NOUVELLES / DONNÉES
Certains le redoutent, d'autres s'en réjouissent. Quoi qu'il en soit, la construction d'une infrastructure data exige une parfaite compréhension de cette technologie et des cas d'utilisation qui en découlent.
Certains le redoutent, d'autres s'en réjouissent. Quoi qu'il en soit, la construction d'une infrastructure data exige une parfaite compréhension de cette technologie et des cas d'utilisation qui en découlent.
Sans database, cela n'arrivera pas. C'est pourquoi vous vous devez de faire de la création d'une approche personnalisée pour chacun de vos objectifs une priorité. “Nous devons réaliser que data est un atout puissant pour les marques, au même titre que leur image. C'est une ressource, mais seulement lorsqu'elle est bien utilisée”, Guillaume Balloy, vice-président chargé des médias et de l'activation chez Artefact. Les points d'entrée pour accumuler des clients data sont multiples et variés : physique les collections dans les salons professionnels, cartes de fidélité, historique des achats, jeux et concours, réseaux sociaux, et chatbots, pour ne citer que les passerelles les plus courantes. Les objectifs de chaque marque diffèrent en fonction de leur taille, mais ils concernent généralement la fidélisation des clients, l'amélioration du service à la clientèle ou la croissance des ventes sur plusieurs canaux. En moyenne, les entreprises qui mettent en œuvre une stratégie de connaissance du client améliorent leur satisfaction de 30 à 50%..
“Une grande majorité d'entreprises comprend que le data est un élément clé de leur stratégie, mais cela soulève plusieurs questions : que faire de ce data, quelles sont les exigences en termes de KPI, quels outils s'approprier, dans quel but, et pour qui ?”, Nosing Doeuk, Data Manager chez Mc2i, fait remarquer que les données ne peuvent plus être collectées de manière anodine dans une base data. Avec l'entrée en vigueur du GDPR dans l'Union européenne en mai 2018, data ne peut plus être collectée de manière décontractée dans une database. La conformité à la législation est une première étape indispensable ; l'identification de votre paysage en est une autre, et tout aussi essentiel : “Vous devez savoir qui est votre cible, ou plutôt vos cibles, car elles sont souvent multiples, et à quelle étape du processus d'achat elles se trouvent. Cela vous permet d'accéder à deux niveaux de précision : premièrement, vous êtes en mesure de ne cibler que les individus qui intéressent la marque, avec le bon niveau d'investissement concernant la “valeur” du prospect ; deuxièmement, évidemment, vous pouvez délivrer le message qui leur correspond le mieux”, note Guillaume Balloy.
1. Identifier les besoins professionnels en termes d'exploitation data
La méthode habituelle consiste à collecter et à trier les data pour constituer le CRM., qui est, il va sans dire, “...“La porte d'entrée de Data”, selon Nosing Doeuk. “Cette première partie data est la première brique qui engendrera plus tard la création de votre propre DMP.”. Corriger, optimiser, créer de nouveaux produits, développer votre activité avec les informations fournies par votre data doit déjà être intégré pour poursuivre l'aventure. “Pour les entreprises ayant des intérêts stratégiques dans data, lier la qualité et la quantité de leurs actifs data à des cas d'utilisation professionnelle pratiques sont des mécanismes qui doivent être mis en place. En fonctionnement, l'entreprise doit décider de ce qu'elle peut ou ne peut pas gérer elle-même. Dans un souci de simplicité, elle peut s'appuyer sur des acteurs proposant des solutions intégrées (data externe, technologie, exploitation)”, Grégoire Frémiot, Chief Revenue Officer chez Mediarithmics.
Une fois le CRM data collecté, il est alors possible de l'enrichir avec deuxième partie data (data de la part des partenaires commerciaux) et tiers data (de la part des fournisseurs de data). Une étape importante de l'analyse de data est le nettoyage de data, qui consiste à nettoyer data pour le préparer à l'analyse. “L'objectif est d'être en mesure non seulement de décrire et d'expliquer les résultats, mais surtout de prédire et de recommander des actions futures, qu'elles soient opérationnelles ou stratégiques.”, explique Emmanuel Vandenbesseleur, directeur des relations avec les clients à la direction de Socio Data.
2. Mettre en place les outils adéquats et conduire le changement
Une fois l'obstacle de la mise en place d'une stratégie franchi, l'intégration des outils data pour obtenir le stockage data reports devient la préoccupation centrale. Pour accélérer ses processus et développer ses capacités d'analyse data, Biotopia, le spécialiste de la commercialisation des produits biologiques, a déployé la solution Indexima data hub. “Confrontés à un énorme volume de data, nous avons dû repenser notre stratégie en matière de data.. La solution Indexima nous a offert deux avantages. Le premier : les réinitialisations de notre database ne sont plus nécessaires. Auparavant, si une erreur se glissait dans notre database, nous devions mettre à jour tous nos entrepôts data une fois l'erreur corrigée. Avec un volume de data sur trois ans, il nous fallait 2 jours pour effectuer cette remise à zéro. Deuxième avantage : nous sommes désormais en mesure d'interroger directement l'ensemble de la base data avec des temps de réponse record - et surtout, nous n'avons pas besoin de préparer notre data à l'avance.“, s'enthousiasme Alexandre Fantuz, directeur marketing de Biotopia.
3. Introduire des solutions d'exploitation avancées pour le data
Et parce que “plus on en fait, plus on veut en faire”, serait-il temps d'essayer d'accélérer la construction de data sous différentes formes : grands data platforms (DMP ou CDP), projets scientifiques data, intégration de data ouverts, artificial intelligence ? Bien qu'il soit important de ne pas se précipiter, les récompenses peuvent faire que le risque en vaut la peine : en moyenne, L'IA génère une augmentation de 79% du chiffre d'affaires des campagnes, de 51% de l'engagement des clients et de 80% de la productivité des spécialistes du marketing.. “L'IA promet d'automatiser de nombreuses tâches manuelles, ce qui permet de gagner du temps sur les activités marketing non essentielles et de permettre au CMO de se recentrer sur les stratégies et les expériences qui construisent la marque et stimulent la croissance de l'entreprise”, propose François Laxalt, vice-président du marketing produit chez Tinyclues.
Cette solution Tinyclues, d'un coût de 3000 euros par mois, s'appuie sur le deep learning, une forme d'apprentissage continu basé sur un énorme volume de data. “En moyenne, sur l'ensemble des campagnes de test A / B, Tinyclues a généré 87% de revenus supplémentaires avec le même volume de messages. Dans le même temps, le taux de désabonnement a baissé de 17%”, a déclaré Julien-Henri Maurice, directeur du marketing et du numérique chez BazarChic. En d'autres termes, une stratégie data bien comprise, ciblée et structurée est la marque d'une marque solide et flexible. “Pour ceux qui partagent cet objectif, dans ce marché abondamment peuplé d'intermédiaires technologiques, privilégier une infrastructure ouverte et intégrée peut s'avérer un choix judicieux pour collecter data de manière unifiée, et l'activer simplement, en évitant les coûts cachés et les interfaces lourdes”, conclut Grégoire Frémiot.
Extrait du magazine e-marketing France
contactez nos experts !
