Du Big Data au marketing opérationnel

001 011 000 011 1111 1 001 001 100 000 100 000 100 001 001 1110 110 0 001 00 1000 11001100 00110 11110011 0000 00 0001 0 0001 0000 0001 0110000 0001 0000 0001100 0 00111 10001 0000 0000 0 1 0000 0 0111000 0000 0 10011110 0011 1000 0011100 0000 0 01111 0001 0001 0000 1 0110000 0000 0001 0000001 0000110 00011110 0001 0011 0001 0001 0000 1000 0110000 1000 0111000 1000001 0000 1001 1110 0001 0 0000 0001 0011 0001 0001 0000 1000 0110000 1000 0111000 1000001 0000 1001 1110 0001 0 0000 1000 00110 0000110 1000 01100 1100001 0001 01111100 10110 1000001 01 0000 1000 0000 10001 0000 01100 0000 1000 0011100 0000 0 01111 0001 0001 0000 1 0110000 00 1000 11001100 00110 11110011 0000 00 0001 0 0001 0000 0001 0110000 0001 0000 0001100 0 00111 10001 0001 0000001 0000110 00011110 0001 0011 0001 0001 0000 1000 0110000 1000 0111000 1000001 0000 1001 1110 0001 0 0000 1000 00110 0000110 1000 01100 1100001 0001 01111100 10110 1000001 01 0000 1000 1000 0011100 0001 0000 10011001 1000 0 11111001 01101 0000 10001 11 0 01 0000 0000 0001 0 0001 0001110 0000 0001 0 01111001 0000 10 0000 1000 00110 0000110 1000 01100 1100001 0001 01111100 10110 1000001 01 0000 1000 01100110 0000 00011 01111001 0 0001 0001 0011 0000 0 0000 0000 0000 0011 0000 10001111 0000 00011 0001 0001 0000 1000 0110000 1000 0111000 1000001 0000 1001 1110 0001 0001 0000 0001100 0 00111 10001 0000 0000 0 1 0000 0 0111000 0000 0 10011110 0011 0 1000 0001 0110000 00 1000 11001100 00110 11110011 0000 00 0001 0001100 0 00111 10001 0000 0000 0 1 0000 0 0111000 0000 0 10011110 0011 0 1000 0001 0110000 00 1000 11001100 00110 11110011 0000 00 0001 0 0001 0000 0110000 0001 0000 0001100 0 00111 10001 0000 0000 0 1 0000 0 0111000 0000 0 10011110 0011 0 1000 0001 0110000 00 1000 11001100 00110 11110011 0000 00 Du Big Data au marketing opérationnel Comment le big data peut augmenter l efficacité de vos actions marketing STOCKER ANALYSER FIDÉLISER

1 Contenu Du Big Data au marketing opérationnele Introduction Le Big Data ou comment exploiter des volumes massifs de données Proposer un traitement amélioré des données clients Typologie des fournisseurs de solutions Big Data : des acteurs encore peu matures Distinguer la véritable Customer Intelligence du simple reporting La Toison d Or : le MSP intégrant la Customer Intelligence Utiliser ses données clients pour créer une relation authentique La conversion de la donnée client en Customer Intelligence, quelle valeur ajoutée? Références Au sujet d emarsys 2 3 4 5 6 6 7 9 10 10 VIENNE LONDRES MUNICH BERLIN ZURICH PARIS HONG KONG PEKIN MOSCOU ISTANBUL SINGAPOUR

Du Big Data au marketing opérationnele Introduction 2 Introduction Chaque jour, nous générons plus de 2,5 trillions d octets de données 1, par le biais de nos achats, en ligne ou off-line, par la visite de sites Internet, l utilisation des réseaux sociaux, la consultation de vidéos en ligne Pour les marketeurs, ces informations représentent un potentiel immense en matière de connaissance client, mais soulèvent également de nouvelles problématiques. Pour les responsables marketing, les enjeux résident désormais dans la façon de stocker et manier ces données, de les analyser et de les exploiter. Note à l attention du lecteur : dans ce livre blanc, nous faisons référence aux fournisseurs de services marketing (Marketing Service Providers en anglais, ou MSP). Ce terme recouvre en réalité une diversité d acteurs allant du simple fournisseur de solutions d e-mailing jusqu aux éditeurs de solutions logicielles de marketing multi-canal. Pour plus de simplicité, l acronyme MSP désignera dans la suite de ce document l ensemble des intervenants du secteur. Du Big Data au marketing opérationnel

