3. PlanIntroduction
Avec la multiplication des objets connectés et
applications mobiles et sociales, le volume
de données disponibles a augmenté de manière
exponentielle.
L’ère du Big Data permet désormais aux
entreprises d’exploiter ces données à valeur ajoutée
en les mettant au profit de la relation client grâce à
une stratégie data driven marketing.
5. PlanDéfinition du Data-Driven Marketing
Le data marketing, ou data-driven marketing,
désigne le marketing basé sur l’utilisation des
données. Il représente une part de plus en plus
importante des actions marketing au fur et à
mesure du phénomène de digitalisation du
marketing.
Le data marketing regroupe généralement les
usages marketing / CRM des données et des usages
plus publicitaires en display liés à l’usage des
plateformes programmatiques.
6. PlanEnjeu de l’exploitation de la Data
L'enjeu principal de l’exploitation de la data est de
mieux segmenter sa cible, mieux la comprendre
pour mieux l’engager et ainsi mieux transformer et
fidéliser" ses clients,
7. PlanLa fiabilité des données
Pour entrer dans une stratégie de data
driven marketing, il est indispensable dans un
premier temps de fiabiliser les données à exploiter.
Cette problématique qualitative des données
intervient tout d’abord au moment de leur collecte,
9. PlanLe Big Data, source d’un marketing prédictif en réalité peu innovant
« Le marketing prédictif regroupe les techniques de
traitement et de modélisation des comportements
clients qui permettent d’anticiper leurs actions
futures à partir du comportement présent
et passé ». La prédiction se fait par des algorithmes
spécifiques qui permettent, ex ante, de
proposer les meilleures offres possibles, au bon
moment, par le bon dispositif relationnel. Le
marketing prédictif est surtout utilisé par de
grandes entreprises soucieuses d’améliorer le ROI
de leurs actions digitales.
10. PlanCréer de la smart Data
Il ne faut pas utiliser la data, juste pour le faire. Il
faut créer la « smart data », les données qui
peuvent vous être utiles pour développer votre
business, votre activité, fidéliser vos clients…
11. PlanLe Big Data, source d’un marketing prédictif en réalité peu innovant
« Le marketing prédictif regroupe les techniques de
traitement et de modélisation des comportements
clients qui permettent d’anticiper leurs actions
futures à partir du comportement présent
et passé ». La prédiction se fait par des algorithmes
spécifiques qui permettent, ex ante, de
proposer les meilleures offres possibles, au bon
moment, par le bon dispositif relationnel. Le
marketing prédictif est surtout utilisé par de
grandes entreprises soucieuses d’améliorer le ROI
de leurs actions digitales.
12. PlanLe Big Data, source d’un marketing prédictif en réalité peu innovant
La prédiction est fondée sur des données et sur des
probabilités de réussite et exclut, en principe,
tout recours à l’intuition pour choisir des facteurs a
priori susceptibles d’identifier des segments
pertinents (e.g. l’âge pour les vêtements de mode). Il
s’agit de « faire parler la data » pour en
sortir des profils de consommateurs à qui l’on peut
s’adresser de manière très ciblée. Cela revient
à remplacer la pêche au filet que constituent la publicité
de masse ou les offres promotionnelles
indifférenciées, par la pêche à la ligne où la taille de
l’hameçon, la résistance du fil et la nature
de l’amorce sont spécifiques au poisson ciblé.
14. PlanPour les marketers
Le challenge pour les marketers est de trouver les
bonnes astuces pour que les consommateurs
acceptent de partager leurs données personnelles
avec la marque,
15. PlanExemple de Mano Mano
Sa vision : transformer profondément l’expérience
client grâce au digital.
Son atout imparable : la data.
« Chez ManoMano, nous travaillons précisément,
non pas à agrandir les places de parking ou à
limiter l’attente en caisse, mais à construire des
outils intelligents pour améliorer l’expérience client
sur le vertical du bricolage. »
Philippe de Chanville, cofondateur de ManoMano.
16. PlanExemple de Mano Mano
Pour collecter, analyser et exploiter la data,
ManoMano nomme un data scientist pour chaque
équipe de l’entreprise. Du service commercial au
service client. Puis, il rend la data disponible à
chacun.
Rendre la data accessible à tous n’a pas été simple.
Deux ans de travail ont été nécessaires pour
trouver la bonne structure, les bonnes couches
applicatives, la bonne visualisation. Sans compter
« les tests, les errements et les fausses pistes ».