Académique Documents
Professionnel Documents
Culture Documents
SPSS
Statistics
(CDMSHkDQE@BHKDLDMSUNR
LDHKKDTQRBKHDMSR
Utilisez le logiciel danalyse prdictive IBM SPSS
pour extraire des informations de votre base de donnes
Introduction
Qui sont nos meilleurs clients, ceux les plus susceptibles de rpondre
nos offres ? Si vous tes responsable des ventes, du marketing ou du
service clientle, vous voulez une rponse cette question. En fait, vous
voulez en savoir plus sur tous vos clients, des meilleurs aux pires. Tout
simplement parce que planier et mettre en uvre des stratgies
efcaces et rentables pour chaque segment de clientle est crucial pour
augmenter les bnces commerciaux. Ce document explique comment
une socit peut identier ses meilleurs clients ou ses clients les plus
prcieux, mais les mmes processus pourraient tre utiliss pour
dautres segments de clientle.
Connatre vos meilleurs clients (leurs attitudes, habitudes dachat et
prols dmographiques) est crucial pour dvelopper et mettre en uvre
des programmes efcaces de marketing et de gestion de la relation
client. De telles connaissances vous aident cibler efcacement vos
campagnes promotionnelles, publicitaires et marketing, ainsi qu
dvelopper des programmes de vente incitative, de ventes croises et de
dlisation, rtention et rcompense des clients long terme.
Il est particulirement important de coordonner ces efforts une
poque o le marketing sloigne du marketing de masse pour se
rapprocher dune dmarche plus cible, sattachant positionner des
produits ou services particuliers pour des types spciques de clients.
Des informations ables et dtailles sur le comportement, les attitudes
et autres caractristiques des clients constituent un rel avantage
concurrentiel et aident amliorer le retour sur investissement de
toutes vos interactions client. Les dtails obtenus de lanalyse la plus
lmentaire des caractristiques des clients peut avoir de profondes
rpercussions sur votre entreprise.
Table des matires :
1 Introduction
3 Explorer les donnes clients
O vivent vos clients ?
5 Quel est le revenu moyen
du mnage de vos clients ?
7 Dcouvrir des groupes de clients avec
lanalyse RFM
9 Comment les clients rpondent-ils aux
diffrentes offres promotionnelles ?
10 La delisation de la clientle
varie-t-elle selon la rgion ?
12 La reponse de la clientle l'offre 1
a-t-elle vari selon la zone ?
14 Combien ont dpens les clients ?
15 Combien vont dpenser les clients ?
18 Agir
19 Conclusion;
propos dIBM Business Analytics
Business Analytics
IBM Software IBM SPSS Statistics
2
SPSS a fait partie des pionniers dans le domaine de lanalyse des
donnes ; elle a t la premire sur ce crneau et continue tre lune
des applications logicielles les plus populaires et les plus largement
utilises. En tant que nouveau membre de lorganisation IBM, SPSS
met ses produits et solutions danalyse de pointe la porte dun
nombre encore plus grand dorganisations travers le monde.
Les offres dIBM SPSS incluent des produits leaders de lindustrie en
matire de data mining et text mining, collecte des donnes et gestion,
ainsi que des logiciels de statistiques vous permettant didentier vos
meilleurs clients et dlaborer des programmes de marketing plus
efcaces et plus rentables.
Les outils dIBM SPSS sont bass sur les normes de lindustrie et
peuvent facilement sintgrer votre infrastructure existante pour
amliorer lexactitude, rduire la main duvre et minimiser les pertes.
Leffort conjugu dIBM et de SPSS vous offre une exibilit optimale
et sadapte aux types de donnes que vous explorez et la faon dont
vous dployez les rsultats.
Ce livre blanc vous montre comment analyser une base de donnes
clients laide dun logiciel danalyse prdictive IBM SPSS. Cette
famille de produits intgrs pour lanalyse statistique et la gestion des
donnes vous assiste tout au long du processus danalyse, que vous
effectuiez votre analyse partir dun seul ordinateur de bureau ou sur
un rseau tendu.
