En 2008, Nike opte pour une nouvelle stratégie marketing, la « category offense » (offensive par catégorie), basée sur ses données consommateur. Plutôt que de segmenter son audience par zone géographique, la marque cible ainsi ses consommateurs en fonction des sports qu’ils pratiquent. Nike part alors de la logique qu’un joueur de basketball ou un joggeur a plus en commun avec un athlète de la même catégorie qu’avec son voisin.
Avec cette approche centrée sur les données, la marque augmente ses ventes de plus de 70 %.
Dix ans après, Nike développe son initiative « Consumer Direct Offensive » (offensive directe vers le consommateur), une stratégie marketing basée sur la démographie pour servir l’athlète personnellement, à grande échelle. Avec pour objectif « une présence locale à l’échelle internationale », Nike entend répondre toujours plus aux besoins de ses consommateurs dans 12 villes clés de 10 pays.
L’enseigne prévoit même de réaliser 80 % de sa croissance dans ces 12 villes clés d’ici 2020. Et moins de six mois plus tard, son chiffre d’affaires a déjà augmenté de 5 %. Les résultats de l’initiative « Consumer Direct Offensive » restent à voir sur le long terme, mais il est clair qu’avec son nouveau plan de croissance, Nike a déjà pris un très bon départ – et mesuré la valeur de ses données.
L’exploitation efficace des informations des consommateurs peut payer – la marque en est l’exemple même.
En tant que marque ou retailer, vous ne manquez certainement pas de données consommateur. Mais faites-vous partie des entreprises qui les exploitent, ou de celles qui les laissent au placard ? Si tous les marketeurs ont conscience de la valeur potentielle des données pour leur entreprise, très peu ont les stratégies en place pour en tirer pleinement profit.
Seuls 1,3 % des marketeurs se disent « certains » d’exploiter pleinement leurs données
Dans son récent rapport « The Data-Centric Organization 2018 » en partenariat avec la Data and Marketing Association (DMA) et l’Interactive Advertising Bureau (IAB), Winterberry Group a mené l’enquête auprès de 110 marketeurs et éditeurs. Résultat : 90,1 % d’entre eux se disent « déterminés à orienter leur entreprise vers une approche centrée sur les données ».
Seuls 1,3 % des marketeurs ont déclaré être « certains » que leur entreprise dispose de l’expertise, de l’expérience et des compétences nécessaires pour tirer pleinement profit des données. Par ailleurs, plus de 87 % d’entre eux pensent que pour optimiser l’utilisation des informations, l’analyse des données est un outil clé.
Adopter une approche centrée sur les données ne se résume pas à embaucher une équipe de data scientists. Selon le rapport, une approche « centrée sur les données » se définit par « la mesure dans laquelle une entreprise, de par sa culture et ses opérations, est disposée à mettre les données consommateurs au service de ses actions publicitaires, de marketing ou d’engagement – et d’autres grands objectifs ».
Outre l’analyse de ces données, les entreprises doivent donc aussi investir dans quatre grands piliers opérationnels : les personnes , les plateformes, les partenaires et les processus.
Lorsque la question de l’approche centrée sur les données se pose, notamment celle des ressources humaines, la plupart des entreprises blâment le manque de personnel expert en données. Pourtant, il ne suffit pas seulement de créer une équipe d’analystes.
Pour Charlie Cole, Chief Digital Officer chez Tumi, la transformation de l’entreprise d’accessoires de voyage a commencé avec les données mêmes. Et plus particulièrement en formant tous les départements (des représentants commerciaux au Directeur de la création) à « l’importance des données pour l’omnicanal ».
« N’oubliez pas que vos données sont là pour appuyer votre produit et votre marque », a déclaré M. Cole récemment au sommet « Customer Data Platform » d’AgilOne. « Si vous ne formez pas le personnel à la gestion des données, votre entreprise aura toujours des lacunes ».
Dans la pratique, les données peuvent par exemple permettre au Directeur de la création de comprendre quelles lignes de produits fonctionnent mieux que les autres, et pourquoi. Il s’agit aussi d’utiliser les données pour inciter les magasins partenaires à communiquer sur tous les canaux, et pas seulement en magasin.
Grâce aux données, l’équipe de Cole a pu reparamétrer la segmentation et la personnalisation des e-mails envoyés, ainsi que les stratégies de ciblage client de Tumi. L’entreprise a ainsi envoyé 40 millions d’e-mails en moins en 2016 que l’année précédente, augmentant par la même son chiffre d’affaires de 28,5 %. Tumi a également utilisé ses données pour améliorer le marketing en magasin, et inciter ses partenaires physiques à se concentrer sur les appels personnalisés plutôt que sur les ventes en magasins pour engager de nouveaux clients.
