Big data, smart data, data lake, data management platform… La datamania s’est emparée du marketing et cela ne va pas s’arrêter de si tôt.
14 octobre 2016·7 min7 min de lecture
Big data, smart data, data lake, data management platform… La datamania s’est emparée du marketing et cela ne va pas s’arrêter de si tôt. Mais avant de se jeter corps et âme dans de nouvelles stratégies « data driven », prenons le temps de faire un point sur la situation. La notion de data semble s’adapter à tous les sujets de conversation jusqu’à en perdre tout sens. Voici un petit tour d’horizon concret des termes liés à la data et de leurs implications.
Big ou Smart Data ?
Le monde qui nous entoure est composé d’une quantité d’informations que l’on peut traduire sur des modèles de données mesurables, ou de data. Si le mot anglais s’est ancré dans notre vocabulaire pour y prendre une place prépondérante, l’utilisation d’informations capturables et mesurables est finalement très ancienne. Le fondement du marketing repose sur de l’analyse d’informations pour mieux optimiser les ventes d’un produit.
Deux choses ont changé en revanche : le volume de données disponibles grâce au développement du e-commerce et des tous les traqueurs qui lui sont associés, et le choix de stocker ces données en permanence.Le terme « Big Data » s’est propagé et popularisé depuis les années 2000 pour exprimer ce phénomène et renforcer la mise en avant de l’enjeu commercial associé. Cheval de bataille de bien des entreprises, chacun jouait à celui qui avait la plus grosse en se focalisant uniquement sur les volumes de données capturées (nous procréons 2,5 trillions d’octets de données tous les jours). Cependant, il est apparu que la difficulté première finalement ne venait pas du volume de data à capturer mais bien de sa pertinence et de son utilisation potentielle.
Virement de bord, l’enjeu principal n’est donc plus le « Big Data » mais le « Smart Data » !Des datas, c’est bien beau d’en avoir, encore faut-il pouvoir s’en servir. Là où le Big Data collecte des données brutes en très grand nombre, le Smart Data se concentre uniquement sur les données utiles, exploitables et transformables. La donnée n’étant pas une fin en soi, il faut pouvoir la qualifier et la structurer pour l’utiliser entre autres sur ses campagnes marketing.
Quelle data capturer ?
Pour rendre cette donnée utilisable, il convient en premier lieu de la capter et de la compiler. Il y a donc plusieurs sources de data à prendre en compte avant d’être capable de l’utiliser dans sa stratégie marketing. L’objectif de départ est simple : comprendre qui sont vos clients, comment ils se comportent et comment cela se traduit dans vos interactions avec eux. Idéalement, la data doit donc provenir de :
La première étape pour se diriger vers un modèle de fonctionnement « Data driven »consiste à concentrer toutes ces données hétérogènes à un seul et même endroit : c’est le « Data lake ». Carlo Abi Chahine, Directeur R&D chez Ve Interactive, nous explique : « Il s’agit finalement d’un mot marketing pour caractériser un déversoir d’informations hétérogènes qui pourront être étudiées plus tard dans le but de construire des systèmes. La grande différence avec une base de données se retrouve dans le fait de stocker l’historique de tous les événements et non plus seulement une photo à l’instant T, car en agrégeant directement les données dans une base définie, on prend le risque de figer les structures et donc de perdre la substantifique moelle de la data ». Finalement, il s’agit d’être le plus exhaustif possible dans le stockage de données, les regrouper en un même endroit et garder l’historisation des informations.
Le travail n’est pas terminé pour avoir quelque chose d’exploitable. Maintenant que les tuyaux sont tous branchés vers un seul et même conteneur, il faut traiter et catégoriser correctement ces données en fonction des attentes identifiées : qu’est-ce que je veux sortir de toutes ces données, pour quel objectif et sous quel format ? De nombreuses questions sont à se poser pour pouvoir développer ainsi un « Data Management Platform » (ou DMP) utilisable à des fins de ciblages marketing efficaces. L’objectif d’un tel système est d’améliorer la performance des campagnes en ayant une compréhension plus riche des clients existants et potentiels en prenant en compte les comportements cross-canaux. Le passage des données depuis un Data Lake vers un DMP engendre des réflexions marketing, commerciales mais aussi légales quant à l’anonymisation de certaines données. Cela implique évidemment une transformation digitale relativement lourde pour une entreprise et il convient souvent de se faire accompagner dans ce type de processus.
