Du marketing intuitif manuel au data marketing automatisé

Transcription

1 Du marketing intuitif manuel au data marketing automatisé 19/3/2015 Thomas Faivre-Duboz Co-Fondateur & Directeur Associé /03/2015 1

2 Les 5 étapes du Data Marketing? 19/03/2015 2

3 Nous améliorons votre performance digitale 25 consultants de haut niveau, spécialisés sur le digital, au service de votre croissance, de votre rentabilité, et de la montée en compétence des équipes La data pour rationaliser les décisions, au fondement de notre approche 4 expertises fortes Conseil Stratégique Media & CRM Conversion Data 19/03/2015 3

4 Quelques exemples de missions 1. DÉFINIR LA STRATÉGIE DIGITALE Cadrage de la stratégie digitale : business plan, lancement d un e-commerce ou lead generation, internationalisation Organisation : digitalisation de la relation client / CRM, intégration du digital aux processus métier Interactions on-off line (cross-canal : points de vente/call/print/digital) Conception de plans media online Structuration de roadmaps de développement du canal digital 2. METTRE EN ŒUVRE LA STRATÉGIE DIGITALE Conception de dispositifs digitaux (web et mobile) Conseil en choix d agence et de solution technique Gestion externalisée de projets digitaux (AMOA) Accompagnement au changement / Formations / Coaching / Académies du digital 3. OPTIMISER LES INVESTISSEMENTS DIGITAUX Mise en place d une démarche de mesure online analytics groupe Audit et optimisation de la performance de dispositifs (sites/appli) Audit et optimisation du plan média online (attribution / multitouch / cross-canal) Accompagnement annuel performance (reporting, suivi, recommandations, AMOA) Accompagnements full-service testing A/B et multivarié (techno, conseil, accompagnement) 19/03/2015 4

5 + de 100 clients e-commerce, retail, lead generation, media, B2B depuis /03/2015 5

6 Exemple : un projet simple mené pour un acteur de la vente privée de voyages Objectif : améliorer l efficacité des s, adapter la pression en fonction des individus et non de manière globale Approche «ancienne» Nouvelle approche Shoots s massifs Choix arbitraires Pression cappée au global Envoi journalier Réaction Envoi journalier Non-réaction Envoi Hebdo Réaction forte Envoi journalier Réaction intermédiaire Envoi Hebdo Non réaction Envoi bimensuel Conclusions Performance ouverture / clic en hausse de 30/40% Baisse significative des envois Baisse des désinscriptions 19/03/2015 6

7 Pourquoi le data marketing? 19/03/2015 7

8 Pourquoi le marketing doit-il changer? Une revendication identitaire de la part du consommateur qui ne souhaite plus être traité comme un consommateur «lambda» Consumer empowerment La multiplication des canaux d interactions rend de plus en plus vital le besoin de reconnaissance du client, tout au long de son parcours Le digital fait exploser les silos habituels et démultiplie les attentes consommateurs La multiplication amène une complexité de parcours clients non gérable par un esprit humain Une désintermédiation progressive des échanges entre les consommateurs et les entreprises, entraînant une individualisation des relations Le progrès technique rend la personnalisation économiquement viable voire beaucoup plus rentable : Le fort coût de la personnalisation la rendait historiquement un élément distinctif du monde du luxe (ex: malles Louis Vuitton personnalisées) Envoyer un personnalisé coûte le même prix «techniquement» qu envoyer un générique 19/03/2015 8

9 Pourquoi le data marketing? 1/ Réduire les coûts 75% de la valeur du big data repose dans l économie (ré-allocation) et non la croissance des revenus Source : McKinsey Consulting 19/03/2015 9

10 Pourquoi le data marketing? 1/ Réduire les coûts Exemple 1 Les conditions négatives appliquées à l achat média Ne plus promouvoir des produits déjà achetés par un client donné Ne plus promouvoir des services low cost à des clients premium Exclure ses propres clients de ses initiatives en acquisition pure 19/03/

11 Pourquoi le data marketing? 1/ Réduire les coûts Exemple 2 D un e-merchandising manuel à un e-merchandising automatisé Mise en place de scénarios voire d algorithmes de recommandations (RichRelevance, Target2sell, Devatics, Netwave, Prudsys, Antvoice, ) Réduction des efforts en production de pages ad hoc, pushs produits et animation commerciale par les équipes merchandising enjeu d allocation d ETP vs. valeur créée 19/03/

