Notice bibliographique
Résumé
Depuis déjà plusieurs années, les nombreux progrès technologiques dans le monde des affaires modifient amplement les caractéristiques de l'économie mondiale. Pour les entreprises, les mots d'ordre sont : rapidité, précision et réduction des coûts. L'avènement d'Internet dans les pratiques commerciales représente justement l'une des principales facettes de ce progrès technologique. Aujourd'hui, le consommateur peut quasiment tout faire à distance : recherche d'informations, magasinage, participation à la conception des produits, opérations d'achats et de ventes, participation à des recherches marketing, suggestions et apport de nouvelles idées aux entreprises etc. C'est particulièrement le cas de l'industrie financière. En effet, dans beaucoup de pays, le client jouit d'une très grande liberté par rapport à son comportement bancaire. Il peut, en effet, gérer ses comptes, payer ses factures ou encore transférer des fonds, partout et en tout temps. D'où les deux concepts : 1- l'Internet bancaire, représentant les services bancaires via Internet et 2- l'Internaute bancaire, c'est à dire, le client opérant sur Internet. Les internautes bancaires sont de plus en plus nombreux et leurs profils deviennent très diversifiés. Cependant ce fait, peu de recherches s'intéressent aujourd'hui à décrire cette vaste population. Il nous a donc semblé pertinent de réaliser un travail de segmentation ayant comme objectifs afin de mettre en lumière et de décrire les différents profils des utilisateurs de l'Internet bancaire. Pour cela, nous avons sélectionné un échantillon de 30191 internautes bancaires, clients d'une grande institution financière canadienne, avec des données sur leur comportement transactionnel, afin de mettre en lumière les différents segments de marché. Ensuite, nous avons eu recours à la base de données « Mosaic » du Canada, base constituée de vingt catégories de profils canadiens, afin de décrire ces segments d'utilisateurs avec des variables géodémographiques. Notre analyse nous a permis d'identifier trois segments d'internautes bancaires distincts, à savoir : les petits, les moyens et les gros utilisateurs de l'Internet bancaire. Selon la base de données Mosaic, ces trois segments de marché sont associés à cinq profils Mosaic, à savoir : les Non-Revolving Borrowers, les Borrowing Families, les Mature Québécois, les Young Francophone et les Francophone Traditionalists. Ainsi, nous avons pu obtenir une description détaillée de chacun des trois segments d'Internautes bancaires, comprenant leur situation familiale, âge, style d'habitation, zone géographique, niveau de scolarité, occupation, revenu, montant de leurs dépenses, catégories de dépenses, catégories d'assurances prises, passe temps, sports pratiqués...etc. Ce genre de descriptions représente des informations clés pour les institutions financières et peut s'avérer extrêmement utile pour leurs prises de décision. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Évolutions technologiques, Industrie financière, Comportement bancaire, Internet bancaire, Internaute bancaire, Profils, Segmentation, Institution financière, Mosaic, variables géodémographiques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,018 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,019 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».