Dernier point important que l’on voit poindre à l’horizon : la notion d’« Audience Sharing ». Le postulat est le suivant : face aux GAFAs et autres géants du secteur (type OTA par exemple), votre propre donnée ne fait pas le poids. Du coup, il convient de s’associer à d’autres sites pour partager les données relatives aux internautes afin d’optimiser ses campagnes. Il existe bien entendu certaines contraintes légales à respecter, mais cela vous permet d’enrichir votre data via des partenaires (2nd party data).
Exemple d’utilisation de la Data Prenons l’exemple suivant : je suis un acteur du Travel proposant un service de transport entre le centre-ville de Paris et ses aéroports. Voici comment la data peut m’aider à atteindre ces objectifs.
Plusieurs leviers marketing sont à ma disposition dont le SEA, l’affiliation, le display en programmatique, l’emailing… L’utilisation d’un DMP me permettra de travailler sur ces mêmes leviers mais de manière plus aboutie.
Par exemple, grâce à l’analyse des données des internautes sur mon site, je peux tout d’abord identifier des segments prépondérants que je vais pouvoir utiliser pour un ciblage Look alike (cibler des internautes en ligne ayant des caractéristiques similaires aux internautes qui ont déjà acheté sur mon site) pour ma campagne display. Je vais ensuite pouvoir enrichir mon ciblage grâce à l’enrichissement de ma data via de l’audience sharing. Par exemple, en m’associant avec des hôtels, je vais avoir la possibilité (via paiement ou partage d’informations) de cibler des internautes qui ne vivent pas à Paris mais qui ont réservé des nuitées dans la capitale pour les prochaines semaines. Ils seraient donc potentiellement intéressés par mon service de transport.
En parallèle, ma campagne d’emailing n’a pas si mal marché. Mais pour optimiser encore les résultats, je vais croiser les données des internautes ayant ouvert mon email sans convertir avec mon ciblage display. A partir de ce matching, je vais pouvoir accentuer l’affichage de mes bannières display sur ces internautes pour augmenter mon taux de conversion.
L’analyse des données de navigation sur mon site me permet également de segmenter les internautes selon le niveau d’interaction observé : nombre de pages vues, temps passé, navigation dans le tunnel de conversion… À partir de là, je vais pouvoir créer des segments spécifiques pour relancer les internautes :
Quant à mon centre d’appel, j’ai défini des numéros de téléphones spécifiques au sein de ma campagne d’emailing pour pouvoir identifier les appels émis suite à la lecture de mon email. Cela me permet de mesurer le nombre de prospects provenant de cette campagne et d’avoir une vision sur le nombre de conversions total de la campagne.
L’intégration de toutes mes campagnes marketing va également me permettre d’améliorer mon modèle d’attribution. Il s’agit de comprendre quels sont les différents points de contact entre un utilisateur et ma marque avant de conduire à une conversion, et donc finalement avoir une vision globale sur l’histoire, le chemin suivi. Le seul moyen d’optimiser cette vision du cycle d’achat est de sortir de la logique de silos pour centraliser le tracking et la data que je vais capter.
Il s’agit là d’exemples parmi tant d’autres, les possibilités offertes par une bonne gestion de la data étant extrêmement large. D’après les data scientists, il n’y a pas de réelle limite théorique sur le croisement des données. Le Big Data a permis de répondre à la problématique d’espace en reliant des serveurs toujours plus nombreux entre eux, mais il reste une problématique de temps pour que les machines réalisent les calculs demandés (vous pouvez vous renseigner sur le problème du Voyageur de Commerce à ce sujet). Dans tous les cas, il n’est pas possible de changer le fonctionnement d’une structure du jour au lendemain, mais la transition vers une logique « data centric » devient essentielle pour continuer d’exister en ligne et améliorer toujours plus l’expérience client avec votre marque.
Photo d'ouverture : Fotolia- Sarunyu_foto