Les donnes marketing que nous utiliserons comme exemples dans ce
document contiennent 2 070 clients et incluent les informations
suivantes :
la date laquelle le client est devenu lun de vos clients r
lhistorique de ses achats par valeur des commandes en dollars r
sa rponse diffrentes offres r
les informations relatives lattrition ou la rotation du client r
le niveau de revenu de son mnage r
sa classication gographique r
son sexe et autres variables dmographiques r
Notre but est didentier des segments ou groupes de clients qui
constituent les meilleurs clients de notre socit. Nous vous
expliquerons galement comment utiliser le logiciel IBM SPSS pour
exploiter vos donnes clients, prdire le comportement futur de vos
clients et prendre de meilleures dcisions oprationnelles.
Points cls :
Connatre vos meilleurs clients (leurs
attitudes, habitudes d'achat et prols
dmographiques) est crucial pour
dvelopper et mettre en uvre des
programmes efcaces de marketing et de
gestion de la relation client.
Le logiciel danalyse IBM SPSS peut vous
aider obtenir des informations ables et
dtailles sur vos clients pour renforcer
votre avantage concurrentiel.
Business Analytics
IBM Software IBM SPSS Statistics
3
Explorer les donnes clients
Commenons par explorer les diffrentes variables de notre base de
donnes pour rpondre des questions telles que :
O vivent vos clients ? r
Quel est le revenu moyen de leur mnage ? r
Depuis combien de temps vos clients font-ils partie de votre clientle ? r
Combien dargent vos clients dpensent-ils chez nous ? r
Le logiciel IBM SPSS offre plusieurs mthodes pour obtenir
rapidement les rponses ces questions. Les procdures Frquences et
Descriptifs dIBM
SPSS
Statistics
Business Analytics
IBM Software IBM SPSS Statistics
4
Il est souvent utile de savoir o et pourquoi il manque des informations
dans vos donnes. IBM SPSS Statistics reconnat une valeur manquante
soit comme une valeur entirement nulle, soit comme une valeur
rsiduelle telle que non applicable ou sans opinion . Cela permet
aux analystes de faire la distinction entre les donnes qui sont
manquantes parce que la question ou lobservation ne sapplique pas au
rpondant et les donnes qui sont manquantes parce quaucune rponse
na t fournie.
Le tableau 1 la page suivante afche les rsultats dune distribution de
frquence. Les valeurs afches dans la colonne Pourcentage sont
calcules en utilisant tous les cas de lensemble de donnes (N = 2070).
La colonne Pourcentage valide afche la distribution proportion-
nelle des cas avec uniquement des donnes valides rapportes, ou
donnes non manquantes (N = 1720). Cela permet une comparaison
cte--cte rapide des distributions ; de grosses diffrences entre ces
deux colonnes peuvent suggrer un biais dans les donnes. Le tableau 1
montre galement que prs de 17 % des donnes sont manquantes, ce
qui pourrait indiquer des problmes potentiels pour les analyses.
Tableau 1 : Le tableau revle que la plupart des clients (41,1 %j vivent en zone
suburbaine.
Business Analytics
IBM Software IBM SPSS Statistics
5
Quel est le revenu moyen du mnage de vos
clients ?
Il y a plusieurs faons dobtenir un aperu plus dtaill de vos clients.
Pour obtenir des informations sur le revenu du mnage, par exemple,
nous employons des statistiques rsumes de base, comme les valeurs
moyenne, minimum et maximum, et lcart type. Le descriptif dIBM
SPSS Statistics offre un premier aperu informatif de vos donnes
dchelle ou de niveau dintervalle, comme le revenu (mesur en dollars).
Le tableau 2 afche les rsums descriptifs du revenu du mnage.
