Marketing digital et gestion de la donnée : comment rendre plus efficaces les actions marketing ?

Par Julie Chablat, consultante senior CSC en Transformation Digitale

Dans les années 2000, les entreprises ont réalisé qu’Internet constituait un canal de distribution permettant d’accroître leurs ventes. Ce phénomène a touché en premier lieu le commerce B2C, puis s’est rapidement propagé au commerce B2B. Les entreprises ont dû s’adapter rapidement à ce changement. Un peu trop rapidement pourrait-on dire…

De la collecte à l’exploitation des données, un parcours semé d’embuches

La réalité du marché fait qu’il est indispensable que l’entreprise adapte ses systèmes d’information en fonction de nouvelles technologies en constante évolution. Les informations qui transitent via ces sites Internet, qu’ils soient marchands ou informatifs, sont une mine d’or pour le marketing. La volumétrie de données engendrée par les canaux digitaux est colossale. Aujourd’hui, on ne parle plus seulement d’exploitation des données issues du site Internet de l’entreprise, mais également des échanges de contenus sur les réseaux sociaux, de l’utilisation des applications mobiles, des échanges des différentes expériences utilisateurs… Les sources d’informations sont multiples et le format de celles-ci (structurées ou non) révolutionne les principes de base de la gestion de la donnée. Comment l’entreprise doit-elle traiter ces afflux d’information, sans pour autant être polluée par le “bruit” que peuvent représenter ces données. Face à ce constat, comment transformer un ensemble de données en informations exploitables et utilisables par les équipes marketing ?

Les entreprises sont capables de récolter une quantité impressionnante de données, notamment avec le développement des échanges en ligne et des opérations marketing réalisées sur le web. Mais seule une infime partie de ces informations est effectivement utilisée. Dès lors, il convient de disposer de solutions technologiques pour les exploiter. L’objectif restant de traiter, en temps réel, les données brutes collectées afin de les traduire en informations exploitables pour le marketing. Ces informations pouvant être de différentes natures : d’un côté, des données publiques venant de l’internaute lui-même. La prise en compte des données de navigation des internautes est importante, voire cruciale, car elle permet de mieux connaître leurs attentes et surtout d’améliorer le taux de conversion. De l’autre, des données privées de l’entreprise, obtenues via un outil de CRM par exemple. L’alliance des deux permet d’avoir une vision plus précise du client, de le segmenter plus finement, mais aussi d’avoir une vision 360° sur l’ensemble de ses canaux. Et les bénéfices sont multiples : meilleure connaissance des profils clients, fidélisation, personnalisation des messages de communication.

BI 2.0 : collecter, exploiter, croiser et analyser des données à moindre coût

Les entreprises ont conscience de ce besoin, mais se posent souvent la question suivante : comment gérer la gigantesque quantité de données structurées, semi-structurées ou non structurées, alors même que les outils de gestion de base de données relationnelles se voient dépassés ? La réponse est sur toutes les lèvres : le “Big Data”, ou comment collecter et agréger les données quelles que soient leurs natures. Nous nous retrouvons aujourd’hui face au besoin de recentrer les données référentielles dans un même datamart marketing, de récupérer ces informations issues de différents systèmes pour obtenir enfin cette vue centralisée et complète du profil client.

Les outils de Big Data permettent ainsi d’agréger toutes les données brutes venant des différents systèmes afin de disposer d’informations marketing exploitables. Il s’agit ici de transformer ces données brutes qui, prises individuellement, sont peu significatives, en scores, KPIs et agrégats afin de qualifier les attentes des clients et des prospects. Ce qui autrefois était coûteux et demandait beaucoup de gymnastique, les outils de Big Data permettent de le réaliser plus simplement et à moindre coût : stocker et analyser des quantités d’information à des prix plus raisonnable grâce à de nouvelles technologies. Finie la bonne vieille base de donnée relationnelle et son modèle peu permissif : nous entrons dans la nouvelle ère de la BI (Business Intelligence) 2.0. Pour autant, il ne faut pas oublier le but premier de ces technologies : l’analyse croisée des données afin de disposer d’une connaissance plus fine des clients, et ainsi leur proposer le bon produit au bon moment et via le bon canal de distribution.

Et le CRM dans tout ça ?

Toutes ces nouvelles technologies émergentes de Big Data sont au service des outils CRM et les rendent plus performants. Si ces mêmes outils sont également connectés aux systèmes de marketing interactif et aux résultats de campagnes, ils peuvent être d’une extrême efficacité.

Alors que le CRM était historiquement fortement dédié au commerce B2B (au sens SFA), on a vu apparaître depuis plusieurs années ces mêmes outils visant le commerce B2C (notamment au service du e-commerce et du marketing relationnel). Le nerf de la guerre reste de pouvoir utiliser ces données en temps réel, et ainsi personnaliser les offres selon le comportement des consommateurs, d’où la nécessité de marier outils marketing et BI. L’enjeu premier est donc d’établir une relation entre la marque et le consommateur, tout en capitalisant sur cette relation client. Et faire en sorte que la collecte des informations clients via le CRM, puis leur analyse grâce aux outils de BI, apportent une plus-value indéniable. Mais dans quel but ?