12 Pourquoi le data marketing? 2/ Satisfaire les prospects/clients Le data marketing se traduit souvent par une moindre fréquence de contacts, mais à bien plus forte valeur ajoutée Eviter le harcèlement en phase de prospection Fournir une expérience personnalisée en phase de conversion Adapter ses services en phase de fidélisation : mieux traiter ses bons clients 19/03/

13 Pourquoi le data marketing? 2/ Satisfaire les prospects/clients Exemple Remontée de données comportementales digitales au call center chez Marignan Immobilier 19/03/

14 Pourquoi le data marketing? 3/ Mieux comprendre ses prospects / clients La réduction du marketing de masse au profit d un marketing plus ciblé aide à mieux comprendre les déterminants d achats Identification des facteurs accélérateurs ou des freins à la conversion La dataification de l information auparavant papier / non consignée permet de mieux appréhender l efficacité ou non d une action marketing 19/03/

15 Pourquoi le data marketing? 3/ Mieux comprendre ses prospects / clients Exemple La «dataification» du marketing offline Dans la promotion immobilière, le remplissage du CRM permet de déterminer combien de temps dure «vraiment» une vente, de ventiler les informations par un ensemble de dimensions métier, 19/03/

16 Pourquoi le data marketing? 4/ Améliorer son image La capacité des consommateurs à partager leur expérience client rend nécessaire la limitation des pratiques marketing massives souvent perçues comme intrusives 19/03/

17 Pourquoi le data marketing? 4/ Améliorer son image Exemple Séphora : accueil personnalisé en point de vente 19/03/

18 Quelles évolutions des pratiques Marketing? 19/03/

19 L évolution des pratiques Marketing Des pratiques éprouvées Mass media / GRP / Reach Mesure transactionnelle Analyse ad hoc, Post-test Marketing découpé par temps fort (shoot, segments) Marketing affinitaire Créa unique SAS / SPSS DSI OnPremise Multi-canal / Silos De nouvelles pratiques Média ciblé ou conditionné / Programmatique Mesure transactionnelle et comportementale Machine Learning Marketing continu (triggers, clusters) Look alike modeling Créas personnalisées (Dynamic Creative Optimization) Data Management Platform DOSI / COO Saas Cross-canal / cross-device 19/03/

20 Les risques et les limites du data marketing 19/03/

21 1 er risque : la confiance aveugle 19/03/

22 Qualité de la data : le socle de toute stratégie data 1. Véracité 2. Identification / Matching cross-canal cross-device 3. Fraîcheur IBM 19/03/

23 Coût vs. valeur : volume vs. personnalisation Le data marketing est-il plus rentable? 1. La rentabilité du socle de solutions? Un enjeu de moins en moins important pour l ensemble des acteurs, étant donné le rapport qualité/prix de nombreuses solutions Media buying / CRM / ing / Personnalisation en SaaS Un sujet plus structurant si l entreprise souhaite construire un DMP au périmètre étendu à de nombreux canaux d activation en dehors du digital Media Ecosystème Cross-canal Ecosystème digital 2. La rentabilité des investissements en data? Un challenge pour les entreprises «data-poor»? Disponibilité et coût de la data (reach) Third-party data pas disponible ou vendue trop cher? Un avantage comparatif énorme pour les entreprises «datarich» qui peuvent même monétiser cette data et en faire une ligne de business additionnelle 19/03/

24 Le risque du manque de contrôle Le data marketing rend un peu plus difficile le contrôle «humain» de son périmètre de diffusion Exemple : le RTB est particulièrement sujet à des risques spécifiques Surexposition Affichage de bannières non visibles Brand safety Fraude Third-party data pas suffisamment fraîche ou qualitative 19/03/

25 L optimisation par la data : une solution sous-optimale? 'If I'd have asked my customers what they wanted, they would have told me A faster horse. Henry Ford 19/03/

26 Opérationnellement? 19/03/

27 Passer d un marketing de temps fort à un marketing continu Temps fort Hiver 2015 Temps fort Printemps 2015 Temps fort Ete 2015 Temps fort Automne /03/

