Big Data est un incontournable du marketing digital. Mais où sont les ROI ? Quelles applications concrètes ? Par où commencer ? Quels rôles du marketing, de la DSI ? DMP et/ou Datawarehouse ? Quelles techniques analytiques ? Internaliser ou externaliser ? Et les données de la mobilité ? Plusieurs années de projets en transport, télécoms, utilities, e-Commerce ou banque nous permettent aujourd'hui d’apporter des réponses bâties sur du concret.

1. © Soft Computing – www.softcomputing.com
Marketing Digital & Big Data
Quoi de neuf ?
10/03/2015

2. © 2
Cofondateur et DG Soft Computing

3. © 3
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

4. © 4
Carte d’identité

5. © 5
Compétences : un mix unique de compétences pointues
Digital
Marketing
Data
Science
Project
Management
Information
Technologies

6. © 6
Mission : transformer la data en performance marketing
Business
IT
Imaginer, bâtir et opérer
des programmes de conquête et de fidélisation
cross-canaux, rentables et innovants
Concevoir, développer et déployer
des solutions Digitales, Big Data et CRM
performantes, pragmatiques et adaptées
AMOA

7. © 7
Delivery : continuum de services et souplesse
Think Build Run
Délégation
d’expertise
Mode
Projet
Centre de
services

8. © 8
Programme relationnel
multi-devices et
remarketing.
Ecoute et analyse des
sentiments des clients sur
les réseaux sociaux.
Centre de services de
gestion des campagnes
marketing multicanal.
Data Management Platform
et marketing multicanal
temps réel
Centre de services
datamining, campagnes
ciblées et reportings.
Gestion des opérations
marketing ciblées..
Data Management
Platform, CRM et web
analytics.
Conception de
l’architecture
décisionnelle hybride big
data – datawarehouse.
Centre de services gestion
de campagnes marketing
et connaissance clients
Convergence des pratiques
et des outils marketing on
et offline.
Mise en place d’une Data
Management Platform
(DMP) et de use cases
marketing.
Déploiement d’une plate-
forme CRM multi-marques
multi-pays..
Personnalisation en temps
réel des contenus et
valorisation d’audience.
Définition d’une stratégie
de Business Intelligence.
Pilotage de la qualité de
l’expérience client.
Extraits de références 2014-2015

9. © 9
Experts reconnus
EnseignerEcrire Echanger
http://blog.softcomputing.com/
https://twitter.com/#!/SoftComputing
http://www.facebook.com/softcomputing
http://www.softcomputing.com/fr/news/
http://fr.slideshare.net/softcomputing
http://www.linkedin.com/company/soft-
computing
http://www.viadeo.com/fr/company/soft-
computing
https://plus.google.com/+Softcomputing/

10. © 10
Du vécu métier
2003 2015
Web mining
15 M Clients
5 ans
Recommandations
Temps réel
Réseaux
d’influence
Analyse de
sentiments
50 To+

11. © 11
Du recul aussi sur le plan technique

12. © 12
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

13. © 13
Big Data : ça reste à mode

14. © 14
Oui, mais on aborde la vallée des désillusions
Big Data

15. © 15
SOMMAIRESommaire
Focus sur les
utilisations marketing

16. © 16
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

17. © 17
Défi technique #1 : se préparer à gérer des volumes inimaginables
2005 2015

18. © 18
Défi technique #2 : sortir du cadre
2005 2015
Disponibilité
« Les données sont
toujours accessibles »
Tolérance
« seul la panne
totale interrompt »
Cohérence
« Les commits
rendent l’ensemble
des données
cohérentes »
Disponibilité
« Les données sont
toujours accessibles »
Tolérance
« seul la panne
totale interrompt »
Cohérence
« Les commits
rendent l’ensemble
des données
cohérentes »
Commit en
2 phases

19. © 19
Défi technique #3 : exécuter tout calcul en moins de 0,14
secondes
2005 2015
Trading Desk
(ATD)
Editeur de
site
Demand Side
Platform
(DSP)
Ad exchange
(Adex)
Supply Side
Platform
(SSP)
Annonceur
ou Agence
média
Ad Server de
l’éditeur ou
Ad network
RTB &
programmati
que

20. © 20
Big Data vu du marketing
olume
itesse
ariété
éracité
aleur

21. © 21
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

22. © 22
Big data 2014
Démocratisation

23. © 23
Démocratisation hardware
5 nœuds
1 namenode, 20 cœurs, 192 Go ram
4 datanodes, 64 cœurs, 64 Gb ram, 10 To DD

