Marketing Digital & Big Data

Transcription

1 Marketing Digital & Big Data Quoi de neuf? 10/03/2015 Soft Computing

2 Cofondateur et DG Soft Computing 2

3 SOMMAIRE Sommaire 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? 3

4 Carte d identité 4

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

6 Mission : transformer la data en performance marketing Business 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 IT 6

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

8 Extraits de références 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. Convergence des pratiques et des outils marketing on et offline. Personnalisation en temps réel des contenus et valorisation d audience. Conception de l architecture décisionnelle hybride big data datawarehouse. Mise en place d une Data Management Platform (DMP) et de use cases marketing. Définition d une stratégie de Business Intelligence. Centre de services gestion de campagnes marketing et connaissance clients Déploiement d une plateforme CRM multi-marques multi-pays.. Pilotage de la qualité de l expérience client. 8

9 Experts reconnus Ecrire Echanger Enseigner

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

11 Du recul aussi sur le plan technique 11

12 SOMMAIRE Sommaire 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? 12

13 Big Data : ça reste à mode 13

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

15 SOMMAIRE Sommaire Focus sur les utilisations marketing 15

16 SOMMAIRE Sommaire 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? 16

17 Défi technique #1 : se préparer à gérer des volumes inimaginables

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

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

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

21 SOMMAIRE Sommaire 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? 21

22 Big data 2014 Démocratisation 22

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

24 Démocratisation : stockage 24

25 Démocratisation : outils de datavisualisation 25

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

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

28 Démocratisation : analytique ML en cloud 28

29 Impact sur les usages Données Détail Hybride Temps réel + Autonome Prédictif Ouvert sur l extérieur Nonstructuré 29

30 SOMMAIRE Sommaire 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? 30

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

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

33 #1 : parcours clients 33

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

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

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

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

38 #2 : écoute active des réseaux sociaux 38

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

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

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

42 Focus : croisement client CRM ser 43

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

44 #3 : recommandations personnalisées 45

45 L objectif Faire des propositions personnalisées à la volée au visiteur identifié ou non à base d autoapprentissage? 46

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

47 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

48 SOMMAIRE Sommaire 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

49 Exemple de problématique 50

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

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

52 Lab data Large Data Fast Data 53

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

54 SOMMAIRE Sommaire 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

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

56 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

57 Où mettre les données? Big data : données chaudes Big data : données froides 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 Dataware : données structurées 58

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

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

60 3 compétences d emblée Marketing Programmation Datascience 61

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

62 Cibler des R.O.I. < 6 mois 63

63 Reconsidérer chaque année les ROI : les barrières à l entrée baissent toujours plus 64

64 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

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

66 Nous contacter Sandra GOMES, Directrice Adjointe du Développement ou