3 Le Big Data Du Big Data au marketing opérationnele Big Data Le modèle Big Data est considéré comme la solution permettant de traiter d importantes quantités de données, issues de sources diversifiées, afin de fournir aux clients des services adaptés et personnalisés au meilleur coût. Forrester définit le Big Data comme suit : «la capacité pour une entreprise de stocker, gérer et accéder aux données dont elle a exactement besoin pour être efficace opérationnellement, prendre les bonnes décisions, réduire les risques et servir au mieux ses clients.» 2 D une entreprise à l autre, le Big Data peut donc avoir des significations et des représentations différentes, car comme le souligne Forrester, «one firm s big data is another firm s peanut.». Autrement dit, le Big Data d une entreprise peut avoir de la valeur pour elle-même et aucun potentiel pour une autre. Par conséquent, le volume des données n est pas l unique paramètre à considérer. Selon IBM, le Big Data est une combinaison de quatre dimensions, qu il est possible de désigner sous l appellation «4 V» : Volume = quantité des données Vitesse = rapidité d acquisition des données Variété = diversité des sources Véracité = pertinence des données 3 En termes de marketing, le Big Data n a de sens que dans la mesure où il est enrichi en permanence par des sources de données externes : achats sur un site de e-commerce, trafic d un site web, campagnes de marketing multi-canal. Le Big Data est ainsi, nécessairement, «interconnecté». Jusqu à présent, le Big Data était resté l apanage des grandes entreprises, qui seules pouvaient assumer son coût et ses exigences technologiques. Désormais, certains fournisseurs proposent des solutions Big Data partagées, rendant cette technologie accessible à de plus petits acteurs. Ceux-ci peuvent, à leur tour, relever ces nouveaux défis marketing liés à la donnée client, et en tirer de nombreux bénéfices. Ainsi, en exploitant leurs données dans une approche Big Data, les marketeurs peuvent désormais appliquer des méthodes d informatique décisionnelle (Business Intelligence) à leurs données clients, pour générer une «donnée client exploitable», ou Customer Intelligence. Car le Saint Graal de tout marketeur est d obtenir la BONNE donnée client au BON moment. Le tout dans un seul but : mettre en œuvre les actions appropriées pour améliorer en continu la relation client, augmenter le taux de fidélisation et accroître le retour sur investissement (ROI).

Du Big Data au marketing opérationnele Des données clients 4 Proposer un traitement amélioré des données clients Pour obtenir des données clients exploitables, le MSP doit répondre à deux pré-requis fondamentaux : être en mesure de recueillir et stocker physiquement les données ; être en mesure d analyser et de convertir ces données en renseignements exploitables. Migrer les ensembles de données vers un modèle Big Data ne constitue donc que la première étape vers une information exploitable. Une fois les données stockées dans un environnement capable de les traiter, le défi est de savoir les analyser et d en tirer des informations utiles. Pour les marketeurs, cela nécessite au préalable d avoir une vision claire des objectifs poursuivis. De là se pose ensuite la question de la transition des données brutes vers les données clients exploitables : quels sont les leviers à mettre en œuvre pour atteindre les objectifs définis? Les problématiques les plus couramment rencontrées par les marketeurs concernant leurs données sont 4 : Comment partager les données au sein de l entreprise (51 %)? Comment utiliser les données pour personnaliser efficacement les messages (45 %)? Comment relier les données aux clients individuels (43 %)?) Comment obtenir des données en temps réel, afin que la prise de décisions ne repose pas sur des données obsolètes (39 %)? Les spécialistes de l e-mailing ont un accès privilégié aux données des clients finaux, mais méconnaissent parfois les objectifs de leurs clients. Par conséquent, les MSP ont un rôle prépondérant à jouer dans l exploitation de ces données, notamment pour aider les marketeurs à tirer le meilleur parti des informations dont ils disposent. Alors que les exigences évoluent au fur et à mesure que les données sont générées, les MSP doivent permettre aux marketeurs d analyser et de segmenter en flux tendu, pour tester rapidement les concepts et ainsi améliorer les processus à la volée. Le MSP joue ainsi pleinement son rôle de conseil auprès du distributeur, et l aide à exploiter sa connaissance approfondie du client pour raccourcir le cycle de «time-to-market». Ceci requiert des outils et méthodologies d analyse prêts à l emploi et directement intégrés aux plateformes de données. Du Big Data au marketing opérationnel

