Formation en analytique CRM

Leçon 1 • Ce que font les systèmes de GRC

Définit l’architecture de la GRC, les modules et les mécanismes de capture des données. Établit un lien entre la structure du système et les occasions d’analyse explorées tout au long du chapitre.

Leçon 2 • Valeur des analyses dans les contextes de GRC

Explique pourquoi l’analyse transforme les données brutes de la GRC en décisions d’affaires. Cadre l’argument de rendement du capital investi utilisé pour justifier l’investissement dans l’analyse.

Leçon 3 • Maturité des analyses dans les organisations

Cartographie la progression de la production de rapports descriptifs à la stratégie prédictive au sein des équipes de GRC. Établit les attentes en matière de développement des compétences tout au long du cours.

Leçon 4 • Types et structures des données de la GRC

Distingue les données structurées, semi-structurées et non structurées de la GRC. Prépare les étudiants à traiter divers formats de données dans les travaux d’analyse ultérieurs.

Leçon 1 • Cadres de gouvernance des données

Établit des politiques, des rôles et des structures de responsabilisation pour une qualité continue des données. Établit un lien entre la gouvernance et des programmes d’analyse durables.

Leçon 2 • Techniques de nettoyage des données

Couvre les méthodes systématiques pour corriger, normaliser et dédoublonner les enregistrements de la GRC. Permet directement le calcul précis des indicateurs dans les chapitres ultérieurs.

Leçon 3 • Principes fondamentaux de la confidentialité et de la conformité

Aborde la gestion du consentement, la minimisation des données et les droits des clients dans les systèmes de GRC. Veille à ce que les travaux d’analyse respectent les obligations de confidentialité applicables.

Leçon 4 • Diagnostic des problèmes de qualité des données

Identifie les défauts de données de la GRC les plus courants et leur impact sur les affaires. Ancre les étudiants dans l’évaluation de la qualité avant d’introduire des techniques de remédiation.

Leçon 1 • Rapports sur le service et le soutien

Couvre le volume de cas, le temps de résolution et les indicateurs de satisfaction client dans les modules de service de la GRC. Établit un lien entre les données de service et l’analyse globale de la santé du client.

Leçon 2 • Rapports sur les ventes et le pipeline

Se concentre sur l’analyse des étapes des occasions, les ratios de gains et de pertes et les rapports sur l’exactitude des prévisions. Fournit les fondements de l’analyse des ventes pour les travaux avancés sur le pipeline ultérieurs.

Leçon 3 • Filtrage, regroupement et tri des données

Enseigne les filtres conditionnels, les regroupements de champs et la logique de tri pour isoler les données pertinentes. Bâtit la précision dans la construction des rapports utilisés tout au long du cours.

Leçon 4 • Principes de conception des tableaux de bord

Applique les pratiques exemplaires de visualisation des données à la disposition et à la sélection des composants des tableaux de bord de la GRC. Veille à ce que les tableaux de bord communiquent des connaissances plutôt que d’afficher simplement des données.

Leçon 1 • Fondements de la stratégie de segmentation

Définit les objectifs de segmentation, les types de critères et l’alignement sur les affaires. Établit la justification stratégique avant d’introduire des méthodes techniques.

Leçon 2 • Profilage comportemental et d’engagement

Utilise l’historique des interactions, l’utilisation des produits et les données de préférence de canal pour construire des profils clients riches. Approfondit la précision des segments au-delà des attributs démographiques.

Leçon 3 • Analyse RFM dans la GRC

Applique la notation selon la récence, la fréquence et la valeur monétaire pour classer et regrouper les clients par valeur. Produit des segments prêts à l’emploi pour les campagnes de marketing et de fidélisation.

Leçon 4 • Techniques de regroupement pour la segmentation

Présente le regroupement par k-moyennes et le regroupement hiérarchique comme des approches axées sur les données, alternatives aux segments basés sur des règles. Fait le pont entre les analyses descriptives et les méthodes prédictives présentées plus tard.

Leçon 1 • Modélisation prédictive de la CLV

Applique des approches probabilistes et basées sur la régression pour prévoir la valeur future du client. Étend la CLV historique à une planification stratégique prospective.