La première étape est donc de sensibiliser les personnes aux données. L’étape suivante se déroule en deux parties : il s’agit tout d’abord de vous équiper des bons outils, puis de les intégrer à vos systèmes existants.
Les flux de données traités chaque jour par votre entreprise pour mieux comprendre vos clients et leurs activités peuvent vite donner le vertige. Voici ci-dessous une liste non-exhaustive des sources dont proviennent vos données :
- Outil de Web Analytics
- Données clients cloud POS
- Données produits cloud POS
- Données SKU
- Réseaux sociaux
- E-mail marketing
- Mobile
- App
- Données CRM
- Entités tierces
Avec tant de données, comment être sûr d’exploiter pleinement non pas un, mais tous les flux d’informations possibles ? En utilisant les bons outils pour créer votre audience, développer l’analyse et mesurer les données, vous profitez de fonctions intégrées en toute simplicité, sans perdre de temps à les créer vous-mêmes.
Ci-dessous figurent les trois étapes qui composent le processus d’analyse, et les outils les plus communément utilisés :
1. Intégration et gestion des données
Ceci est la première étape de l’analyse des données, aussi connue sous le nom d’ETL (Extraction, Transformation et Chargement). Les données sont extraites des différentes sources, triées (dédoublées, classées et validées en fonction de vos exigences) et envoyées à la base de données ou warehouse où elles seront stockées pour être utilisées.
Ces procédés sont essentiels pour maximiser l’efficacité des étapes suivantes d’analyse et de visualisation.
Les plateformes les plus utilisées lors de l’ETL sont :
- SAS Data Management
- IBM InfoSphere Information Server (version Enterprise)
- La plateforme Powercenter d’Informatica
2. Analyse des données
Cette étape est la plus intéressante, et souvent celle ou le machine learning entre en jeu. Pour mettre les données au service de l’expérience client et des business models, il faut tout d’abord comprendre et utiliser les informations de la façon la plus stratégique et la plus prévisible possible. Il ne s’agit pas d’utiliser les données bêtement, mais bel et bien d’en déduire les conclusions qui amélioreront vos stratégies commerciales et marketing.
C’est là que l’analyse des données fait son œuvre. C’est comme ça que Nike, comme mentionné précédemment, réalise que ses meilleurs acheteurs ne partagent pas des données géographiques, mais un sport – et décide de lancer son initiative « Category Offense ».
Dans l’analyse des données, les outils les plus utilisés sont les suivants :
- Targit
- Domo
- Google Analytics
- Adobe Predictive Analytics
3. Visualisation des données
Les outils de visualisation et les outils d’analyse mentionnés ci-dessus ont de nombreuses fonctionnalités en commun. Mais les modes d’affichage sont aussi essentiels pour comprendre la signification des données – et chaque entreprise a ses propres besoins. Tableau permet par exemple de visualiser rapidement les données sous forme de graphiques. Highcharts, de son côté, propose plusieurs types de tableaux avec des courbes ou des courbes par section, des colonnes ou des diagrammes de dispersion.
Les principaux outils pour la visualisation des données sont :
- Qlik
- Tableau
- Highcharts
- Microsoft Power BI
Pour adopter une approche centrée sur les données, beaucoup d’entreprises comptent toutefois sur leur troisième piller : les partenaires.
Selon plusieurs rapports Winterberry, les marketeurs n’ont que moyennement confiance en leurs technologies de marketing existantes, et leur capacité à exploiter pleinement les données consommateur. Selon eux, un des 5 meilleurs moyens de mettre en œuvre un marketing basé sur les données reste « la collaboration étroite avec des fournisseurs de services et de technologies marketing ».
C’est le cas des entreprises qui misent sur les fonctions Criteo Engine et Criteo Shopper Graph de Criteo. Criteo Engine collecte et analyse les informations provenant de plus de 1,4 milliard de consommateurs actifs chaque mois, et de plus de 600 milliards de dollars de données transactionnelles chaque année. Shopper Graph, lui, combine trois types de données granulaires (identité, intérêt et mesure) permettant d’alimenter les solutions Criteo d’acquisition, de conversion et de réengagement des clients au sein de notre écosystème.
