Les variables digitales

1) Les récurrence typologiques

Si par le passé on a constaté un gain à viser telle ou telle zone géographique, telle ou telle catégorie, on prend des habitudes de prospection qui peut-être se confirmeront, mais peuvent aussi nous fermer des portes, en biaisant nos efforts. Exemple :

Tel pays était intéressant hier. Nous y concentrons nos efforts aujourd'hui. Le lendemain nous avons effectivement récolté le fruit de notre prospection.

Certes mais si nous avons concentré nos efforts sur ce pays, c'est logique d'avoir une confirmation de résultats. Cela ne prouve pas pour autant qu'un autre choix aurait été moins judicieux.

De même si nous avons une prédominance d'une catégorie dans nos bases, et malgré un éventuel faible taux de transformation, c'est logique d'avoir des retours effectifs conséquents. Ça ne prouve toujours pas, digitalement, que cette catégorie est une cible pertinente (mais ici il sera facile de pondérer les variables naturelles avec les chiffres d'affaire).

L'inverse est également valable. Un pays à faible taux de transformation mais sous-représenté dans les bases, n'est pas forcément une perte de temps dans un contexte de prospection digitale. Le faible taux de transformation s'expliquant peut-être par un plus faible temps accordé à la personnalisation des newsletters à destination, ou simplement du fait de la sous-représentation de ce pays dans les bases, cercle vicieux.

De plus dans un outil emailing, les prospects sont souvent bien plus nombreux que les clients réels. Leurs typologies sont donc polluées par la qualité des provenances diverses, et ne sont pas toujours mises à jour, contrairement aux données clients.

Dans le cadre d'un indicateur prévisionnel d'aide à la prospection, le taux de transformation sera donc avantageusement pondéré par le poids des grandes catégories (zones géographiques et centres d'intérêt classiquement, mais vous pouvez choisir en fonction de vos propres besoins : ville, langue, âge, sexe...). Un poids élevé de ces grandes catégories devant minorer l'indicateur final. Ce qui atténura leur influence quantitative et induira une diversification intelligente des résultats (et donc des futures données).

2) Les comportements digitaux

Prédire l'importance des réactions, actives ou passives, avant d'acquérir ou de constituer de nouveaux prospects, serait très intéressant. Il ne s'agit pas de divination, mais avec une approche qualitative et en observant le comportement de ses bases, on peut miser sur certains postulats. Quelques exemples suite à des réactions passives :

Les rebonds

• Les pays très connectés vont souvent changer d'emails, donc avoir de plus nombreux rebonds potentiels.
• Les professions peu connectées vont avoir des emails plus durables, donc moins de rebonds potentiels.
• Les pays/professions à fort turn-over professionnel vont souvent changer d'emails, donc avoir de nombreux rebonds potentiels.
• Les bases acquises auprès de prestataires sont sans doute très spammées, et donc avoir de nombreux rebonds potentiels.
• ...

Un indicateur de prospection digitale à visée prévisionnelle pourra alors être agrémenté d'une variable définissant la potentialité de rebonds dans les futures bases. Minorant les résultats.

Autres exemples de postulats suite à des réactions actives cette fois :

 Les ouvertures, clics, désabonnements et non-ouvertures

• Tel pays semble plus - ou moins - sensible à la teneur de nos newsletters.
• Telle profession semble plus - ou moins - sensible à la teneur de nos newsletters.
• Un pays très connecté est coutumier de la possibilité de désabonnement aux newsletters.
• Une profession très connectée est coutumière de la possibilité de désabonnement aux newsletters.
• ...

Il sera alors intéressant d'ajouter une variable qualifiant la positivité des réactions digitales. Majorant les résultats.