Nous voyons dans le tableau 2 que le revenu annuel moyen du mnage
des prs de 2 000 clients qui ont indiqu leur revenu dans nos donnes
est de 61 386,39 $. Daprs lcart type qui est denviron 11 000 $, nous
savons que la majorit des clients (environ 68 %) gagnent entre
50 000 $ et 72 000 $.
Depuis combien de temps vos clients font-ils
partie de votre clientle ?
Pour dterminer depuis combien de temps vos clients font partie de
votre clientle, ajoutez un nouveau champ vos donnes pour la date
laquelle le client a t entr dans la base de donnes. En soustrayant
cette date la date actuelle, ou la date de sa dernire transaction, vous
pouvez dterminer depuis combien de temps un client fait partie de
votre clientle. En utilisant lune des nombreuses fonctions temporelles
disponibles dans IBM SPSS Statistics, vous pouvez facilement
transformer la date en nombre dannes.
La base de donnes contient galement les informations dattrition, ou
le statut du client (actuel ou pass). Grce ces informations et la
dure depuis laquelle le client est dans la base de donnes, vous pouvez
dterminer sa survie ou la dure pendant laquelle il vous est rest
dle avant de vous abandonner.
IBM SPSS Statistics vous permet de
savoir facilement si une information est
manquante ou si une valeur est nulle.
Tableau : : La procdure Descriptifs dans IBM SPSS Statistics offre un rsum rapide
montrant que le revenu de mnage moyen est de 61 386,39 $
Les fonctions de statistiques descriptives
dIBM SPSS Statistics vous permettent
dobtenir des informations dtailles sur le
revenu du mnage de vos clients.
Business Analytics
IBM Software IBM SPSS Statistics
6
Lanalyse de survie Kaplan-Meyer est particulirement utile pour
mesurer le dlai avant quun client devienne inactif ou ne fasse plus
partie de votre clientle. Lun des gros avantages de lanalyse de survie
Kaplan-Meyer est que cette mthode tient compte des clients disparus
de la base de donnes avant que lattrition soit dtermine : par
exemple, si un client reste un client actuel mais a t inactif. Le
graphique 2 ci-dessous montre que plus les clients sont dans la base de
donnes depuis longtemps moins ils sont actifs. Autrement dit, la
proportion cumule des clients restant dans la base de donnes diminue
rgulirement au l du temps. Nous pouvons voir que le temps de
survie mdian, ou le dlai au bout duquel 50 pour cent des clients sont
partis, est denviron 11 ans.
IBM SPSS Statistics peut dterminer
votre taux dattrition et la dure pendant
laquelle chacun de vos clients a fait partie
de votre clientle, vous aidant ainsi
identier les tendances et agir de faon
proactive pour retenir les clients.
Diagramme : : Le diagramme de survie Kaplan-Meyer dIBM SPSS Statistics indique
que le temps de survie mdian dun client est de 11 ans.*
* Lanalyse Kaplan-Meyer ci-dessus a montr que la dure mdiane de prsence dans la base de donnes
clients est de 11 ans, et la valeur moyenne (non afpche) est 9,974 ans. Souvenez-vous, toutefois, que
lun des gros avantages de la courbe Kaplan-Meier est que cette mthode peut prendre en compte les
donnes censures , les donnes perdues de lchantillon avant que le rsultat pnal soit observ (par
exemple, si un client est supprim des donnes avant que lattrition soit dtermine).
Business Analytics
IBM Software IBM SPSS Statistics
7
Dcouvrir des groupes de clients avec lanalyse
de rcence, de frquence et de valeur montai-
re (RFM)
Vous pouvez galement dcouvrir qui sont vos meilleurs clients. Les
meilleurs clients sont gnralement les clients les plus rentables ou
ceux qui dpensent le plus dargent dans votre organisation. Pour
obtenir laperu le plus exact de la valeur dun client tout au long de son
cycle de vie, nous utilisons lanalyse de rcence, de frquence et de
valeur montaire (RFM). Par exemple, vous pouvez classer vos clients
comme suit :
Ceux qui ont dpens le plus le plus souvent et le plus rcemment. r
Ceux qui ont dpens le plus en valeur, mais qui nont peut-tre rien r
achet depuis longtemps.
