La data au service du parcours

Transcription

1 Web Analytics : La data au service du parcours cross-canal des clients Barbara Sohier, Directrice E-commerce de Padd 1

2 Présentation PADD Création 1974 Spécialiste de l équipement pour le cheval et le cavalier N 1 français références les plus grandes marques mondiales Conseil, expertise et professionnalisme Cible : prescriptrices utilisatrices // acheteurs et utilisatrices femmes 2

3 Présentation PADD 57 magasins en France dont 2 mégastores Un site e-commerce en France depuis 2003 Développement international E-commerce 2016 : Espagne, Belgique, Pays-Bas et Suisse Des clients encartés depuis + de 20 ans ( @) 3

4 Enjeux PADD Fidélisation des clients FR Segmenter la base de données = meilleure connaissance client pour un meilleur ciblage Développement à l international Acquisition de trafic Développement de la base de données Ouverture de magasins physiques Améliorer / optimiser le Taux de conversion des sites 4

5 Les Challenges Pour PADD Enrichir, optimiser, déployer le catalogue produits Europe (nouveautés, destockages ) Capitaliser sur les clients habituels, venant du offline. A la différence des concurrents, souvent uniquement par correspondance Réconcilier data on et data offline Tableaux de bord / suivi rotations produits (stocks / ventes) Pour le département marketing / e-commerce Gérer le CRM existant (> contacts) en France pour le segmenter Mieux connaitre le client Le toucher de manière personnalisée via le canal et/ou SMS Avoir une connaissance clients X produits 5

6 Comment créer une vision cross-canal? Des Données quantitativement élevées et qualitativement détériorées : Réconcilier les infos du MediaSystem (fournisseur) avec les infos clients, tickets magasins et données web. Plus de 5 formats différents de données, non compatibles Une culture Big Data inexistante en interne Embaucher un data scientist? / Former les équipes? Comment collaborer? Quelle finalité business? Comment développer un produit final qui pourra être mis en production et générer de la valeur? Quel ROI? 6

7 Architecture de la plateforme Magasins Padd AS 400 DMP Media System Sites ecommerce PADD Personnalisation et recommandations 7

8 Dataiku pour structurer nos projets Data Science CONNECTION POSSIBLE AVEC TOUTES NOS TECHNOLOGIES Utilisez vos outils habituels RENFORCER LES COMPËTENCES DATA DE MON EQUIPE CRÉER MON PROJET DATA DE A À Z Travailler en collaboration et faites croitre les compétences de l équipe. Connexion Exploration Préparation Modélisation Evaluation Déploiemen t ou accélérez le retraitement des données avec des outils visuels Moins de nettoyage, plus de modélisation et des itérations en continu Combiner des langages et des technologies Big Data Délivrer des projets Data en temps record 8

9 Mise en place d une segmentation client Segmentation RFM Acheteurs à plus grand quotient Inactifs / VIP / nouveaux Réduire le churn Augmenter la récurrence + panier moyen Mais aussi segmentation par finalité Quels types d acheteurs? Cheval ou cavalier? Poney ou cheval? Propriétaire ou club?... Segmentation par profil démographique 9

10 10

11 Pour des messages personnalisés Accueil PRM / inscrits site FR : offre de bienvenue à l issue de la 1 ère commande anniversaire client (web et magasins) Lutte anti-churn: réveil des inactifs Clients VIP : envoi remerciements + cadeau Relance paniers abandonnés Cross et Up sell. 11

12 PRM - Accueil inscrits Un visiteur crée un compte sur le site Padd sans commander H+0 remerciement inscription J+3 «les avantages J+7 Padd» «Offre découverte» avec code promo J+14 Relance «Offre découverte» avec code promo Si le client passe une commande WEB arrêt du scénario Objectifs = Remercier le nouvel inscrit + Le réassurer avec les éléments forts de Padd + L inciter à passer sa 1 ère commande 12 Contenu = Intégrer des témoignages clients + Lien vers Facebook Youtube

13 13

14 Next Step: Vers la recommandation produit associée Définir les appétences entre catégories / sous catégories produits Faire de la recommandation produits par et onsite + personnalisation fine selon le profil du client Généralisation de tableaux de bord all Padd : magasins, web, codes promos, ventes, stocks,.. 14

15 Take-Aways Les Small compagnies font du Big Data et de la Data Science! Vous avez la data, pourvu que vous sachiez la traiter Envoyez moins mais ciblez mieux! Le ROI à court-terme ne fait pas tout Ne jamais négliger l offline, mais mieux le réconcilier avec le online, le client est partout et omnicanal. 15

16 Merci 16