24. © 24
Démocratisation : stockage

25. © 25
Démocratisation : outils de datavisualisation

26. © 26
Démocratisation : de plus en plus de données en libre service

27. © 27
Démocratisation : de plus en plus de données à coût modique

28. © 28
Démocratisation : analytique ML en cloud

29. © 29
Impact sur les usages
+
Données
Détail
Temps réel
Prédictif
Non-
structuré
Ouvert sur
l’extérieur
Autonome
Hybride

30. © 30
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

31. © 31
Big Data : la clé de voûte d’une expérience client sans couture et
omnicanal
LA PREFERENCE DE MARQUE
Expérience client Qualité de service
LA DONNEE, SA CENTRALISATION, SON UTILISATION SON
ACTIONNABILITE, SA VALORISATION
Performance
média, marketing
et commerciale
Digitalisation

32. © 32
Synthèse des typologies de données
Propriétaires
Ouvertes
Permanentes
Volatiles
Données Tiers :
3 rd party
Open Data
CRM
données
nominatives et
transactionnelles
Tracking
Web, email,
display…
Semantiques:
Contenu web
fan pages, avis…

33. © 33
#1 : parcours clients

34. © 34
L’objectif
Extraire des parcours client pour qualifier des
bases marketing, définir des programmes
relationnels et des plans de vie

35. © 35
L’analyse
Sessions et pages vues
(id session)
Segmentation visiteurs
(id visiteur)
Cookie
Origine de la navigation
Temps moyen par visite
Catégorisation
Catégorisation des pages vues
E acheteur – churner

36. © 36
Focus : processus de récupération des données
Site WebDépôt de Cookie
1
Taggage
2
Réconciliation
3
Tracking
4
Croisement
5
3
A l’affichage d’une page,
dépôt d’un cookie avec un
Id Internaute sur le device
Dépôt des tags de
navigation sur les pages du
site (ou des sites)
Remontée IdCRM à la
connexion client et
réconciliation avec un ou
plusieurs Id Internaute
Web &CRM
2
4
Intégration en temps réel
des données de navigation
et affectation à l’Id
correspondant
Croisement avec les
données CRM et données
externes
3rd Party
CRM
5
Analyse
6
1
3
2
4
6
5
1
Analyse
6

37. © 37
Focus : déclinaison opérationnelle
Inbound
Densification de la
personnalisation
des programmes eCRM
(remarketing) et Mobile
Display

38. © 38
#2 : écoute active des réseaux sociaux

39. © 39
L’objectif
Analyses des tweets, pages de marque,
blog/commentaires afin d’identifier des
ambassadeurs, détecter et analyser des
évolutions

40. © 40
L’analyse
1. Analyse du
contenu des posts
(occurrence des
mots et thèmes)
2. Les liens entre les
mots employés et
thématiques
abordées
4. Les profils-type
des « posteurs »
selon leur
sentiments / thèmes
3. La mesure de la
perception
positive/négative

41. © 42
Focus : les données de vos pages fan’s
Données natives
extraites en json
Conversion
en xml
Conversion
automatique
en csv
Id FB
Id Post
Contenu du post
Date de Post

42. © 43
Focus : croisement client
@socialu
ser
CRM
profil

43. © 44
Focus : déclinaison opérationnelle
Engagements relationnels
Programme de
reconnaissance social
différencié
Valorisation expérience
client et fidélisation

44. © 45
#3 : recommandations personnalisées

45. © 46
L’objectif
Faire des propositions personnalisées à la volée
au visiteur identifié ou non à base d’auto-
apprentissage ?

46. © 47
L’analyse
Mix catégorielles
‘Utilisateurs’
Liens intra et inter catégories
Tag 1 : P1/P2/P3/P4
Tag 2 : P1/P2/P3/P4
Tag 3 : P1/P2/P3/P4
Tag 4 : P1/P2/P3/P4
…..
Produits liés /
tags
Segments
Utilisateurs = tags
Click Path AnalysisSessions et pages
vues

47. © 48
Focus : déclinaison opérationnelle
Préconisations
croisées sur les
produits sur la base
des achats
Fiches produits
« business »
Template personnalisé
/ au client
Des arborescences
personnalisées en
fonction de ce que
j’achète où j’aime.
Des conseils produits
par type de produit
Augmentation du taux de transfo site, CA / mail, du taux de nourriture et des occasions de
contact