5 De solutions Big Data Du Big Data au marketing opérationnele Typologie des fournisseurs de solutions Big Data : des acteurs encore peu matures Pour s adapter à une évolution vers le Big Data, les fournisseurs de service marketing ont revu leurs modes de travail à différents niveaux. Objectifs : apporter des réponses claires aux marketeurs et générer de l information client utile. Les acteurs de l automatisation marketing Ces derniers ont commencé à élargir leur offre afin d exploiter leurs systèmes d informatique décisionnelle. Ils sont toutefois freinés par la relative simplicité de leurs offres d e-mailing. Ainsi, quelques acteurs de l automatisation marketing ont formé des partenariats avec des MSP spécialistes de l e-mailing et ont tenté de tirer profit de leurs forces respectives afin de : proposer des prix d appels intéressants, proposer leurs services aux petites et moyennes entreprises. Les spécialistes ou Pure players Marketing Ils proposent en général une solution de Business Intelligence intégrée «sur site», centrée sur l analyse et la gestion des campagnes marketing. Toutefois, ces installations : sont très onéreuses, requièrent des analystes spécialisés pour identifier les données exploitables, sont très longues à mettre en œuvre, nécessitent des investissements technologiques importants et une forte mobilisation des ressources de la direction informatique. Les intégrateurs Certains MSP ont choisi d intégrer leur solution directement sur les plateformes de e-commerce, récupérant ainsi directement les données (de navigation, de comportement d achat, etc.) sur leur propre plateforme. C est le cas notamment des intégrateurs de logiciels intermédiaires, qui exploitent leurs compétences pour mettre en relation e-commerçants et plateformes des MSP. Les MSP intégrant la Customer Intelligence Certains MSP ont fait l effort d intégrer véritablement la donnée client dans leurs offres de produits. Il ne s agit plus d un simple ajustement marginal du reporting, mais d importants investissements en termes d infrastructures dédiées et de systèmes de gestion de bases de données. D autres ont préféré fusionner complètement avec un éditeur de Business Intelligence dans le but de proposer en propre une solution intégrée (il s agit alors d une intégration verticale). Toutefois, ce choix peut se révéler compliqué, car il est souvent difficile de fusionner deux produits matures pour reconstituer une expérience utilisateur naturelle. La logique sous-jacente est de marketer les deux technologies ayant fait leurs preuves sous une marque unique. Les imposteurs Dans certains cas, les MSP n ont pas encore saisi l importance et la portée d un reporting basé sur la donnée client. Dans ce cas, ils «fanfaronnent» en utilisant les mots et concepts à la mode, alors qu ils sont le plus souvent incapables de fournir d autres services que des rapports traditionnels, basés sur les taux de clics et d ouvertures, et une segmentation pré-formatée des données. Les marketeurs doivent donc se montrer vigilants face à des prestataires marketing aux lacunes flagrantes sur ces sujets de Customer Intelligence, tant en termes de compréhension que d infrastructures et de solutions logicielles adaptées. Les MSP doivent pouvoir fournir un argumentaire clair et convaincant. Le Big Data est une approche encore récente pour les MSP, et la plupart des acteurs doivent encore relever le challenge. Aujourd hui, le minimum attendu d un MSP est : fiabilité + capacité d envoi + délivrabilité. La prochaine étape ou le prochain défi des MSP est d intégrer la pertinence, tant dans l analyse que dans le contenu.