Ceux qui ont dpens le plus en un nombre minimal de transactions. r
Ceux qui ont dpens le moins, ou rarement, et nont rien achet r
depuis longtemps.
De cette faon, vous pouvez dterminer quels sont vos meilleurs r
clients en fonction de la rcence et de la frquence de leurs achats
ainsi que de la somme quils ont dpense.
Utiliser lanalyse RFM dans IBM SPSS Statistics vous permet de
gnrer une liste des clients qui ont dpens le plus en intgrant les
variables appropries, le numro du client, ainsi que la date et le
montant des transactions. Dans cet exemple, il est ncessaire davoir un
numro client associ chaque transaction. La date des transactions est
importante pour savoir quand ou quelle frquence le client achte.
Enn, parce que vous aurez envie de savoir combien un client aura
dpens au cours de son cycle de vie, vous inclurez galement le total.
Lanalyse RFM dIBM SPSS Statistics
vous aide identier vos meilleurs
clients , ceux qui dpensent le plus
dargent dans votre organisation, ce qui
vous permet de cibler speciquement et
efcacement ce groupe.
Figure 1 : Lanalyse RFM vous permet dintgrer rapidement les variables ncessaires.
Business Analytics
IBM Software IBM SPSS Statistics
8
Une fois que vous avez entr ces variables, vous pouvez effectuer lanalyse
pour obtenir les scores RFM de vos clients et dterminer ceux que vous
voulez cibler. Dans cet exemple, vous pourriez vous concentrer sur les
clients qui ont un score RFM de 555, ceux qui ont achet le plus
rcemment et le plus souvent et qui ont dpens le plus dargent. Une
fois le rsultat gnr, vous pouvez trier les donnes pour vous
concentrer sur vos meilleurs clients (ceux ayant un score RFM de 555).
En utilisant dautres analyses descriptives des dpenses des clients, vous
pouvez voir que la majorit des clients dpensent 500 $ ou moins, et
qu des valeurs en dollars suprieures, le nombre de clients effectuant
des achats diminue de faon constante. La somme moyenne dpense
par les clients slve 1 360 $, et un tout petit nombre de clients a
dpens plus de 7 000 $.
Pour linstant, nous savons quun client type :
vit en zone suburbaine r
a un revenu de mnage de 61 000 $ r
dpense 1 360 $ pour nos produits et services r
a une dure de vie moyenne ou survie de 11 ans r
Figure : : Lanalyse montre les scores RFM.
Business Analytics
IBM Software IBM SPSS Statistics
9
Comment les clients rpondent-ils aux diffren-
tes offres promotionnelles ?
Lanalyse des rsultats de promotions marketing spciques par IBM
SPSS Statistics est une tape importante pour comprendre vos clients.
valuer les efforts passs aide identier ce qui a march et ce qui na
pas march, ce qui vous permet de renouveler vos succs et de tirer des
leons de vos checs. Ici, nous voulons rpondre deux questions :
Combien de personnes ont rpondu chacune de nos quatre offres ? r
Quelle est la somme moyenne dpense en rponse nos diffrentes r
promotions ?
Pour ce faire, nous excutons la procdure Frquences sur la rponse
chaque offre et la procdure Descriptifs sur la valeur de la commande
pour les quatre offres. Dans le tableau 4, nous voyons que 890 clients,
soit 44,5 pour cent de la clientle, ont rpondu loffre 1. Une analyse
similaire des autres offres montrerait une rponse de 39 pour cent
loffre 2, une rponse de 37,4 pour cent loffre 3 et une rponse de
17,4 pour cent loffre 4.