28 Passer d un marketing de temps fort à un marketing continu Plan de contact 2015 CRM (Profil, statut client, historique client) Comportemental (actions sur les écosystèmes : phase intentionniste, abandonniste, ) Facteurs exogènes possibles (météo, évènements marquants, concurrence, ) Enfin, on subordonne la réflexion product/brand centric à la réflexion client Temps fort Hiver 2015 Temps fort Printemps 2015 Temps fort Ete 2015 Temps fort Automne 2015 Aboutir à un marketing orienté client et plus seulement brand/product centric 19/03/

29 Se challenger en permanence : testing, groupe de contrôle Pour chaque action marketing, différencier le volume d utilisation et l incrémental Le retargeting apporte-t-il vraiment des ventes en plus? Est-ce que les coupons de réduction ont généré des ventes incrémentales qui n auraient pas existé sinon? Mon bloc de recommandation produit accélère-t-il vraiment la conversion? Utiliser régulièrement le testing / les groupes de contrôles pour vérifier la validité d une action Le data marketing le permet! Eviter les solutions marketing boîtes noires Sinon, rentrer dans le détail des boîtes noires! 19/03/

30 Trouver le bon mix entre l algorithme vs le paramétrage humain Possibilité d intervention humaine Possibilité de laisser «jouer» l intelligence algorithmique L apport d éléments business dans le paramétrage des recommandations : 1 2 Y a-t-il des produits à ne surtout pas recommander? Y a-t-il des produits à liquider en priorité? Le choix d une «stratégie de recommandation» : quel est le but de la recommandation? Devons-nous : 3 Pousser des produits alternatifs de la même catégorie? Pousser des produits moins chers d autres catégories connexes? Ne pousser que des produits plus chers? Pousser ce que d autres ayant un profil similaire ont vu? Ont aimé? Ont acheté? Le travail algorithmique consistera à pousser les produits qui, pour une stratégie donnée, auront la plus grande probabilité de convertir : «la boîte noire» a a a a Une distinction majeure entre les différentes solutions a lieu au niveau 2 : dois-je savoir quelle stratégie est la plus performante ou dois-je laisser l algorithme décider pour moi sur la base de son expérience et son apprentissage 19/03/

31 Faire remonter et centraliser les expertises Le data marketing est un excellent sujet de rationalisation pour les entreprises ayant une taille critique Central Régions Central BU Central boîte à outils : Socle solutions Définition de triggers Relation centralisée avec les partenaires (Google, Facebook, Twitter, ) Gestion cross-canal Experts mutualisés Pays Marques Local Exceptions/adaptations pays/régions/marques 19/03/

32 Résoudre les problèmes organisationnels Historiquement Marketing Métier IT Solutions Zone de danger Machine learning Data Science Etude classique Aujourd hui : une explosion des frontières nécessitant des compétences multiples Des solutions transitoires? CDO CMDO Un sujet de Direction Générale / Comité de direction voire d actionnaires Polyvalence des dirigeants Co-construction des objectifs METIER 19/03/

33 Uniformiser la collecte multicanale Un préalable : unifier l information (CRM, Produit, ) pour mieux pouvoir l activer Lancer une démarche d activation progressive des canaux A minima sous forme de cas d usage simples Possiblement sous la forme d un DMP Stock Adcentric Campaign Management CRM (unifié?) Webanalytics Merchandising Référentiel produit (unifié?) Paiement + Comptabilité Data Management Platform Surtout démarrer petit, agir vite, mesurer le gain, itérer, itérer, itérer 19/03/

34 Uniformiser la collecte multicanale : comment choisir son DMP? Quelques problématiques à adresser? Orientation Média ou CRM? DMP/DSP? Quelle relation avec l agence média? DMP «stand-alone»? Connecteurs avec les solutions existantes? Attentes concernant la couverture fonctionnelle à terme (business case)? Personnalisation de site Personnalisation canaux /sms/print/ Intégration de données de segmentation dans les solutions back office call center / relation client? Approche «suite» (ex : Adobe), «best of breed» (ex: Ysance, IgnitionOne) ou outsourcée (ex : RadiumOne, RocketFuel) Approche technologique et/ou servicielle Qualité/quantité des données first-party? Nécessité d acheter des données 3rd party? 19/03/

35 Notre agenda de contenus autour du «Data Marketing» 3 livres blancs sur notre agenda RTB Janvier 2015 Comprendre sa complexité, connaître ses limites 2. DMP Avril 2015 Enjeux liés à la Data Management Platform Panorama des acteurs et de leur positionnement 3. Personnalisation > EBG Juin /03/