1

Petit livre blanc du data-marketingComment la Big data et la smart data

permettent d’étendre les possibilités du CRM

Yan Claeyssen et Samir Amellal

2 3

TOUTES LES TENDANCES DU DATA MARKETING PAR :

Publicis ETO est une agence du Groupe Publicis qui met la Data au cœur des dispo-sitifs marketing et de la communication commerciale. Créée en 1986, compo-sée de 300 personnes, elle rassemble tous les métiers du marketing, de la commu-nication, du Data Marketing et du CRM étendu  : Consulting, Stratégie de Communication, Création Cross-Canal, Data Management, Data Intelligence, Influence, Gestion de projet, Mise en œuvre de projet IT et Digital. Véritable architecte de solutions de Connaissance Client, fournissant les meilleurs outils d’intégration, de pilotage et de restitution de la donnée, Publicis ETO accompagne les marques dans la concep-tion et l’animation de leur parcours clients cross-canaux et gère près de 50 plateformes (DMP, programmes de fidélisation, e-crm…), dont certaines à l’international, pour des marques comme Danone, LVMH, Orange, TOTAL, Mercedes, Go Sport.

4 5

Dans sa définition première, le CRM désigne l’ensemble des dispositifs permettant de gérer le dialogue entre une marque et ses clients. Ces dispositifs permettent à la marque de «gérer» ses clients, c’est-à-dire de les identifier, de les connaître, de les reconnaître et de communiquer avec eux de manière personnalisée soit au travers d’une relation en one to one (échange téléphonique, face à face en boutique, interface web ou application mobile customisée…) soit via une relation one-to-few (mailing, e-mailing ou SMS ciblé).

Ces dispositifs ont également pour vocation d’historiser ces échanges qu’ils soient consti-tués de contacts entrants (achats en boutique ou sur le web, appels téléphoniques, réponses à un questionnaire, clic sur une newsletter) ou sortants (mailing ou e-mailing envoyés). Enfin, ces outils ont pour finalité de segmenter les clients afin de communiquer avec eux de manière ciblée et personnalisée, de mesurer et d’augmenter le ROI des différentes opéra-tions de communication directe one-to-few.

La multiplication des données disponibles, provenant essentiellement des dispositifs digitaux, augmente et étend considérablement les possibilités du CRM.

Cela permet notamment :

• D’AMÉLIORER LA QUALIFICATION ET LA CONNAISSANCE CLIENT,

• D’OPTIMISER LES PROCESSUS DE CIBLAGE ET DE PERSONNALISATION,

• DE METTRE EN PLACE DES OPÉRATIONS PLUS OU MOINS AUTOMATISÉES EXPLOITANT DES DONNÉES CONTEXTUELLES EN TEMPS RÉEL (LIVE DATA) ET NON PLUS SEULEMENT DÉSYNCHRONISÉE ET/OU LIÉES À UN HISTORIQUE RELATIONNEL,

• DE DÉCOUVRIR DES BESOINS ET ATTENTES ENCORE BALBUTIANTS CHEZ CERTAINS CLIENTS ET PROSPECTS ET D’ANTICIPER LES TENDANCES,

• DE MIEUX COMPRENDRE LES MÉCANISMES COMPORTEMENTAUX ET D’ACTIVER LES BONS LEVIERS MARKETING,

• D’AMÉLIORER LE ROI EN IDENTIFIANT PLUS FINEMENT LE POTENTIEL DE CHAQUE CIBLE, AINSI QUE LES EFFORTS À LUI CONSACRER.

6 7

Certaines de ces données sont nominatives et liées à une identité bien déterminée, d’autres sont statis-tiques, d’autres encore sont liées à un identifiant (cookie, DNS …). Ces données sont complétement hétérogènes. Elles ne sont pas organisées de la même manière, n’ont pas les mêmes rythmes de réactuali-sation, pas la même durée de viabilité. Surtout, elles ne font pas référence aux mêmes types de réalités et ne signifient parfois pas grand-chose sorties de leur contexte de création et/ou d’usage.

