Digital Marketing Campaign Project
Description
Ce projet a été réalisé avec une base de données d'une compagnie qui effectue des campagnes en ligne sur son site internet afin d'augmenter la visite de ce site, dans le but de favoriser les achats aussi bien en ligne qu'en magasin.
Les données captent les réactions de la clientèle face aux cinq campagnes publicitaires en ligne couvrant la période de juillet 2012 à juin 2014.
Leur taux de succès est mesuré par le nombre de visites du site web, le nombre d'achats par campagne et la rapidité avec laquelle l'achat a été effectué après la lecture de la publicité. Il s'agit de la vente de six grandes catégories de produits, y compris de l'or, des sucreries, du poisson, de la viande, des fruits et du vin.
Les caractéristiques socio-économiques de la clientèle sont captées par leur année de naissance, niveau d'éducation, statut marital, revenu familial, et le nombre d'enfants et d'adolescents à la maison. Les clients proviennent de sept pays dont l'Allemagne, l'Espagne, le Canada, l'Afrique du Sud, les USA, l'Australie et l'Inde.
Structure des données
Nombre de colonnes : 28
Nombre de lignes : 2240
#
Table 1. Noms des variables et types de données
| Nom de colonne | Description | Type de donnée avant | Data de donnée après |
|---|---|---|---|
| ID | Unique identifier for each customer | smallint | smallint |
| Year_Birth | Year of birth of the customer | smallint | smallint |
| Education | Customer's level of education | nvarchar(50) | nvarchar(50) |
| Marital_Status | Customer's marital status | nvarchar(50) | nvarchar(50) |
| Income | Customer's yearly household income | nvarchar(50) | int |
| Kidhome | Number of small children in customer's household | tinyint | tinyint |
| Teenhome | Number of teenagers in customer's household | tinyint | tinyint |
| Dt_Customer | Date of customer's enrollment with the company | date | date |
| Recency | Number of days since the last purchase | tinyint | tinyint |
| MntWines | Amount spent on wines in the last 2 years | smallint | smallint |
| MntFruits | Amount spent on fruits in the last 2 years | tinyint | tinyint |
| MntMeatProducts | Amount spent on meat products in the last 2 years | smallint | smallint |
| MntFishProducts | Amount spent on fish products in the last 2 years | smallint | smallint |
| MntSweetProducts | Amount spent on sweet products in the last 2 years | smallint | smallint |
| MntGoldProds | Amount spent on gold products in the last 2 years | smallint | smallint |
| NumDealsPurchases | Number of purchases made with discount | tinyint | tinyint |
| NumWebPurchases | Number of purchases made through company's website | tinyint | tinyint |
| NumCatalogPurchases | Number of purchases made using catalog | tinyint | tinyint |
| NumStorePurchases | Number of purchases made directly in stores | tinyint | tinyint |
| NumWebVisitsMonth | Number of visits to company's website in the last month | tinyint | tinyint |
| AcceptedCmp3 | 1 if customer accepted the offer in the 3rd campaign, 0 otherwise | bit | bit |
| AcceptedCmp4 | 1 if customer accepted the offer in the 4th campaign, 0 otherwise | bit | bit |
| AcceptedCmp5 | 1 if customer accepted the offer in the 5th campaign, 0 otherwise | bit | bit |
| AcceptedCmp1 | 1 if customer accepted the offer in the 1st campaign, 0 otherwise | bit | bit |
| AcceptedCmp2 | 1 if customer accepted the offer in the 2nd campaign, 0 otherwise | bit | bit |
| Response | 1 if customer accepted the offer in the last campaign, 0 otherwise | bit | bit |
| Complain | 1 if customer complained in the last 2 years | bit | bit |
| Country | Customer's country | nvarchar(50) | nvarchar(50) |
Source des données
Kaggle: https://www.kaggle.com/datasets/sahilnbajaj/marketing-campaigns-data-set
Analyse des données
Afin d'obtenir des informations pertinentes pour affiner notre stratégie de marketing, j'ai procédé aux requêtes suivantes :
Nombre total de clients par pays dans l'ordre décroissant
Quel status maritals a le revenu moyen le plus élevé?
Le niveau d'education et le nombre des clients dont les revenus sont supérieurs à la moyenne des revenus de l'échantillon d'analyse
La liste des clients qui ont déjà fait au moins un achat sur le site web de la compagnie
Relation entre le nombre d'enfants et adolescent àla maison et le montant des achats
Le nombre de clients mariés et leur ancieneté de statut de client avec la compagnie, au 31 décembre 2023
Le nombre de clients depuis leur dernier achat
Le nombre de visites web par mois
Le taux de réponse positif aux campagnes de marketing
Statistiques de toutes les campagnes de marketing ('Succès' si le client a acheté pendant la campagne en question et 'Échec' si le client n'a pas fait d'achat pendant la campagne en question)
Le nombre de plaintes effectuées par pays
Quelle est la moyenne des achats par type de produit ?