Nous savons donc que loffre 1 a enregistr le plus fort taux de rponse,
mais nous ignorons comment ces rponses se sont traduites en revenus
pour la socit. Excuter la procdure Descriptifs sur les offres 1 4
rvle que la valeur de loffre 1, 376,64 $, a galement t la meilleure
des quatre, comme lindique le tableau 4, tandis que loffre 3, qui avait
elle aussi afch un trs fort taux de rponse, a t la pire avec 293,98 $
par rponse. Loffre 1 a donc t, sur les deux plans, la plus efcace.
Figure : : Lanalyse montre les scores RFM.
Tableau : Prs de 45 pour cent de la base de donnees clients (soit 890 personnesj
ont repondu l'offre 1.
Business Analytics
IBM Software IBM SPSS Statistics
10
La dlisation de la clientle varie-t-elle selon la
rgion ?
Pour tudier cette question, nous gnrons un puissant graphique
statistique, la bote moustaches. Il afche la fois la valeur mdiane et
la distribution des donnes. Daprs la bote moustaches du
graphique 3, nous pouvons voir que les clients des zones rurales ont une
dure mdiane de prsence dans la base de donnes suprieure, ce qui
suggre quils font partie de la clientle depuis plus longtemps, en
moyenne, que ceux des autres zones.
Une comparaison des moyennes offre des statistiques rsumes pour une
valeur de mesure par groupe. Le tableau 5 complte les informations
afches dans la bote moustaches, mais sous forme de tableau. Il rvle
que bien que la dure moyenne globale de prsence dans la base de
donnes soit de 7,49 ans, les clients des zones rurales ont fait partie de la
clientle plus longtemps que ceux des zones suburbaines ou urbaines.
Diagramme : La boite moustaches afche la fois la valeur mediane et la
distribution des donnes. Il est facile de voir que les clients des zones rurales ont une
duree mediane de presence superieure, ce qui suggre qu'ils font partie de la clientle
depuis plus longtemps, en moyenne, que ceux des autres zones.
Tableau : L'analyse de l'historique des achats revle que la valeur de l'offre 3,
293,98 $, est inferieure la valeur moyenne des autres offres.
Lanalyse IBM SPSS Statistics des
resultats d'une campagne marketing
specique vous aidera tirer prot de vos
succs et tirer des leons de vos
checs.
Business Analytics
IBM Software IBM SPSS Statistics
11
Est-ce une dcouverte signicative ? La signication statistique nous
indique si les diffrences observes dans nos donnes sont dues au
hasard ou si elles tendent reter des tendances dans la population au
sens large et mritent une plus grande attention.
Le rapport ANOVA du tableau 6 montre que les diffrences entre
zones en ce qui concerne la dure de vie dun client sont
statistiquement signicatives. Generalement, nous considerons un
fait comme statistiquement signicatif lorsque la probabilite qu'il
soit d au hasard est inferieure 5 pour cent (fait survenant moins
de 5 fois sur 100j. Cela est indique par un niveau de signication de
0,05 ou moins. Puisque le niveau de signication indique dans ce
tableau est 0,000 bien en dessous du seuil de 0,05, nous pouvons
conclure que les diffrences de moyennes observes dans les
donnes ne sont srement pas dues au hasard. La distribution
globale de la delisation moyenne de la clientle et des zones n'est
probablement pas due des causes aleatoires, mais autre chose.
Exemples de causes possibles :
Le premier bureau a ouvert dans une zone rurale. r
On a davantage besoin du produit dans une zone que dans une autre. r
Une certaine caractristique du produit a t introduite avec succs r
dans une zone.
Dautres causes peuvent exister et ncessiter une investigation. Cest
pourquoi il est galement important de connatre votre entreprise, an de
rassembler les bonnes donnes pour tester vos thories sur les relations.
Tableau 6 : Ce rapport de comparaison des moyennes revle que bien que la duree
moyenne globale de prsence dans la base de donnes soit de 7,49 ans, les clients
des zones rurales ont fait partie de la clientle plus longtemps, en moyenne, que ceux
des zones suburbaines ou urbaines.