Toutes ces informations issues de canaux dif férents présentent des dif ficultés qui ont dû être levées soit par des logiques nouvelles soit par des techno-logies innovantes. La première de ces dif ficultés est l’hétérogénéité de ces informations qui, pour être exploitées, doivent cohabiter. À l’image d’une ville dans laquelle existeraient plusieurs codes de la

route, ces données à la temporalité, aux formats, à la structure et au sens dif férents doivent non seule-ment être intégrées dans des systèmes d’informa-tion qui à défaut d’être unique doivent au moins pouvoir communiquer, mais aussi être intégrés dans des modèles analytiques et mathématiques uniques.

Une autre difficulté liée à ces données hétérogènes est leur fiabilité. En effet, les entreprises qui les exploitent n’en sont pas les émettrices. Par exemple, l’utilisation d’un flux météo, produit par une entre-prise spécialisée, dans un modèle comportemental peut être interrompu brutalement. Les entreprises doivent apprendre à baser leurs modèles sur une information externe et dont la pérennité n’est pas garantie surtout si les règles qui régissent l’accès à ces données sont proches de l’Open Source.

Les data peuvent désormais venir :

• des outils de tracking : sites web fréquentés, pages visitées, mots-clés recherchés… ;

• de l’analyse textuelle et/ou sémantique du contenu des réseaux sociaux : qui parle de quoi ? Que dit-on de bien ou de mal sur un évènement, une personne, une idée, un lieu, une marque ? Quels sont les thèmes les plus commentés par telle communauté ? Etc.

• de la géolocalisation : via une adresse IP, une balise ibeacon, un GPS ou la triangulation des terminaux mobiles : qui est où et pour faire quoi… ;

• de trackeurs divers : borne météo, trafic routier, objet connecté… ;

• des requêtes réalisées sur Google ou sur d’autres dispositifs online de recherche ;

• de données socio-économiques provenant de diverses organisations publiques (open data) ou privées (mégabases, programmes relationnels mutualisés…) ;

• des traditionnelles enquêtes et sondages plus faciles à déployer sur Internet ;

• des images et vidéos sur les réseaux sociaux : reconnaissance faciale (Facebook fait aussi bien que l’homme avec son algorithme Deep Face), reconnaissance et exploitation des émotions (joie, anxiété, tristesse…) ou du contexte (anniversaire, mariage, naissance…).

De nouvelles données pour mieux connaître les clients

8 9

Avec le Big Data, le CRM va étendre son domaine de compétence. D’ailleurs, plutôt que de parler de client, il est sans doute préférable de parler désor-mais de contact et de gestion de contact. Un contact peut-être successivement suspect, prospect, client puis ambassadeur d’une marque. Alors que le CRM classique débute sa mission à partir du moment où il y a un acte d’achat, le CRM étendu amorce sa démarche dès les premiers contacts entre la marque et le consommateur. Ce premier contact peut avoir lieu sur un moteur de recherche, via une bannière online ou encore une publicité sur la TV connectée. Dès lors, le consommateur entre dans une relation ciblée et relati-vement personnalisée avec la marque. Ce ciblage et cette personnalisation sont réalisés en temps réel en fonction de son profil alors qu’il n’est même pas encore client mais simple suspect ou prospect non identifié. S’il est séduit par le message, le suspect donne alors

peut-être son adresse e-mail pour s’abonner à une newsletter, recevoir une documentation ou participer à un jeu. Il devient alors un prospect identifié que la marque tente de convertir en client au moyen d’offres personnalisées. C’est ce que l’on appelle le PRM pour Prospect Relationship Management. Une fois client, la marque doit être à même de communiquer avec lui de manière personnalisée non seulement via les supports de communication adressée classiques tels que le mailing ou l’e-mail mais aussi au travers de messages personnels disséminés sur les grands médias tradi-tionnels tels que la télévision connectée ou encore la presse online. Bref, la marque doit s’adresser à l’ensemble de ses contacts de manière personnalisée et interactive sur tous les canaux. C’était inimaginable avec les moyens classiques de la communication. C’est désormais envisageable et ce sera sans doute la norme dans la décennie qui arrive.

DU CRM au CRM étenduEnfin la dernière des grandes difficultés à surmonter est celle de la fiabilité des contenus. En effet, nombre de ces contenus sont déclaratifs (réseaux sociaux, blogs, forum…) et les biais déclaratifs courants (valorisation sociale, conformisme…) sont d’autant plus présents que ces canaux font office de cataly-seurs sociaux.