Le produit le plus vendu et la date de la vente
L'année à laquelle on a eu la plus grande vente en ligne
Le nombre total des ventes provenant de tous les circuits de vente
Le pourcentage des ventes selon le type de circuit de vente
Le montant dépensé sur le vin pendant les deux dernières années selon le niveau d'éducation des clients
Les caractéristiques socio-économiques des célibataires les plus âgés selon leur pays
Le nombre de clients par generation, ainsi que leur âge moyen et leur voie d'achat préférée
Le code SQL de ces 19 requêtes se trouve ICI.
Resultat de l'Analyse
La majorité des clients proviennent d'Espagne, contribuant ainsi à 49 % des ventes totales. Les clients ayant le statut de 'Absurd' ont le revenu moyen le plus élevé. Attention : ceux-ci ne représentent que 0,1 % de la population. Il serait donc sage de prêter attention plutôt aux mariés, qui constituent 38,6 % de la clientèle.
En termes de niveau d'éducation, les clients ayant un doctorat sont les plus nombreux, suivis par ceux ayant une maîtrise et ceux ayant un niveau collégial en troisième position. Il est néanmoins important de souligner que les clients ayant au moins un niveau collégial constituent la majorité de la clientèle.
La majorité des clients ont un enfant/adolescent à la maison ; cependant, les clients qui n'ont ni enfant ni adolescent à la maison sont responsables de la grande majorité des achats effectués.
Les campagnes publicitaires en ligne, toutes campagnes confondues, ont eu un taux de succès de 30 %, avec la campagne No. 4 ayant le plus grand succès à 7,4 % et la campagne No. 2 ayant le moindre succès à 1,3 %.
Le vin est le produit le plus demandé, avec la plus grande vente effectuée le 22 mai 2013.
La compagnie réalise 12 % de ses ventes en magasin de plus qu'en ligne. La vente par les catalogues et les offres promotionnelles est non négligeable, car elles contribuent à 33 % des ventes totales.
Les Gen X constituent la majorité de la clientèle. Ils ont un âge moyen de 51 ans et préfèrent magasiner davantage en magasin.
Points Forts du Projet
Richesse des Données :
La base de données est riche et diversifiée, contenant des informations détaillées sur les clients, y compris des données démographiques et des comportements d'achat.
Les données couvrent plusieurs pays, ce qui permet des analyses comparatives intéressantes entre les différentes régions.
Analyse Complète des Campagnes :
Les données permettent de mesurer le taux de succès des campagnes publicitaires de manière détaillée, y compris le nombre de visites et d'achats, et la rapidité des achats post-publicité.
Les campagnes sont analysées sur une période de deux ans, ce qui permet de discerner des tendances et des évolutions dans les comportements d'achat.
Segmentation Socio-Économique :
- La segmentation des clients par statut marital, niveau d'éducation, et revenu familial offre des insights précieux pour adapter les stratégies marketing aux différents segments de la clientèle.
Multicanal :
- Les données incluent différents types de canaux d'achat (en ligne, en magasin, via catalogue), permettant d'analyser la performance de chaque canal et de comprendre les préférences des clients.
Faiblesses du Projet
Données Anciennes :
- Les données couvrent une période de juillet 2012 à juin 2014. Elles peuvent ne plus refléter les comportements actuels des consommateurs ou les tendances du marché.
Manque de Données Qualitatives :
- Les données sont principalement quantitatives. Des informations qualitatives sur la satisfaction des clients ou leurs motivations d'achat pourraient enrichir l'analyse.
Représentation Inégale des Catégories de Produits :
- Les six catégories de produits analysées peuvent ne pas couvrir l'ensemble de l'offre de la compagnie, limitant ainsi la portée des conclusions.
Problèmes de Segmentation :
- La segmentation par statut marital inclut une catégorie "Absurd" avec un revenu moyen élevé mais ne représentant que 0,1 % de la population, ce qui pourrait biaiser les analyses.
Données Sur Les Réclamations :
- Bien que le nombre de plaintes soit collecté, il n'y a pas d'analyse approfondie des raisons des plaintes ou de la satisfaction globale des clients, ce qui est crucial pour l'amélioration continue des services.
6. Analyse des données:
Cette analyse se limite aux statistiques descriptives du donnée. Une ètude plus approfondi utilisant les regressions par exemple, pourrais faire resortir la dependance entre les variables et leurs niveaux de correlation.
Conclusion
Ce projet présente une base solide pour l'analyse des campagnes marketing avec des données détaillées et diversifiées. Toutefois, des mises à jour des données, une inclusion de données qualitatives et une analyse plus approfondie des réclamations des clients pourraient améliorer la pertinence et la profondeur des insights obtenus.