Du Big Data au marketing opérationnele La Toison d Or 6 Distinguer la véritable Customer Intelligence du simple reporting Dans un contexte où chacun profite des effets de mode pour s emparer des nouveaux concepts et les faire siens, comment démasquer les MSP «imposteurs», trier le bon grain de l ivraie? C est-à-dire distinguer la véritable Customer Intelligence du reporting traditionnel? Quels sont les véritables différenciateurs de la Customer Intelligence? La capacité à stocker une quantité illimitée de données dans un modèle Big Data sans ralentissement ni saturation. La facilité à intégrer des sources de données externes (l interconnectivité précédemment évoquée). La possibilité d automatiser l intégration sur une plateforme «tout-en-un». Le fait d avoir des objectifs prédéfinis, un suivi de leur réalisation et une analyse intégrés. La possibilité d avoir une segmentation et une analyse par cycle de vie, préconfigurées et «prêtes à l emploi». La possibilité de paramétrer des rapports avancés, de choisir des options personnalisées. Une restitution des données sous forme visuelle, enrichie et dynamique, pour rendre les données «plus parlantes». Choisir le bon prestataire MSP est fondamental pour valoriser votre potentiel marketing. Véritable partenaire, il doit vous simplifier l utilisation de vos données clients et vous donner envie d exploiter tout le potentiel de vos bases de données! La Toison d Or : le MSP intégrant la Customer Intelligence Avantage majeur à choisir un MSP intégrant la donnée clients : la ressource principale, le «cerveau», n est alors pas affectée à la gestion de la base de données, mais directement à l interaction avec le client final, grâce à l adaptation du contenu du message. En outre, en stockant les données pour le compte de ses clients marketeurs, le MSP leur épargne les lourds investissements normalement nécessaires à la Customer Intelligence. Le MSP ouvre de ce fait le Big Data et sa puissance d analyse à de plus petites entreprises. Un MSP intégré : possède les bons outils (infrastructures et logiciels) permettant d exploiter les données, dispose des bonnes compétences, et capitalise sur son expérience pour exploiter au mieux vos données clients. Le marchand n est donc pas livré à lui-même face à une infinité de combinaisons pour utiliser ses données : il a accès à l ensemble des outils, tableaux de bord et analyses pré-configurés, ainsi qu à des statistiques issues de toutes les expériences du prestataire, lui servant à la fois de référence et de base de comparaison. En dépit de la spécificité de chaque entreprise, le MSP peut en effet identifier des problématiques business clé, et faire bénéficier ses clients de l expertise ainsi acquise : il y a ainsi mutualisation des expériences et des moyens, et donc des économies d échelles générées pour le distributeur. Au-delà des campagnes marketing, le MSP peut alors accompagner efficacement ses clients sur les étapes suivantes. Le distributeur donne accès au MSP à ses propres données : par exemple, les achats effectués sur le site de e-commerce suite à l action d e-mailing ; et, en retour, se voit proposer une liste d actions à mettre en œuvre. Il peut alors se concentrer sur le marketing, et non plus sur les statistiques. Le choix d un MSP intégrant la Customer Intelligence est donc nécessairement un choix gagnant. Du Big Data au marketing opérationnel

7 Une relation authentique Du Big Data au marketing opérationnele Utiliser ses données clients pour créer une relation authentique L objectif des rapports «clés en main» fournis par le MSP est de : donner immédiatement un sens aux données dont vous disposez, pour vous permettre de segmenter très simplement vos clients, afin de leur adresser le contenu le plus approprié et le plus pertinent selon le segment d acheteurs considérés, le tout en temps quasi réel. Cette dernière étape pourra être réalisée automatiquement grâce à un outil marketing adapté et automatisé. Avant l émergence du Big Data, les marketeurs devaient souvent choisir entre la rapidité d action et la pertinence du contenu du message. Conséquence : l automatisation de la création de contenus, permettant de raccourcir le cycle d action marketing, s est en général faite au détriment de la pertinence des messages. Si le «one-to-many» s est largement imposé en lieu et place du traditionnel «one-to-all», cette approche marketing repose encore sur l envoi de messages peu adaptés à une base de contacts grossièrement segmentée. Or moins le message est personnalisé, plus il est ignoré par l utilisateur Cette approche s avère donc d une efficacité limitée, et le marché attend désormais un contenu plus approprié en flux quasi tendu. Mais le marketing «one-to-one» est-il vraiment une réalité? Oui, il est dorénavant possible d intégrer des campagnes avec des règles de recommandation dans les moteurs d e-mailing. Il est aussi possible de recommander un produit à un client, à partir d une simple visite de celui-ci sur le site Internet. Toutefois, le marketing «one-to-one» ne doit pas être réduit à la simple vente croisée et aux recommandations de produits : tout distributeur doit désormais l utiliser pour créer une relation personnalisée avec ses clients. Les contacts doivent être traités différemment en fonction de qui ils sont, et en fonction de l objectif poursuivi avec ce client. Il n est pas envisageable d adresser le même message, proposant les mêmes recommandations, à un prospect «chaud», à un «petit dépensier actif» ou à un «acheteur Platinum en phase de défection». Le marketing «one-to-one» offre tellement plus de possibilités! Cependant, si le marketing «one-to-one» constitue le Saint Graal de tout commerçant, son coût et l énergie nécessaire à sa mise en œuvre peuvent être prohibitifs à court terme. Le marketing «one-to-few» représente dès lors une alternative pragmatique, plus simple et plus rapide à mettre en œuvre. L approche «one-to-few» peut être considérée comme l équilibre idéal entre : la taille du groupe de clients adressés, et la pertinence du contenu. Et permettant : une mise en œuvre rapide, et une automatisation plus simple. Afin de générer des informations exploitables dans un modèle «one-to-few», les données doivent être simplifiées via une segmentation appropriée, utilisant une analyse connue telle que celle du cycle de vie client.