Pour palier à certains de ces problèmes, il existe des solutions. Par exemple : scorer les contenus afin d’en déterminer la fiabilité ; avoir plusieurs sources pour une même information en cas d’interruption de l’une d’entre elles. Pour le stockage, il existe de nouvelles technologies comme les bases de données orien-tées colonnes ou documents, plus souples et moins structurées que les bases de données relationnelles classiques. Pour la modélisation mathématique, il existe aussi des approches permettant de traiter ces données à la fois hétérogènes et abondantes. Il s’agit souvent de modèles non monotones et non linéaires capables de mettre en évidence des phénomènes peu saillants et complexes. Ces solutions permettent de

contourner certaines problématiques et permettent de tester la validité des modèles via un POC avant d’extrapoler en sécurisant davantage les dispositifs.

10 11

La possibilité d’accompagner et de suivre le consommateur durant les différentes étapes qu’il traverse avant, pendant et après son achat constitue une révolution silencieuse dans laquelle la data joue un rôle clé. Le digital permet en effet :

• de communiquer de manière ciblée, interactive voire personnalisée sur chacun des points de contacts digitaux de ces étapes (bannières online, liens commerciaux sur les moteurs de recherche, site web de la marque, application mobile de la marque, borne ou tablette en boutique, système de caisse, échanges téléphoniques, via e-mail ou sur Facebook suite à l’achat…).

• de tracker et d’historiser précisément le comportement du consommateur au sein de chacun de ces dispositifs.

• et surtout de faire le lien entre chaque rencontre de la marque et du consommateur. Autrement dit, de suivre le cheminement du client d’un dispositif à un autre, d’en optimiser le parcours et de fournir une expérience personnalisée et unique.

1312

La vision « contact centric » rend possible un marketing dans lequel la relation avec le contact est personnalisée, mesurée et interactive tout au long de son parcours, quelque soit le point de contact (web, mobile, boutique, téléphone, courrier, etc.). Pour rendre possible cette vision, il est nécessaire de mettre en place un CRM étendu en amont et en aval du CRM classique qui ne gère que le statut « client » du contact.

Passer du parcours « client » au parcours du « contact »

14 15

Le nouveau CRM étendu permet donc de gérer le contact sur l’ensemble du parcours client :

Statut du contact Suspect prospect

POINTS DE CONTACT

• Site & appli• Vitrine/boutique• Search (SEM/SEO) • Affiliation• Banières• Bornes interactives• Social Management

• Site PRM dédié• E-mailing de Prospection• Télémarketing• Outils de collecte de données qualifiantes

(formulaires inscription, jeux…)• Appli mobile• Fan Page• Géolocalisation

OBJECTIF • Qualifier et transformer en prospect

• Qualifier et transformer en client

DONNÉES DÉCLARATIVES

• Centres d’intérêt • Identification • Infos qualifiantes • Opt-In/Opt-Out

DONNÉES OBSERVÉES

• Tracking • Social Activity • Localisation

• Tracking canaux de communication

DONNÉES DÉDUITES • Trafic

• Parcours Web • Comportement

de masse

• Segments de conso• Scores• Âge, sexe • Géomarketing

client AMBASSADEUR

• Programme fidélité• Campagnes relationnelles et/ou transactionnelles• Gestion d’offres (ex : bons de réduction)• Site & appli relationnel• E-commerce/M-commerce

SAV/Service Client Panel• Questionnaires Satisfaction/Sondage/etc…• Géolocalisation

• Dispositif de parrainage• Site et appli dédiés• Plateforme Communautaire• Plateforme Sociale • Évènement IRL

• Fidéliser et transformer en bon client

• Engager • Inciter à la défense

et à la promotion de la marque

• Qualifications additionnelles • Contenu apporté• Avis

• Achats• Opérations/retours d’opérations

• Engagements (Like/Share) • Parrainage

• Segmentation transactionnelle• Rattachements opérationnels

(Zone, Magasin, Vendeur, etc.), triggers• Canal préféré de communication• Ancienneté, renouvellement, inactivité

