A l’ère du big data, il est essentiel de soigner sa collecte et d’enrichir les données, afin de leur donner du sens. Présentation des étapes à ne pas négliger pour comprendre, grâce au marketing prédictif, la vraie finalité du big data : la prise de décision.
Une tribune de Cédric Hervet, Directeur Recherche Opérationnelle SOCIO Logiciels (groupe NP6)
A l’ère du big data, la donnée est vue comme le nouvel or noir du marketing. Une matière première en partie gratuite mais qui nécessite une exploration. Ce raffinage, étape-clé du processus, a un coût pour l’entreprise : acquisition de nouvelles compétences (data scientist par exemple, qui va mettre en forme la donnée), constitution d’équipes projets inhabituelles (intelligence artificielle, recherche opérationnelle, informatique, marketing…).
Il est donc essentiel de soigner sa stratégie de collecte et d’enrichissement de la donnée. Le marketing prescriptif permettra ensuite d’analyser cette donnée raffinée pour faire ressortir des profils clients et de consommation. Le marketing prédictif, quant à lui, permettra de modéliser des comportements et d’anticiper les prochaines actions des consommateurs.
Une fois les données analysées, reste à trouver les meilleures décisions stratégiques à mettre en oeuvre, grâce au marketing prescriptif. Car il n’est pas suffisant d’identifier les bons leviers sur lesquels agir. Pour aider à prendre la bonne décision, la donnée doit permettre de connaître dans quel ordre activer ces leviers, et pour quel ROI.
Collecter et enrichir la donnée grâce au marketing descriptif
Dans un premier temps, la mise en œuvre d’une stratégie de collecte adaptée aux objectifs à atteindre est essentielle. Dans un contexte d’affluence de la donnée, il est indispensable de faire un tri pertinent sur les données réellement utilisables, « propres » et nécessaires, et s’assurer d’en disposer en quantité suffisante avant de se lancer dans leur analyse.
Mais simplement collecter ne suffit pas : dès que possible, il est indispensable d’enrichir vos données de base avec des données externes (études qualitatives, Open Data, CRM).
Un conseil : utilisez l’open data. Les « données libres », qui consistent en la mise à disposition gratuite de données publiques et parfois privées, vous permettront d’enrichir facilement et efficacement vos data. L’INSEE propose notamment 16.000 zones IRIS, qui permettent de croiser vos informations avec des données infra-communales (zones d’habitat, d’activités…), afin de mieux caractériser les profils (potentiel commercial, profil sociodémographique) des zones géographiques où sont situés vos clients. Les applications sont diverses. Pour un site e-commerce, par exemple, l’open data permettra de connaître combien de supermarchés ou points de vente proposant un service de relais colis sont situés à moins de x, y ou z kilomètres du client.
Une fois la donnée enrichie, la seconde étape d’analyse, appelée aussi marketing descriptif, va permettre, via différentes méthodes dont la segmentation, de faire ressortir certains profils clients type et comportements de consommation. On pourra utiliser les méthodes RFM (qui tient compte de la récence, de la fréquence et du montant d’achat) et PMG (établie en fonction du montant d’achat). Celles-ci vont permettre de segmenter votre base afin d’obtenir une meilleure vision de sa structure, pour mieux l’utiliser à des fins stratégiques.
Cette étape permet également de détecter les clients atypiques, qui sortent de la moyenne. Si ces « outliers » représentent 0,1% de la clientèle mais réalisent 10% du chiffre d’affaires, il faudra les extraire de la base afin de proposer à ces clients VIP – vos ambassadeurs – une relation privilégiée. L’utilité de faire émerger les clients atypiques est double : cela vous permettra également de repérer les activités frauduleuses.
L’analyse prédictive de la donnée
Le marketing prédictif (scoring client, étude des patterns de consommation) va permettre ensuite d’analyser et de comprendre parfaitement son environnement grâce à la mise en lumière de certains phénomènes, pour anticiper leur évolution future. Le but : modéliser des comportements d’achat, pour les rapporter à des clients susceptibles d’avoir le même, et ainsi prédire leur comportement à venir.
Le but ici : soigner le parcours client en anticipant leurs attentes. Des informations clés pour proposer au bon moment la meilleure offre à la bonne personne.
La donnée collectée, enrichie, analysée et prédite permettra d’apporter un premier éclairage dans la prise de décision et le choix des actions à mettre en œuvre.
Vers un marketing prescriptif
Grâce à différentes méthodes, comme la recherche opérationnelle, le marketing « prescriptif » va permettre de trouver la meilleure stratégie à mettre en œuvre pour maximiser son ROI, grâce à une vision complète des données et une prise en compte de l’ensemble de contraintes économiques et métier.
Il n’est plus question ici d’identifier les bons leviers sur lesquels agir, mais d’aller plus loin dans l’aide à la décision : dans quel ordre activer les leviers choisis pour maximiser son ROI ?
Conclusion
Le marketing prédictif allié au marketing descriptif permet donc de donner du sens aux données, pour permettre de prendre les bonnes décisions stratégiques. En conclusion, voici des derniers conseils pour tirer pleinement parti du marketing prédictif dans le traitement de vos données :
– pas d’analyse pertinente sans une bonne collecte : comme vu plus haut, il est essentiel de faire le tri dès le départ dans ses données. Le big data, qui désigne un volume important de données mais également d’une grande diversité (et inégalité), nécessite un travail d’identification afin de séparer les données utilisables du reste.
– éviter les silos de données : une fois collectées et triées, pensez à croiser vos données pour optimiser leur utilisation, afin d’avoir une vision globale du big data récupéré.
– l’enrichissement de la donnée reste une étape primordiale : utilisez l’open data pour ajouter à votre base des données publiques et les croiser éventuellement avec des données infra communales, issues des zones IRIS de l’INSEE.
– une vision experte reste nécessaire pour des problématiques métiers spécifiques : selon son secteur d’activité, il sera utile de faire appel à un expert pour trouver de l’open data spécifique ou déterminer quelle analyse du big data mener selon le marché ou les parcours clients étudiés, et définir par la suite les actions stratégiques à mener.
Source : NP6