Du Big Data au marketing opérationnele Une relation authentique 8 7000 6000 PLATINUM 5000 4000 SILVER 3000 2000 NORMAL 1000 0 LOW SPENDERS Leads First-time Active Defecting Inactive Customer Figure 1: Les objectifs marketing selon le cycle de vie client dans l e-commerce La notion de cycle de vie client est parfois galvaudée. En un mot, il s agit d identifier la phase dans laquelle se trouve le client dans sa relation avec le vendeur, puis d effectuer une segmentation croisée avec son profil de dépenses, afin de déterminer l approche à adopter (fréquence des messages, types de contenus, contacts multi-canaux). Le client peut donc passer par différentes «phases» : prospect, primo-acheteur, acheteur actif, acheteur inactif. Le profil de dépenses peut correspondre à : peu dépensier, dépensier normal, dépensier actif. Le contenu du message est alors conçu pour s adapter aux différents comportements clients afin d atteindre l objectif marketing en fonction du cycle de vie client (cf. figure 1). Par exemple : transformer les prospects en nouveaux acheteurs, fidéliser les acheteurs actifs ou récupérer les acheteurs inactifs. Cette segmentation comportementale peut être obtenue en utilisant les méthodes marketing existantes. Pour les entreprises B to C : le modèle RFM (Récence ou date de la dernière commande, Fréquence des commandes, Montant de la dernière commande ou sur une période), qui peut être amélioré pour prendre en compte les dernières actions : dernière visite, dernier clic, etc. Du Big Data au marketing opérationnel

9 Valeur ajoutée Du Big Data au marketing opérationnele Pour les entreprises B to B : la méthode BANT, permettant de qualifier des prospects commerciaux en prenant en compte : le budget investi sur ce prospect (Budget), le pouvoir de décision ou d influence de ce contact (Authority), le besoin réellement identifié (Need), le délai accordé pour réaliser l investissement (Timeframe). Un MSP intégrant la Customer Intelligence fournit donc des outils pour «faire parler» les données. De plus, son expérience de leur utilisation lui permet d optimiser les résultats marketing. La solution idéale consiste donc à mettre en adéquation parfaite les capacités marketing et les ressources de l entreprise. Cet équilibre nécessite d avoir suffisamment de segments clients pour ne pas être dans une approche «one-to-many», sans toutefois sur-segmenter la base de données, ce qui rendrait l envoi de contenu personnalisé irréalisable. Au final, le MSP qui vous convient est celui qui : vous permet de convertir simplement votre base de données en données clients exploitable, afin de pouvoir automatiser vos actions marketing. Et ce, sans entraîner de coût élevé lié : au stockage des données, ni à l apprentissage de cette nouvelle approche Big Data. La conversion de la donnée client en Customer Intelligence, quelle valeur ajoutée? Ne perdons pas de vue que l objectif premier de tout marchand est le retour sur investissement. Comment optimiser l investissement des actions d e-mailing? Le coût «brut» par message est relativement faible, mais en fin de compte, ce n est pas le message que le distributeur achète, mais la patience du destinataire, c est-à-dire sa capacité à recevoir un nombre limité de messages ultérieurs. En effet, après un certain nombre d envois, le client destinataire ne tient plus compte du contenu. Il s agit alors pour le distributeur de construire une relation de confiance avec ses clients. Le responsable marketing doit donc évaluer avec précision : Quel type de contenu fonctionne et déclenche une réaction adaptée du client? À quel moment ce message doit-il être envoyé? Envoyer le BON message au BON moment, voici le pré-requis d une relation durable avec le destinataire. En effet, moins le contenu est pertinent, moins le distributeur peut envoyer de messages, car le risque de rendre le destinataire hostile devient trop important. Inversement, plus le contenu est pertinent, plus le distributeur peut procéder à des envois réguliers, augmentant ainsi la probabilité de conversion. Attention toutefois à bien calibrer la fréquence des envois : tout destinataire a ses limites, et même si le message est pertinent, trop c est trop. En conclusion, la Customer Intelligence est au cœur de la solution : considérer le client dans sa globalité et améliorer la pertinence des messages permettent au final d augmenter le retour sur investissement des actions de e-marketing.