• Text Mining• Scores et segments

16 17

le suspect

De plus en plus de campagnes publicitaires online exploitent les possibilités du RTB (Real Time Bidding). Pour rappel, le RTB permet de vendre et d’acheter des espaces publicitaires en temps réel et au meilleur prix par l’intermédiaire de plates-formes automatisées. Pour maximiser le rendement de ces campagnes, certaines de ces plates-formes ciblent la diffusion des bannières auprès des profils les plus susceptibles d’être intéres-sés par leurs offres. Les Ad Serveurs qui gèrent la diffu-sion de ces campagnes ciblées exploitent des DMP 3d Party (Data Management Plateforme gérée par un tiers tels que Weborama par exemple), des gigabases de cookies qualifiés, permettant de cibler des suspects qui correspondent aux profils recherchés par les marques. Concrètement, le cookie d’une DMP média attribue des étiquettes à l’utilisateur d’un ordinateur (ex. utilisateur intéressé par le tennis, l’Italie, la nourriture bio, etc.) en fonction des sites qu’il visite et/ou de ses recherches sur le web. Ces étiquettes servent ensuite de critères dans le ciblage de la campagne. Les campagnes RTB peuvent

entraîner jusqu’à 150% de hausse de l’efficacité des publicités grâce à l’utilisation d’un ciblage approprié.

La connexion des DMP et des plateformes CRM étendu permet de récupérer des informations sur les profils recru-tés (les suspects devenus prospects ou clients) et d’évi-ter de cibler les clients lors de campagnes publicitaires. L’interfaçage entre une DMP 3d Party et un système CRM est relativement complexe encore de nos jours pour des raisons techniques mais aussi juridiques et/ou déontolo-giques. Néanmoins, il est fort probable que ces procédés deviennent la norme dans les mois qui viennent.

D’autres techniques de ciblage exploitent la Big Data. Le Streaming Analytic propose d’analyser, le plus souvent sur un site Internet, en temps réel le compor-tement suspect ou prospect afin de lui adapter le contenu. Ce marketing différencié a pour objectif d’améliorer le processus expérientiel et de diriger l’internaute vers un tunnel de conversion adapté.

18 19

Le Big Data est le plus souvent une histoire de véloci-té car si l’abondance d’information permet d’accroître significativement la détection de potentiel et la perti-nence des interactions et réponses, il serait néanmoins inacceptable que ces réponses soient exploitées trop tard par la marque. D’une part pour des raisons concurrentielles évidentes, et d’autre part à cause de l’importance du contexte, une réponse pertinente peut vite ne plus l’être si le contexte a évolué.

Que ce soit lors d’une navigation sur un site Internet ou lors d’une promenade géolocalisée par triangula-tion du téléphone portable, il est possible d’utiliser un certain nombre de faits pour calculer par exemple un score d’appétence à un produit ou un service et ainsi

diriger le contact vers cette offre qui pourra le faire passer de l’état de prospect à client.

Des approches assez anciennes mais jusqu’ici très peu exploitées en marketing trouvent un usage grâce au Stream Computing. Il existe en effet en statistiques un principe utilisé par la finance de marché selon lequel il est parfois plus efficace d’utiliser une information présente pour prédire l’avenir que de se référer à de lourds historiques (processus markoviens). De nombreuses techniques du Big Data ont permis d’accroître cette vélocité, que ce soit la distribution des calculs sur de nombreuses machines ou le calcul en temps réel. L’objec-tif est d’augmenter la pertinence en tenant compte des contraintes, du contexte, des délais et du time to market.

Le Prospect Relationship Management

Le PRM, c’est du CRM mais avec des prospects ! L’idée est très simple : travailler les prospects identifiés de la marque avec les méthodes qui font le succès du CRM. Internet est un support absolument formidable pour recruter de nouveaux clients.

20 21

Les différentes techniques de création de trafic que sont le référencement, l’achat de mot clés, l’affiliation ou encore l’e-mailing permettent de générer un trafic considérable sur des sites web. Dès lors qu’un prospect non identifié (suspect) arrive sur la home page d’un site web, il faut le convaincre de laisser ses coordonnées pour entamer ensuite avec lui une relation dans la durée.

Plusieurs prétextes peuvent être utilisés pour cela :

• inscription à une newsletter ;

• réalisation d’un test ;

• participation à un jeu ;

• inscription à un service gratuit ;

• création d’un espace personnalisé ;

• demande de documentation papier ;

• demande de renseignements ;

• etc.