Business Analytics
IBM Software IBM SPSS Statistics
12
La rponse de la clientle loffre 1 a-t-elle
vari selon la zone ?
Continuons analyser la rponse nos offres. IBM SPSS Statistics offre un
moyen facile de prsenter graphiquement les informations sur les
quatre offres, en utilisant un graphique barres groupes. Le graphique 4
offre un rsum des schmas de rponse par zone. Nous voyons que les
clients des zones urbaines ont tendance moins commander que les clients
des deux autres zones, notamment de la zone rurale. Cest une chose que
nous naurions pas pu deviner au vu de la distribution de frquence par
zone, qui montrait que les zones rurales comptaient moins de clients.
Pour savoir si cela est signicatif, nous pouvons explorer plus en
detail les resultats de chaque offre par zone. Pour repondre la
question Comment les personnes de chaque zone ont-elles
repondu l'offre 1 ? , nous realisons un tableau croise lBM SPSS
Statistics sur loffre 1 par zone. Le tableau 7 montre que 41,3 pour
cent des personnes qui ont repondu l'offre 1 se trouvaient en zone
suburbaine. Mme si seulement 26,5 pour cent des personnes qui
ont repondu l'offre 1 se trouvaient en zone rurale, plus de la moitie
(50,5 pour centj des clients de cette zone ont repondu l'offre.
Pour comprendre si une zone est associe ou pas la rponse loffre 1,
nous comparons les pourcentages des lignes % de zone et
dcouvrons que 45 pour cent des personnes en zone suburbaine et
40 pour cent des personnes en zone urbaine ont rpondu cette offre.
Daprs ces informations, nous concluons que les zones rurales sont de
bonnes zones pour une offre telle que loffre 1.
IBM SPSS Statistics offre de puissantes
fonctions de cration de graphiques
statistiques pour visualiser les donnes de
delisation de la clientle par region.
Diagramme : Le graphique barres groupees lBM SPSS Statistics offre un moyen
rapide et clair de prsenter les schmas de rponse par zone.
Tableau : Le rapport ANOVA montre que les diffrences observes sont statistique-
ment signicatives, ce qui peut meriter un approfondissement.
Business Analytics
IBM Software IBM SPSS Statistics
13
Toutefois, mme sil apparat que les pourcentages sont diffrents, cest
une raison insufsante pour commencer renouveler loffre 1 dans les
zones rurales. Nous devons dabord dterminer si la zone et la rponse
loffre 1 sont indpendantes lune de lautre ou pas. Ici, la variable
khi-deux est utile pour dterminer si les distributions observes dans les
donnes retent des tendances de la population au sens large.
Le tableau 9 contient les informations khi-deux pour la zone et
loffre 1. Dans ce cas, le khi-deux est signicatif (p = 0,007) et indique
que les schmas du tableau ne sont srement pas dus au hasard. Il
pourrait y avoir une raison spcique et identiable expliquant le plus
grand succs de loffre 1 dans les zones rurales. Peut-tre que le
message rpondait plus directement leurs besoins, ou que le type de
support tait plus appropri pour attirer et retenir leur attention.
Tableau : Un khi-deux de 0,007 pour la zone et l'offre 1 indique que les differences
entre les zones sont signicatives.
En identiant les cls du succs de la campagne dans les zones rurales,
nous pouvons les exploiter dans les futures offres proposes cette
zone. Nous pouvons aussi choisir dexplorer dautres relations par
rapport cette zone.
Tableau S : Mme si seulement 26,5 pour cent des personnes qui ont repondu
loffre 1 se trouvaient en zone rurale, plus de la moiti (50,5 pour cent) des clients de
cette zone ont repondu l'offre.
Business Analytics
IBM Software IBM SPSS Statistics
14
Combien ont dpens les clients ?