En misant sur Criteo, New Look, grande enseigne de prêt-à-porter britannique, a pu toucher une audience plus large et augmenter son chiffre d’affaires. Grâce à au machine learning et à sa technologie de personnalisation des recommandations de produits, Criteo a permis à New Look d’atteindre un taux d’acquisition client de 62 %.
Certaines entreprises font aussi appel à un partenaire technologique pour se conformer aux réglementations. C’est le cas notamment de la mise en vigueur du Règlement Général sur la Protection des Données (RGPD), imposant aux entreprises d’appliquer les bons processus et stratégies de gestion de données. Tout manquement à ces normes peut entraîner des sanctions financières ou, dans certains cas, avoir des conséquences néfastes sur le long terme.
La conformité au RGPD peut être chronophage et coûteuse. Comme le suggère un récent rapport de TBR, les entreprises se tournent alors vers des fournisseurs de solutions qui « comprennent les exigences régionales pour répondre à leurs besoins réglementaires ».
Les entreprises font donc de plus en plus appel à des fournisseurs tiers pour accéder aux plateformes et canaux dont elles ont besoin pour optimiser l’utilisation de leurs données. En effet, la concurrence est rude, et seules les entreprises capables d’accumuler de grands volumes de données et de les exploiter avec les bons outils pourront s’octroyer la part du lion.
Commencez par vous poser ces questions : la structure organisationnelle globale de votre entreprise permet-elle la collecte, la gestion et le partage efficace des données ? Les règles de gouvernance nécessaires sont-elles mises en place ?
Tout d’abord, il est important de souligner que « gestion » et « gouvernance » des données ne sont pas synonymes. La gouvernance est un ensemble de règles permettant de déterminer lorsque les données ont de l’intérêt pour l’entreprise : où sont-elles utilisées, dans quel cadre et surtout quel est leur degré de pertinence ?
Si chaque entreprise a sa propre structure, il existe toute de même trois étapes clés pour garantir la bonne gouvernance des données :
1. Définition
La gouvernance des données repose essentiellement sur la bonne compréhension du type et de la qualité des données. Des définitions doivent aussi être convenues et communiquées à toutes les personnes concernées. Quelles sont, par exemple, les données que votre entreprise classe comme « sensibles » et « propres » ? Si le principe est simple, il est néanmoins nécessaire, car il évite à deux personnes exerçant le même métier d’avoir deux définitions différentes pour le même terme.
Une fois ces bases établies, les personnes doivent être formées pour savoir où et comment accéder aux données.
2. Transparence, formation et suivi
La transparence, la formation et le suivi sont trois directives étroitement liées.
Tumi base sa réussite sur un personnel capable de visualiser et de comprendre les résultats générés par une approche centrée sur les données. Une fois formées, les personnes qui ont accès aux données savent comment utiliser et analyser les informations.
À l’ère où les violations de données peuvent devenir leur pire cauchemar, les entreprises doivent impérativement effectuer des suivis. Savoir exactement qui a accès aux données (et pourquoi) est essentiel pour garantir la bonne utilisation et la bonne interprétation des informations.
L’implémentation de ces trois directives en ayant à cœur les objectifs et la prospérité de l’entreprise est souvent de la responsabilité de personnes expertes, capables de mener des programmes de gouvernance des données et de créer des listes d’actions.
3. Rôles et responsabilités
La gestion des processus est l’étape la plus importante en matière de données. Sans elle, les efforts placés dans les personnes, les plateformes et les partenaires sont vains.
Les processus sont même parfois imposés par la loi. C’est le cas notamment de la mise en vigueur du Règlement Général sur la Protection des Données (RGPD), imposant aux entreprises d’appliquer les bons processus et stratégies de gestion de données. Tout manquement à ces normes peut entraîner des sanctions financières ou, dans certains cas, avoir des conséquences néfastes sur le long terme. De nombreuses entreprises ne sont toujours pas conformes aux normes imposées par le RGPD.
La nomination d’un Responsable de la protection des données est parfois imposée par la loi (c’est le cas du RGPD), et permet de garantir la gouvernance et la confidentialité des données. Mais selon la taille et l’activité des entreprises, cette nomination est bien plus qu’une question de réglementation – elle est essentielle.
Établir des rôles et des responsabilités claires de la stratégie aux opérations, c’est éliminer les risque de confusion autour des données et des processus de l’entreprise.
https://www.slideshare.net/CriteoReports/dma-iab-winterberry-group-the-data-centric-organization-february-2018