L’objectif est d’obtenir un maximum d’informations de manière à être à même de qualifier le prospect. Plus le prétexte est original, innovant et/ou à forte valeur ajoutée, plus le nombre de données collectées sera intéres-sant quantitativement et qualitativement.

L’ensemble de ces données est ensuite traité au sein d’un système d’information type CRM de manière à pouvoir opérer des segmentations. Un plan de contact peut alors être déployé de manière à faire parvenir aux prospects les messages (e-mail bannières, etc.) les plus susceptibles de les transformer en clients.

22 23

Renouveler le CRM classique Outre ces approches multi-variées, il devient possible

de disposer de plusieurs segmentations et scores qu’il convient de croiser et subsumer dans des modèles à la fois plus globaux et plus complets.

De nombreux axes constitutifs de la perception du consommateur par la marque peuvent être ainsi croisés et produire une meilleure gestion des interactions :

Axe relationnel

Axes

tran

sacti

onne

ls

Axe descriptif

Score d’engagement

Typologie

RFM/FRATScore d’attrition

Score d’appétence

3/ Approches exploratoires et fortement multi-variées.

Le Big Data permet d’appréhender les données clients, prospects et suspects selon deux approches. La première assez classiquement utilisée dans les services datamining consiste à identifier une problé-matique, poser une question puis tenter d’y répondre grâce aux données. Cette approche reste d’actualité et son pragmatisme en fait le socle sur lequel s’appuie la gestion de la relation client et prospect.

Une seconde approche moins répandue consiste en une exploration pure sans a priori et sans question. Il s’agit ici d’une approche exploratoire permettant de mettre en avant des phénomènes inattendus. La sérendipité que produit cette approche permet d’adosser les décisions stratégiques sur l’analyse des données, ainsi des phénomènes souvent peu saillants sont identifiés et sont vecteurs d’opportunités pour les marques.

1/ avec le CRM MÉdia

Comme nous l’avons vu, l’exploitation du RTB et de DMP rend possible un ciblage très précis pour la diffu-sion de messages digitaux (bannières par exemple). Les techniques du CRM Display permettent d’inté-grer dans un plan de contact client non seulement des supports de communication adressés classiques (mailing, e-mailing, SMS…) mais également la diffu-sion de bannières. En navigant sur le net, le client d’une marque peut être la cible de bannières qui lui sont spécifiquement adressées. Concrètement, un visiteur non identifié ne verra pas la même bannière sur un site éditorial qu’un client.

Dans ce dispositif, le média devient un point de contact et/ou un support de plus dans le plan de contact client à coté de l’e-mail, du SMS voire du marketing direct postal.

2/ avec la segmentation multi axiale

Le CRM a permis la démocratisation du datamining et de la statistique inférentielle. Néanmoins les segmen-tations et scoring utilisés sont le plus souvent faible-ment multi-variés, c’est-à-dire qu’ils ne contiennent que très peu d’informations et leur capacité à décrire ou prédire les comportements des clients et prospects sont relativement limités.

Bien qu’il ne soit pas possible de disposer de tous les tenants et aboutissants du comportement du consom-mateur puisque certains leur sont purement externes et subjectifs, la relative abondance de l’information permet de modéliser des segmentations et scoring constituant de meilleures approximations des mécanismes qui régissent les interactions entre la marque et son public.

24 25

Qu’il s’agisse d’analyses exploratoires ou répondant à des problématiques précises, le Big Data apporte une telle quantité d’informations que les analyses deviennent fortement multi-variées. On assiste à une plus forte diffusion des méthodes dites à apprentis-sages non supervisées (machine learning), c’est-à-dire qui ne nécessitent que très peu de paramétrages. Elles exonèrent l’analyste de la formulation d’hypothèses et réduisent le risque de biaiser les modèles du fait d’un manque de neutralité quant aux valeurs morales.

Ces techniques sont aussi dites non-monotones et non linéaires car elles analysent simultanément un grand nombre d’informations ce qui rend les relations qu’elles cherchent à établir complexes. Cette capaci-té à modéliser des relations parfois alambiquées a pour conséquence une fâcheuse prédisposition à

surévaluer l’existence de phénomènes, autrement dit, elles perçoivent des choses qui parfois n’existent pas !

