Vous avez des data et pourtant vous connaissez mal vos clients ?

Les data disponibles sur les clients sont aujourd’hui pléthoriques dans les entreprises, et pourtant, nombreuses sont les directions marketing qui avouent ne pas bien connaitre leurs clients. Comment expliquer ce paradoxe ?

Même si ce n’est pas encore le cas pour toutes les entreprises, les données transactionnelles sont globalement bien stockées et gérées. Exhaustives, elles permettent de tracer la relation commerciale des clients avec l’entreprise. Mais ces données ne suffisent pas à bien connaitre les clients. Le comportement digital – visites sur le site, inscriptions aux newsletters, clics, ouvertures, paniers abandonnés.. – apporte un éclairage nouveau et permet le déclenchement plus rapide d’actions marketing. Ces données sont encore trop souvent stockées à part, sans véritable lien avec les données transactionnelles. On parle de données en silos. Cette situation est fréquente dans les réseaux de boutiques qui ont aussi un site de vente par  internet, par exemple.

De multiples sources de données viennent compléter ce socle. Comme les données de relation client (les plate-formes d’appels), les réclamations, le SAV, la logistique (délais de livraison, retours, incidents…). Et au-delà, toutes les interactions issues des réseaux sociaux.

Toutes ces données sont dans votre entreprise, mais souvent dans des environnements qui ne communiquent pas, ou mal, entre eux.

Enfin, les bases de données comportent peu d’informations sur la situation personnelle du client : famille, CSP, niveau de revenus, âge… Elles peuvent pourtant être estimées avec pertinence grâce l’open data, autre source de données.

Au-delà du phénomène des données « silotées », même lorsque l’entreprise a construit un RCU – référentiel client unique – ou une CDP – Customer Data Platform – reste la question de comment transformer les data, données brutes, en informations révélatrices de différents aspects du comportement client.

Une ligne de transaction, qui comporte une date, une référence produit et un montant, ne nous dit pas grand chose sur le client. Ce n’est que croisée avec d’autres données qu’elle devient intéressante. L’ensemble des dates de transaction enregistrées nous informera sur la fréquence d’achat et la fidélité du client, ainsi que sur les moments privilégiés d’interactions (saisonnalité).  L’analyse des remises ou des dates d’achat, encore, nous dira s’il est sensible aux opérations promo ou aux soldes.

Au-delà de ces exemples, somme toute classiques, il y a d’autres astuces pour enrichir la connaissance client. Par exemple, définir de nouvelles classifications produits plus informatives que les familles produits, liées à la logistique. Catégoriser un ustensile de cuisine peut révéler deux comportements très différents, selon qu’il s’agit d’un gadget ou d’un ustensile de base. Les messages de sollicitation représentent aussi une mine d’informations très peu exploitée. Dans le domaine du fundraising, les messages d’appels à don peuvent jouer sur la fibre militante, rationnelle ou émotionnelle du donateur. Autant de bribes d’informations qui contribuent à mieux cerner les motivations du donateur et à affiner la relation que l’association tisse avec lui.

La connaissance client nécessite donc le recours à ce qu’on peut qualifier d’intelligence  data marketing, qui croise, interprète, requalifie toutes les données disponibles. De là vient sans doute la frustration des directions marketing, qui ont certes des données mais manquent de connaissance.

Loin de se résumer à une question technique, la vision client unique, doit se traduire par des centaines d’informations descriptives du comportement client. C’est à cette condition qu’on peut utilement mettre en oeuvre des algorithmes de machine learning, qui synthétiseront cette myriade d’informations en éléments activables : scores d’appétence, risque d’attrition, appétences produits, potentiel d’upsell, etc.

En tant que prestataire Data Marketing Services, nous avons développé une méthodologie unique qui permet, à moindres coûts et en quelques semaines, de :

Vous avez ainsi, très rapidement, tous les éléments pour, par exemple, décider de mettre en place une CDP, travailler sur l’identification de personae et de parcours clients, ou encore revoir votre segmentation client, déployer des modèles prédictifs…