Une fois encore, grce lanalyse RFM, nous pouvons intgrer les
variables pour dterminer ce que nous voulons savoir. Dans ce cas, nous
voulons savoir quels clients ont dpens le plus dargent. Une fois
lanalyse effectue, nous pouvons trier les transactions totales par valeur
en dollar.
Une autre faon dexaminer lhistorique des achats consiste valuer la
somme totale dpense, plutt que juste largent dpens chaque
commande. Peut-tre quune relation entre la somme totale dpense
et la zone rvlera des informations prcieuses. Une ANOVA un
facteur offre des informations spciques sur la signication des
diffrences dans les valeurs moyennes que vous pouvez observer.
La premire chose que fournit une ANOVA un facteur est un tableau
des statistiques descriptives. Le tableau 9 montre que la somme totale
moyenne dpense par zone en rponse chacune des quatre offres
varie considrablement. La somme moyenne dpense tait de
1 206,01 $ dans les zones urbaines, 1 391,70 $ dans les zones
suburbaines et 1 618,27 $ dans les zones rurales.
Le rapport montre galement que la diffrence moyenne afche entre
les niveaux de dpense dans les zones suburbaines et rurales nest pas
statistiquement signicative. En revanche, il montre que la diffrence
entre les zones rurales et urbaines est signicative.
Vous pouvez utiliser ces informations pour mieux comprendre en quoi
et pourquoi ces zones diffrent et pour dvelopper des plans marketing
cibls an dexploiter ces diffrences. Par exemple, il se peut quune
combinaison diffrente de marketing et ventes, une offre diffrente ou
une offre groupe spciale de produits et services fonctionne mieux
dans les zones urbaines. Les programmes marketing des zones rurales
doivent y tre rpts pour un succs renouvel.
Avec IBM SPSS Statistics, il est facile de
prsenter simultanment les rsultats de
plusieurs offres sous forme graphique.
Business Analytics
IBM Software IBM SPSS Statistics
15
Combien vont dpenser les clients ?
Les modles prdictifs sont de puissants outils pour aider cibler les
prospects et optimiser les ressources marketing. Ils aident rpondre
des questions telles que Combien vont dpenser les clients, vu leur
niveau de revenu ?
Dans de nombreuses tudes statistiques, lobjectif est dtablir une
relation, exprime sous la forme dune quation, pour prdire les
valeurs types dune variable en fonction de la valeur dune autre. IBM
SPSS Statistics offre plusieurs procdures pour tablir des relations et
dnir des modles prdictifs. Ces procdures incluent les diagrammes
de dispersion et les corrlations, lanalyse de rgression linaire et
logistique et les arbres de classication. Grce aux instructions pas--
pas et aux fonctions daide intgres de la famille de produits IBM
SPSS Statistics, vous pouvez excuter ces procdures avec succs, mme
si vous ntes pas statisticien.
Le graphique 5 montre la forme de la relation entre ces deux variables.
Le diagramme de dispersion est idal pour reprsenter la distribution
conjointe de deux variables continues ou dintervalle. Le coefcient de
corrlation de 0,608 afch dans le tableau 10, indique une relation
forte et indniable entre le revenu du mnage et la somme totale
dpense. Lanalyse de rgression afne la relation avec un modle,
comme le montre le tableau 11. Cette relation montre que la somme
totale dpense pour des produits augmente proportionnellement au
revenu du mnage. Cest une information prcieuse qui, combine
dautres renseignements sur vos clients, peut vous aider prdire
combien chaque client est susceptible de dpenser.
Diagramme : Le diagramme de dispersion montre la forme de la relation entre ces
deux variables. Plus les clients gagnent dargent, plus ils dpensent pour nos produits.
Avec lanalyse de rcence, de frquence
et de valeur montaire (RFM) dIBM SPSS
Statistics, vous pouvez analyser la
somme totale dpense en dollars ainsi
que les informations relatives chaque
commande pour mieux cibler vos projets
marketing et offres speciales.
Business Analytics
IBM Software IBM SPSS Statistics
16
Avec IBM
SPSS