L’utilisation de ces méthodes peut être vecteur d’avan-tages concurrentiels, dans la mesure où les insights que peuvent produire ces analyses peuvent être naissants et prendre des proportions importantes comme un phénomène de mode. Il peut aussi s’agir d’une prédisposition d’une cible à accepter et à porter une innovation …

Il est probable que dans les années à venir les marques qui n’exploitent pas la richesse de ses infor-mations, rendues disponibles par la digitalisation et des outils d’analyses permettant de les exploiter, seront en réaction au marché et auront accumulé un handicap concurrentiel.

Modèles linéaires

Âge Salaire

Modèles non-autonomes

Âge Salaire Niveau d’études Villes (taille) Taille du foyer Taille d’habitation

26 27

4/ La gestion des Ambassadeurs

L’objectif de la gestion des ambassadeurs est de favori-ser le recrutement de nouveaux clients par coopta-tion mais également de constituer une communauté d’ambassadeurs de la marque qui pourront porter la bonne parole « à l’extérieur » voire même défendre la marque lorsque celle-ci est attaquée sur les réseaux sociaux ou les blogs.

Pour mettre en place cette communauté d’ambas-sadeurs, l’idéal est de repérer au sein même de ses clients identifiés, comme les adhérents à un club ou à un programme de fidélisation, les aficionados poten-tiels. Pour repérer ces ambassadeurs, il faut exploiter les données que l’on possède sur ses clients et réali-ser un scoring spécifique qui permettra d’identifier des profils correspondant aux caractéristiques que la marque a placé derrière l’attributif d’ambassadeur. De manière générale, l’ambassadeur est à la fois une personne fortement liée à la marque (ce que mesure

le score d’engagement) et fortement influent (ce que mesure le score d’influence). En utilisant des critères tels que le taux d’ouverture et de clic aux newslet-ters, la fréquence d’accès au site (espace membre), la fréquence de retour des actions (jeux, question-naires, etc.) et surtout l’usage des réseaux sociaux, il est possible d’isoler un segment d’individu suscep-tibles de devenir des aficionados. Il faut noter que ces ambassadeurs ne sont pas forcément des influenceurs ou des leaders d’opinion. Comme le souligne Philip Sheldrake, il s’agit bien de mettre en place un dispo-sitif « influence centric » et non « influencer centric ». Toutes les études montrent en effet que les consom-mateurs font avant tout confiance à leurs proches, plus qu’aux influenceurs ou aux publicités. Les aficio-nados sont avant tout de vrais fans de la marque qui ont également de bonnes capacités pour partager leur goût et pour convaincre leurs connaissances de tester les produits qu’ils affectionnent.

Ces ambassadeurs potentiels doivent alors être contac-tés pour leur proposer d’entrer dans un cercle fermé qui

leur est réservé. Ils doivent ensuite être animés d’une manière spécifique au travers de messages dédiés, d’invitations à des évènements exceptionnels, de rencontres avec des personnalités, de cadeaux, etc. La marque doit également fournir à ces ambassadeurs des outils et des moyens pour coopter d’autres individus à

tester les produits et les services de la marque. C’est ce que font certaines marques au travers de leurs dispo-sitifs de parrainage. Les secteurs de la presse, de la banque et des télécoms sont friands de ces modes de recrutement. Cela peut représenter près de 30% de leurs nouveaux clients.

28 29

Les obstacles au CRM étendu1/ Les obstacles techniques, organisationnels et culturels :

Cette vision est encore aujourd’hui très éloignée des pratiques du commerce et du marketing. Les acteurs du parcours client sont multiples et fragmen-tés : média, moteur de recherche, portails, solutions e-commerce, réseaux de boutiques, moyens de paiement, solutions CRM, SAV, call center, réseaux sociaux, etc. Ils ont des cultures, des contenus, des offres et des process très distincts. Ils fonctionnent en silos, avec des liens distendus. Ils sont parfois en lutte, voire concurrents entre eux.

Au niveau informatique, les data générées et/ou exploitées sont hétérogènes et désynchronisées. Il est de fait aujourd’hui très compliqué de suivre et de piloter l’ensemble du parcours client. La vision d’un marketing du parcours client est donc théorique-ment possible, car ce parcours est aujourd’hui quasi-ment digitalisé du début à la fin, mais très complexe

à mettre en œuvre en raison de la fragmentation du marché et du manque d’interconnexion des supports.

