Le parcours client peut, pour un produit ou service donné, désigner la relation et les interactions entre le client et l'entreprise à partir du moment où il constate son besoin jusqu'à celui où il passe à l'achat. Il consiste avant tout à décomposer chaque étape et à comprendre les objectifs du client, ce qu'il fait ou ne fait pas et pourquoi. Le parcours client peut également comprendre des éléments post-achat (utilisation, commentaires sur les réseaux sociaux, etc.). En d'autres termes, le parcours client est un ensemble d'étapes et d'enchainements d'événements qui définissent son processus d'achat (ou de non achat).

Dans notre modélisation, nous avons introduit le fait que le parcours d'un client correspondait à une séquence d'événements. Chaque événement est une interaction du client avec la marque, ces événements étant ordonnés dans le temps : ils forment donc une séquence.

Les méthodes d'Optimal Matching Analysis (OMA), ou méthodes d'appariement optimal en français, définissent une mesure afin de calculer une distance entre des séquences. Ces méthodes sont implémentées dans les packages TraMineR et TraMineRextras du logiciel R. L'idée générale consiste à mesurer la dissimilarité entre deux séquences en transformant l'une en l'autre au moyen d'opérations élémentaires.

Notre présentation consistera à décrire notre démarche, et les algorithmes que nous avons utilisé dans R.