48. © 49
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

49. © 50
Exemple de problématique

50. © 51
Solution fonctionnelle
Prototyper l’algorithme de
substitution
Produire la matrice
d’association
Suivre et optimiser la
performance l’algorithme
Proposer des substitutions
Intégrer l’algorithme de
substitution
Développer l’algorithme de
substitution
algorithme
Algorithme
« industrialisé »
Matrice
d’association
Historique des propositions
Référentiels
produit
Liste
Programme
de production des
matrices
d’associations
Hub
EAN
substituts

51. © 52
Architecture
Lab data Large Data Fast Data
Prototyper l’algorithme de
substitution
Produire la matrice
d’association
Suivre et optimiser la
performance l’algorithme
Proposer des substitutions
Intégrer l’algorithme de
substitution
Développer l’algorithme de
substitution

52. © 53
Lab data Large Data Fast Data

53. © 54
Planning
Run
Initialisation du centre de services
Conception et réalisation « large »
Maintenance
Monitoring applications
Administration
Gestion des projets de setup
Gestion du centre de servicesProgram Management
Gestion des projets d’évolutions
BusinessIT
Gestiondeprojetet
deservices
Setup
Sprints algorithme sur le
« lab »
Mise en place
architecture
Définition du SLA
Conception et réalisation « fast »
Tests
Sprints d’amélioration algorithme sur le « lab »
Surveillance de la santé de l’algorithme « lab »
Infra
Hard & soft
Hébergement et monitoring
Data
exploration
M1 M2 M3 M4 M5

54. © 55
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ces derniers mois
5. Vue du marketing
6. Big Data et datamining
7. Comment avancer ?

55. © 56
Débuter simple : log, stream, transaction
Streams sociaux Weblogs Capteurs E-mails
Transactions bancaires Pages web Documents scannés Trace GPS
Données boursières Enregistrements
téléphoniques
Video-surveillance Données d’usage

56. © 57
Do It Yourself ou Appliance ?
Ikea ou Roche Bobois ?
Exemple Do it yourself Oracle appliance
Application datamining /
banque - 5 M clients actifs
 300 nœuds – 900 Go RAM – 650 To DD
Configuration
54 Dell serveurs*6 cœurs-16
Go-12 To
Appliance Sun 18 serveurs*12
cœurs-48 Go-36 To
Coût 150 K€ 150 K€
Avantage Evolutivité Clé en main

57. © 58
Où mettre les données ?
En cible, 3 environnements :
1- Données chaudes
2- Analytique gros volumes
3- Datawarehouse structuré et agrégats
DMP
Attention à la souveraineté des données
Enjeu sur les historiques dans le cloud
Nota : le marketing n’est pas que digital
Big data : données
chaudes
Big data : données
froides
Dataware : données
structurées

58. © 59
Cohabitation Datawarehouse et big data
SGBDR
Connecteurs
SQL
Loader
(import/export)

59. © 60
Open Source et Xaas
Capex : 0
Opex progressifs
Ouverture vers le
onpremise et l’enterprise

60. © 61
3 compétences d’emblée
Marketing DatascienceProgrammation

61. © 62
R.O.I.
Connaissance Datamining
Assortiments en magasins
Rapports
Rapports industriels
Données : vision 360° client et produit
Campagnes ciblées
Technologies
1
2
3
4
Business Driven

62. © 63
Cibler des R.O.I. < 6 mois

63. © 64
Reconsidérer chaque
année les ROI : les
barrières à l’entrée
baissent toujours plus
𝐋𝐨𝐢 𝐝𝐞 𝐊𝐫𝐲𝐝𝐞𝐫 ∶ € 𝐆𝐨 = 𝟏𝟎−𝟎,𝟐𝟓𝟎𝟐∗ 𝐚𝐧−𝟏𝟗𝟖𝟎 +𝟔,𝟑𝟎𝟒

64. © 65
Victoires rapides : 3 à 6 mois , 1 pilote
1. DMP :
Data : Weblogs
Objectif : extraire des parcours client pour qualifier des
bases marketing, définir des programmes relationnels et
des plans de vie.
Cible : : eCommerce et medias
2. Ecoute active des réseaux sociaux :
Data : Streams sociaux
Objectif : analyses des twits, pages de marque,
blog/commentaires afin d’identifier des ambassadeurs,
détecter et analyser des évolutions et d’animer les
échanges (services de community management)
Cible : retail et pgc
3. Recommandations personnalisées :
Data : Weblogs et BDM
Objectif : faire des propositions personnalisées à la
volée au visiteur à base d’autoapprentissage
Cible : retail et eCommerce

65. © 66
Offre de services
S
ensibilisation
tratégie
andbox
R
oadmap
ollout
un