Le grand défi pour les prochaines années sera d’homogénéiser ces données et d’être à même de les intégrer dans des systèmes qui sauront les exploiter. Le consommateur a une vision plus ou moins unique et homogène de la marque. Il exige que la marque en fasse de même avec lui. Bien souvent aujourd’hui, le consommateur n’est pas reconnu par une marque lorsqu’il passe d’un canal à un autre ou encore d’un pays à un autre. La vision du client que possède une entreprise est souvent fragmentée et découpée entre plusieurs fichiers ou différents systèmes hétérogènes. Une mauvaise intégration des informations collectées au travers d’applications Big Data peut amplifier ce phénomène. Les marques devront avoir demain une vision à 360° du client et personnaliser non seulement les messages, mais le parcours même de leurs clients.

La data constitue le fil rouge qui permet de suivre le contact, de le qualifier et d’interagir avec lui.

Cette vision d’un CRM étendu est évidemment terriblement excitante pour les marketeurs et les data scientists qui adorent mixer, croiser et creuser les données. Mais cela donne aussi des frissons aussi bien aux DSI qu’aux Directions juridiques.

30 31

Les futurs gagnants seront ceux qui maîtriseront ce fil. C’est en rendant possible cette interconnexion et en rendant fluide ce parcours client que la révolution digitale prendra tout son sens dans le commerce et le marketing.

2/ Les obstacles éthiques, sociétaux et juridiques

Le croisement des données provenant de différentes sources n’est pas encore réalisé pour des raisons techniques et commerciales mais aussi parfois juridiques et sociétales.

À long terme, le marketing personnalisé et interac-tif n’a pas de limitations technologiques mais essen-tiellement éthiques. En effet, les consommateurs ne sont pas forcément d’accord avec le fait que les entre-prises exploitent les données relatives à leur profil et à leurs comportements. Même si les internautes se livrent sur Facebook, saisissent parfois des données sensibles sur des formulaires online pour participer

à des jeux ou encore utilisent des cartes de fidélité répertoriant tous leurs achats, ils sont très majoritai-rement contre le fait que des marques exploitent ces données personnelles.

La majeure partie des études montre que les consom-mateurs ne sont pas d’accord avec le fait que les marques collectent et exploitent des données les concernant. Mais une analyse plus fine des résultats explicite un paradoxe qui ne manque pas d’intérêt. Les consommateurs adorent en effet recevoir des offres personnalisées, notamment des bons d’achat ou des bons de réduction, mais ils sont contre les moyens que les marques utilisent (et sont obligées d’utiliser) pour leur faire parvenir ces offres.

C’est le paradoxe de l’intrusion : les consommateurs en ont assez de la saturation publicitaire à la télé, à la radio, mais aussi dans leurs boîtes aux lettres physiques et électroniques. Ils préfèrent de plus en plus recevoir des offres qui les concernent, à un rythme moins agressif et via les canaux qu’ils privilégient. Mais ils sont contre

les moyens qui permettent aux annonceurs de mettre en place ce type de dispositifs !

Pour éviter de nourrir le mythe du « Big Brother marchand », les marques doivent développer, à côté de leur démarche data marketing, une « privacy policy » (soit une politique en matière de confidentialité

des données qui leur sont confiées) transparente et pédagogique. Cette démarche peut se concrétiser sous la forme d’une charte dans laquelle l’entreprise est très claire et transparente sur les données qu’elle récolte, l’exploitation qu’elle en fait et ce qu’elle ne fait pas. C’est toute la communication interactive de demain qui est ici en jeu !

32 33

Le Big Data et la digitalisation de la relation avec les contacts permet à la marque de devenir agissante et performative. Du coup, l’expression de la marque ne doit pas s’arrêter à un simple discours, mais devenir de véritables « actes digitaux » qui apportent autant de preuves à sa promesse : services online, applica-tions smartphones, modules de simulation, jeux, etc.

Pour que cette brand utility soit pertinente et réponde aux attentes des consommateurs, les services et autres applications digitales doivent offrir une personnalisa-tion maximum de l’expérience. Suite à son identifi-cation, l’utilisateur doit être à même de retrouver son profil, son historique et ses préférences. Tous ces items sont autant de preuves de reconnaissance et d’outils facilitant et simplifiant l’usage. L’exploitation de la data est donc au cœur des dispositifs utiles à l’expérience client et donc à l’expérience de marque.