L’une des valeurs ajoutées de l’analyse croisée des données est le marketing prédictif, plus souvent appelé “datamining”. Il permet de devancer les besoins des clients, avant même qu’ils aient eu l’intention d’acheter, et ce grâce à des statistiques et algorithmes poussés. Il s’agit ainsi de modéliser le comportement des consommateurs et d’en définir des facteurs déclencheurs de l’événement souhaité. L’analyse prédictive va porter sur la qualification et la segmentation des contacts à l’aide d’agrégats poussés et de méthodes de scoring basées sur leurs comportements d’achat. Plus l’entreprise récoltera des données précises et utilisables, réconciliées de plusieurs sources, plus il sera facile de prédire statistiquement les événements comme la concrétisation d’un achat. Ainsi le prédictif va permettre d’optimiser les ventes et les offres faites aux clients, ce qui aura un impact positif sur la perception du client vis à vis de l’entreprise. Le client ne sera plus noyé d’offres ne lui correspondant pas, l’e-réputation de l’entreprise n’en sera que meilleure.

Pour cela, encore faut-il avoir les bons outils d’automatisation de campagne marketing. Ceux-ci permettent d’envoyer automatiquement un message personnalisé au client ou prospect basé sur un événement déclencheur. Ainsi, le client se retrouve au cœur de la campagne, et non noyé sous une masse de messages impersonnels et parfois peu adaptés. L’automatisation de ce processus doit être basé sur des scénarios de campagne préalablement définis suivant l’événement déclencheur, et en déduire le message à envoyer. On peut ainsi observer sur certains sites marchands l’envoi d’e-mail de relance suite à un panier non validé.

“Data scientist”, nouveau graal des marketeurs…

Le métier du marketeur s’est vu transformé ces dernières années. Auparavant, les marketeurs se basaient sur des études de marché, analysaient le comportement du consommateur via des études sociologiques. Désormais, ceux-ci doivent faire, en amont, un travail d’analyse de données.

On voit ainsi apparaître de nouveaux métiers tels que les “data scientists”, en charge de décoder les structures au service de la compréhension des marchés. L’enjeu est ici de permettre aux marketeurs de se recentrer sur leur métier, en utilisant des outils d’analyse fine et fiable plus rapidement.

Une nécessaire (r)évolution des systèmes d’information

La majorité des entreprises ont conscience de l’importance d’adopter une stratégie Big Data, mais très peu sont en réalité prêtes à sauter le pas. La mise en place d’une telle stratégie est longue et périlleuse, et de ce fait coûteuse. Les entreprises se retrouvent face à des problématiques technologiques et budgétaires.

En effet, les systèmes d’information ont souvent été construits en silos pour répondre à des besoins métiers précis. Ainsi, chaque application métier a sa propre base de données. Alors que la tendance est à la centralisation des données et des référentiels clients sur lesquels les différentes applications pourront s’appuyer, la réalité est tout autre. L’absence de bases unifiées, de structuration de la donnée et des ressources nécessaires pour mettre en œuvre de tels projets sont un frein à l’application de stratégies Big Data, d’autant plus que la conjoncture économique contraint les entreprises à revoir les budgets informatiques et demandent ainsi un retour sur investissement rapide. L’autre frein non négligeable est le niveau de qualité des données provenant du marketing digital. Ces données sont incertaines, et il est difficile d’identifier qui a cliqué sur tel lien, si le prospect ne s’est pas authentifié auparavant sur le site. Les entreprises doivent donc se poser la question de savoir s’ils ont la capacité d’analyse suffisantes, et ce qu’ils veulent en faire. L’heure n’est pas à l’idéologie, mais plutôt au pragmatisme !

Même si une entreprise n’est pas prête à s’engager dans un projet de refonte de son système d’information, doit-elle pour autant abandonner cette idée ? Des actions peuvent être menées en amont, à condition d’avoir des objectifs clairement définis. Le marketing devra donc se concentrer sur les données facilement récupérables sans être soumises à des processus d’analyses complexes. Pour cela, le prérequis est d’avoir une base de données fiable et qualifiée. Il est primordial de traiter en amont la problématique de qualité des données. De nombreuses entreprises reconnaissent avoir une faille à ce niveau-là. Les DSI pourront investir dans des outils de gestion de données, de datamining ou de marketing automation, mais tant que la qualité n’est pas au rendez-vous, les résultats escomptés ne seront pas au rendez-vous. De bonnes fondations sont indispensables pour assurer la robustesse du système d’information, alors pourquoi les négliger ?

La synchronisation des données entre les différents systèmes, la centralisation des données est primordiale. Une fois les objectifs bien délimités et la base de données robuste, il est nécessaire de fixer des KPIs en fonction de l’existant. Il n’est pas nécessaire de récolter un volume de données faramineux, il suffit de récolter la bonne information au bon endroit. Il est important de combiner les différentes données disponibles, telles que les données de profil, transactionnelles, d’outbound marketing, d’inbound marketing, les données produit et les données de webanalytics. La combinaison d’outils de datamining, de l’analyse des données et de marketing automation peuvent répondre aux besoins de l’entreprise sans passer par une refonte globale telle que le requiert le Big Data. Il s’agit ici de détecter les différents évènements pouvant actionner une intention d’achat (via l’analyse de données et le datamining), puis d’envoyer automatiquement un message pertinent au client (marketing automation). Cependant, attention à la qualité de la donnée, celle-ci devant être contrôlée, voire nettoyée en amont. Le CRM a également son rôle à jouer, en enrichissant et requalifiant les données, à condition que le processus soit clairement défini.

En guise de conclusion

Récolter une quantité très importante de données offre de nombreuses opportunités, mais encore faut-il avoir la capacité de les analyser et d’en assurer la qualité. Le risque de vouloir récupérer trop de données ? Se voir polluer par des informations difficilement exploitables, et se retrouver dès lors noyé par trop d’informations ! Il faut donc revenir aux basiques, et repérer où sont les informations pertinentes, quels sont les évènements déclencheurs d’une action souhaitée, quel est le message que je souhaite envoyer au client. Souvent plus facile à dire qu’à faire !

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: