod?les pr?dictifs et les sch?mas de segmentation sur lesquels ils reposent, examinez d`abord les pires et les meilleurs cas.
Giannitsa