Passer de la marque-discours à la marque-action

Une manière de dépasser le paradoxe de l’intrusion dans la relation marque/consommateurs est sans doute pour la marque d’apporter une réelle plus-value au travers de services personnalisés.

3534

Le digital et la data sont les deux faces d’une même pièce. C’est la démocratisation de l’usage du digital qui génère volume, variété et besoin de vélocité. C’est aujourd’hui la mise en place de nouvelles technologies d’archivage et de traitement des données qui rend possible des interactions personnalisées en temps réel sur des interfaces multi-digitales. La capacité des marques à personnaliser le parcours de leurs clients grâce à la data sera demain un prérequis incontournable. La digitalisation des entreprises doit donc être accom-pagnée d’une « datalisation » cohérente, méthodique et efficace.

• toutes les sociétés n’ont pas forcément le même intérêt à exploiter le Big Data.

• en tout cas pas de la même manière. Plus une société est digitale, plus elle vend de produits différents et plus elle s’adresse à un nombre important de clients, plus elle pourra profiter des expertises de la data pour optimiser son marketing. Tout le monde n’est pas Amazon !

• conséquence : chaque projet Big Data ne peut être qu’unique et nécessite une compréhension forte du marché adressé, des objectifs poursuivis et des données disponibles. La boîte noire magique est un leurre. C’est avant tout un projet qui demande une phase d’analyse puis d’intégration, un projet qui prend du temps, des ressources (humaines, soft, hard…) et qui a donc un coût.

• si nous pouvons parler de changement de paradigme informatique (BDD colonnes, architectures distribuées…) le modèle relationnel qui a donné naissance au CRM lui reste inchangé et les principes qui le constituent sont les mêmes.

Ils sont simplement rendus plus actionnables par les évolutions technologiques. Le rêve de tout marketeur souhaitant offrir un traitement personnalisé à ces clients comme s’il s’agissait de son commerçant de quartier est désormais à portée de main.

• les technologies exploitant le NoSQL, MapReduce, In-memory …, qui ont rendu possible l’exploitation de très grands volumes de données, sont pleines d’avenir. Mais elles ne remplaceront pas les algorithmes et les technologies classiques des bases de données relationnelles plus structurées. Ces technologies ne sont pas alternatives, elles sont complémentaires. Tout comme le cerveau droit a besoin du cerveau gauche, c’est de la complémentarité des deux qu’émergera l’intelligence et l’efficience.

• enfin et surtout l’analytique et a fortiori les Big Data ne remplacent pas la vision et l’intuition du manager. Dans l’exploitation des données, la qualité principale reste de savoir poser les bonnes questions et/ou de savoir interpréter des résultats. Les ordinateurs de leur côté ne savent que répondre aux questions qu’on leur pose.

conclusion

Il est cependant important de rappeler certains fondamentaux :

36

DIRECTEUR DE LA RÉDACTION : YAN CLAEYSSENDIRECTEUR CRÉATION : LOUIS DEVOS

ONT PARTICIPÉ À LA RÉDACTION DE CE NUMÉRO : YAN CLAEYSSEN ET SAMIR AMELLAL, CONCEPTION ET CRÉATION : CHARLOTTE SELTENSPERGER, CÉDRIC PELLEGRINI,

SÉBASTIEN OWCZARCZAK, RÉMI DEBREU, ANTONY CERVETO, BENJAMIN QUESNOIT.

PUBLICIS ETO, SAS AU CAPITAL DE 124.560€, DONT LE SIÈGE EST SITUÉ AU 2 PLACE DE LA GARE, 59110 LA MADELEINE, IMMATRICULÉE AU RCS DE LILLE MÉTROPOLE SOUS LE NUMÉRO 338 758 881.

CONTACT : CATHERINE HELFENSTEIN, 01 44 43 68 44 – CATHERINE.HELFENSTEIN@PUBLICIS.FR

WWW.PUBLICIS-ETO.FR

CRÉDITS PHOTO. : © THINKSTOCK/MARVID, RASSCO, BODAA22, TOPP_YIMGRIMM, OLEGGANKO, JOHAVEL, RIEDJAL, ALEKKSALL, EKAPANOVA