Comparatif
Imagine All The People vs Customer Twins
Être fidèle à vos clients n’est pas représenter votre marché.
Un Customer Twin cherche à reproduire un client ou un ensemble de clients connus à partir de données observées. Imagine All The People part de la population cible : clients, non-clients, citoyens, salariés ou parties prenantes, y compris lorsqu’ils ne figurent pas dans vos bases propriétaires.
Quatre différences, sans détour.
Thèse
Fidélité aux individus observés et représentativité de la population cible sont deux objectifs distincts.
- Customer Twin
Fidélité aux individus observés.
Imagine All The PeopleReprésentativité de la population cible.
- Customer Twin
Données CRM, transactions, navigation, interactions et first-party data.
Imagine All The PeopleDonnées statistiques, distributions, contraintes et éventuellement données métier.
- Customer Twin
Excellent pour comprendre et anticiper le comportement de clients connus.
Imagine All The PeoplePermet aussi d’explorer les personnes absentes des bases propriétaires.
- Customer Twin
Le biais de couverture de la donnée source peut être reproduit à grande échelle.
Imagine All The PeopleLa population cible est explicitement construite et contrôlée sur les dimensions modélisées.
Ce qui change, dimension par dimension.
| Dimension | Customer Twin | Imagine All The People |
|---|---|---|
| Unité de base | Customer TwinClient ou individu observé | Imagine All The PeopleIndividu synthétique dans une population cible |
| Point de départ | Customer TwinDonnées individuelles historiques | Imagine All The PeopleDécision + données de population + contraintes |
| Couverture | Customer TwinPopulation présente dans les données sources | Imagine All The PeoplePopulation cible définie pour la décision |
| Données personnelles | Customer TwinSouvent first-party et individuelles | Imagine All The PeoplePas de données personnelles individuelles requises pour construire une population |
| Biais | Customer TwinPeut reproduire les biais de sélection et de couverture des données sources | Imagine All The PeopleDépend des données, contraintes et dépendances explicitement modélisées |
| Non-clients | Customer TwinDifficiles à représenter s’ils sont absents des données | Imagine All The PeoplePeuvent être inclus dans la population cible |
| Dynamique collective | Customer TwinSouvent centré sur le comportement individuel | Imagine All The PeopleIndividus, groupes, interactions, influence, cascades |
| Scénarios | Customer TwinSelon l’architecture | Imagine All The PeoplePlusieurs scénarios sur la même population |
| Meilleur usage | Customer TwinPersonnalisation et prédiction client à partir du connu | Imagine All The PeopleSimulation d’une décision à l’échelle de l’ensemble des parties prenantes |
Population-centric vs customer-centric.
Un Customer Twin cherche d’abord à reproduire fidèlement les clients observés. Imagine All The People cherche d’abord à construire la population qu’une décision affecte.
Cela permet d’intégrer explicitement les personnes absentes du CRM, les non-clients, les faibles utilisateurs ou d’autres populations difficiles à observer.
Cela ne rend pas automatiquement la population parfaite : sa qualité dépend des données de référence, des contraintes et des dépendances modélisées.
Exemple illustratif.
Décision
Faut-il supprimer un canal de distribution ?
Customer Twin
Simuler l’impact sur les clients identifiés qui utilisent ou pourraient utiliser ce canal.
Imagine All The People
Inclure également les clients occasionnels, non-clients, prospects et populations indirectement affectées, puis simuler les réactions collectives.
Chaque approche a son domaine de pertinence.
Choisissez un Customer Twin si…
- personnalisation ;
- next-best-action ;
- CRM ;
- churn ;
- parcours client ;
- optimisation sur une base connue.
Choisissez Imagine All The People si…
- nouvelle offre ;
- nouveau marché ;
- politique publique ;
- réputation ;
- acceptabilité ;
- décision impliquant plusieurs parties prenantes ;
- population qui dépasse la base CRM.
Ce que ces pages ne prétendent pas démontrer.
La robustesse statistique de la population ne se transfère pas automatiquement aux réponses comportementales. La construction de la population et la validation des réponses sont deux étages distincts.