Leçon 2 • Construction d’un modèle de CLV historique

Construit la CLV à partir de l’historique des transactions en utilisant la valeur moyenne des commandes, la fréquence d’achat et le taux de rétention. Fournit un modèle de base avant d’introduire des extensions prédictives.

Leçon 3 • Segmentation et hiérarchisation par la CLV

Utilise les scores de CLV pour créer des paliers de valeur qui guident l’investissement différencié dans le service et le marketing. Établit un lien entre le résultat de la CLV et les compétences en segmentation du chapitre précédent.

Leçon 4 • Surveillance et mise à jour des modèles de CLV

Établit les cadences d’actualisation, la détection de la dérive et les déclencheurs de réentraînement pour les modèles de CLV. Veille à ce que les modèles restent précis à mesure que le comportement des clients évolue.

Leçon 1 • Évaluation du modèle et définition du seuil

Applique la précision, le rappel, l’AUC-ROC et les graphiques de gain pour évaluer la performance du modèle d’attrition. Guide la sélection du seuil pour équilibrer le coût de l’intervention et l’attrition manquée.

Leçon 2 • Définition et mesure de l’attrition

Établit l’attrition volontaire par rapport à l’attrition involontaire, les formules du taux d’attrition et la mesure par cohorte. Crée les définitions précises nécessaires à des cibles de modèle fiables.

Leçon 3 • Construction du modèle de prévision de l’attrition

Entraîne la régression logistique, les arbres de décision et les modèles d’ensemble sur des données d’attrition étiquetées. Produit une liste de clients évalués prête pour une action de fidélisation.

Leçon 4 • Facteurs d’attrition et ingénierie des caractéristiques

Identifie les signaux comportementaux, transactionnels et de service qui précèdent l’attrition. Traduit les données brutes de la GRC en caractéristiques prédictives pour l’entraînement du modèle.

Leçon 1 • Analyse des quotas et des territoires

Utilise les données historiques de performance et de potentiel de marché pour établir des quotas et des territoires équitables. Établit un lien entre les résultats des prévisions et les décisions de planification des ventes.

Leçon 2 • Exactitude des prévisions et amélioration continue

Suit les biais des prévisions, l’erreur absolue moyenne et les tendances de l’exactitude pour améliorer les projections futures. Établit une culture de rétroaction entre l’analyse et la direction des ventes.

Leçon 3 • Analyse de la santé du pipeline

Évalue la couverture du pipeline, les taux de conversion entre les étapes et le vieillissement des transactions pour diagnostiquer le rendement des ventes. S’appuie sur les compétences en matière de rapports sur le pipeline du chapitre sur l’analyse descriptive.

Leçon 4 • Méthodes de prévision dans la GRC

Compare les approches de prévision pondérées par pipeline, basées sur les catégories et assistées par l’IA. Équipe les étudiants pour choisir la bonne méthode en fonction de la maturité des données de leur organisation.

Leçon 1 • Mesure du ROI du programme d’analyse

Quantifie l’impact sur les affaires des initiatives d’analyse de la GRC à l’aide de mesures de chiffre d’affaires, de coûts et d’efficacité. Permet une justification continue de l’investissement dans l’analyse auprès de la direction.

Leçon 2 • Élaboration d’une feuille de route pour l’analyse de la GRC

Structure une feuille de route d’analyse par phases alignée sur les priorités d’affaires et la maturité des données. Traduit la capacité technique en un plan stratégique prêt pour les parties prenantes.

Leçon 3 • Prochaine meilleure action et personnalisation

Applique la logique décisionnelle et les scores de modèle pour recommander la prochaine interaction optimale pour chaque client. Passe de la connaissance descriptive à l’action prescriptive en temps réel.

Leçon 4 • Modélisation de l’attribution pour la GRC

Évalue les modèles d’attribution au premier contact, au dernier contact et multi-contacts pour créditer les revenus sur tous les canaux. Informe les décisions d’allocation budgétaire et d’investissement dans les campagnes.