Segmentation Sfr

technologiques 4 4. Un secteur souffrant de pressions tarifaires à la baisse 5 5. Une dématérialisation des supports vidéos : l’avènement de la VOD 6 b. Une demande de plus en plus difficile à satisfaire 6 1. La consommation sur le secteur vidéo 6 2. Segmentation de la demande 7 3. Evolution quantitative de la demande 8 II. Les principaux acteurs 8 a. La distribution vidéo : un secteur concentré 8 1. Panorama de la distribution 8 2. De nouveaux types de regroupements afin d’acquérir un avantage

d’affaires ......................................................... 51 52 53 54 55 56 ÉTAPE 2 Optimiser votre ciblage via une segmentation opérationnelle ........ La conquête coûte plus cher que la fidélisation....................................... Que mettre en œuvre pour mieux cibler ? ................................................ Le choix des critères de segmentation..................................................... Votre base de données de prospection...................................

gérer et surtout de piloter les 300 millions de contacts annuels que la BNP a au travers des différents canaux, celle-ci s’est appuyée sur une application décisionnelle provenant de SAS qui permet de faire des analyses marketing de ciblage, de segmentation et de score de produits financiers. Ainsi, le système de score permet au vendeur, une fois les informations collectées, de connaître les produits à conseiller mais aussi le niveau de délégation pour un crédit qui peut être pré-attribué par exemple

rôle majeur dans le paysage logistique européen des prochaines années. Une segmentation complexe Pour bien analyser son marché, l’entreprise doit d’abord le segmenter en regroupant les couples clients/services qui partagent les mêmes facteurs clés de succès, c’est-à-dire qui ont des besoins à satisfaire voisins ou nécessitant une réponse identique. Il existe plusieurs approches possibles pour cette segmentation, chacune avec sa propre pertinence, ce qui rend la tâche du chef d’entreprise

de masse à partir de 5 questions fondamentales : les 5 W : Qui dit ? analyse de l’émetteur-> il faut connaître parfaitement la marque, l’identité visuelle, etc de l’annonceur Quoi ? analyse du contenu du msg A qui ? cible, d’où nécessité de segmentation/du ciblage A travers quel canal ? quel type de média/hors média Avec quel effet ? analyser l’influence du msg de com L’avantage de ce modèle c’est qu’il suppose (qu’il met en avant la possibilité d’une pluralité, à la fois d’émetteur et de récepteur)

plus courant est Adidas, qui provient du diminutif de son fondateur Adolf Master, surnommé Adi. • Le nom géographique : Evian, Mont Blanc, Tahiti. • Le sigle : SNCF, BNP, HP, IBM, SFR. Le plus souvent des abréviations du nom original de la marque. Il faut noter que certains d’entre eux sont tombés dans l’oubli comme SFR (Société Française de Radiotéléphonie) ou BMW (Bayerische Motoren Werke). Deux autres types de nom peuvent être rattachés à cette catégorie, celui des patronymes et celui des allographes

suivants. b) Distinction des marchés selon le mode de diffusion 109. Il convient d’examiner s’il y a lieu d’identifier des marchés distincts selon le mode de diffusion de l’offre télévisuelle (par câble, satellite, ADSL, TNT, mobile, etc.). Cette segmentation a été évoquée par les autorités de concurrence, laissée ouverte puis exclue par la Commission européenne (Décisions de la Commission européenne n° IV/36.237 du 3 mars 1999, TPS, n° COMP/JV.40 du 22 juin 2000, Canal+ / Lagardère / CanalSatellite

la conscience marketing », sur www.marketingpouringenieurs.com 2. Vision construite sur la base d’interviews de managers de grandes entreprises technologiques. 3 MARKETING POUR INGÉNIEURS de vente : le positionnement, le ciblage et la segmentation n’étaient pas travaillés. Le début des années 2000 a été synomyme de démocratisation technologique : les marchés (téléphonie, informatique, Internet, téléphonie fixe, réception TV, etc.) se sont ouverts au grand public. Les grandes entreprises

. . . . . . . . . . . . . . . . . . . . . . . . . .112 Les autres applications du data mining client . . . . . . . . . . . . . . . . . . . .114 La présentation des concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .114 La segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .116 Les modèles prédictifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .123 Le data mining . . . . . . . . . . . . . . . . . . . . . . .

................................ 226, 245 Rubbermaid .................................................................................... 136 Saturn .............................................................................................. 121 SFR ................................................................................................... 111 Shell ................................................................................................. 256 Shiseido ...........................