Du Big Data au marketing opérationnele About emarsys 10 Références 1 Intégration du Big Data dans l entreprise http://www-01.ibm.com/software/data/bigdata/ 2 Ouvrez de nouveau horizon avec le Big Data http://www.forrester.com/expand+your+digital+horizon+with+big+data/fulltext/-/e-res60751?intcmp=blog:forrlink 3 Intégration du Big Data dans l entreprise http://www-01.ibm.com/software/data/bigdata/ 4 Les marketeurs s efforcent d associer les données numériques à l image du «Big Data» : http://www.emarketer.com/article.aspx?id=1008909&r=1008909 Emarketer, d après le Center on Global Brand Leadership de l école de commerce de Columbia chargé de mener une enquête auprès de 253 responsables du marketing de grandes entreprises Au sujet d emarsys Emarys est l un des principaux fournisseurs mondiaux de solutions d automatisation marketing pour l email, le mobile et les réseaux sociaux, envoyant chaque année plus de 50 milliards d emails pour le compte de plus de 1 000 clients comme ebay, Volvo, Garmin, A.S. Watson, Zurich et TimeOut. Notre solution à la pointe du marché est conçue pour répondre aux besoins complexes de nos clients, leur fournissant tout ce dont ils ont besoin pour piloter avec succès leur marketing multicanal et augmenter leur ROI grâce à la solution d automatisation marketing pour l email, le mobile et les réseaux sociaux la plus intuitive, associée à notre expertise inégalée en délivrabilité. Notre réseau d agences régionales dans le monde entier permet d assurer la satisfaction et le succès pour nos clients locaux, et permet de prendre en compte les spécificités des différentes régions pour notre base de clients internationale. Du Big Data au marketing opérationnel

Contactez-nous Pour plus d information, vous pouvez nous contacter directement ou vous rendre sur notre site www.emarsys.com pour en savoir plus sur nos autres localisations. emarsys France 67 rue Anatole France 92300 Levallois Perret Téléphone: +33 (0) 177680222 Fax: +33 (0) 177680220 Email: france@emarsys.com www.facebook.com/emarsys www.twitter.com/emarsys_france www.linkedin.com/company/emarsys 1000 0011100 0000 0 01111 0001 0001 0000 1 0110000 00 1000 11001100 00110 11110011 0000 00 0001 0 0001 0000 0001 0110000 0001 0000 0001100 0 00111 10001 0001 0 0 0000 0 0001 0001 0 0 0001 1000 0001 0 0 0 0 0 0 1000 0110001 1000 0111 1000 0000 1001 1110 0 0 0001 1000 0 0000 1000 0110 1100 0 emarsys Monde Vienne Londres Munich Berlin Zurich Paris Hong Kong Pékin Moscou Istanbul Singapour Pour rester informer des meilleures pratiques en terme d email marketing, inscrivez-vous à notre Newsletter sur www.emarsys.com VIENNE by emarsys LONDRES Enterprise MUNICH E-Mail BERLIN Marketing ZURICH Solutions PARIS & Services HONG KONG PEKIN MOSCOU ISTANBUL SINGAPOUR