Catégories
Conférence DATA DataMarketing

Data Marketing (1) définitions

Cet article se base sur un support de présentation du Data Marketing donnée à plusieurs occasions depuis septembre 2019 par Caroline GOUBAUD, fondatrice de Polydata.

Offre Data Marketing : Polydata propose un accompagnement sur vos projets Data Marketing

Introduction au Data Marketing

Le data marketing ou l’expertise mathématiques appliquées aux enjeux marketing de l’entreprise

Beaucoup de termes peuvent être portés par le Data Marketing, autant techniques, et liés à l’expertise data, que stratégiques avec l’approche marketing.

L’outil et le Besoin : « Pas de Data sans Besoin ».

On entend parfois certaines entreprises déclarer qu’elles souhaitent faire de la « Data ». Mais sans question précise, sans besoin, quelle utilité de se lancer dans un projet data ?

La « Data » est un outil qui va répondre à des questions stratégiques que se pose l’entreprise et la suite de l’article permettra de détailler les besoins marketing et les outils data en général et en particulier au travers d’exemples opérationnels et pratiques inspirés de projets réalisés.

Le besoin Marketing

En fonction des enjeux économique et de la maturité de l’entreprise les stratégies peuvent être centrés produits et / ou client.

Après avoir assuré sa production et maîtrisé le CA des ventes, la question du client arrive souvent. L’entreprise connait et pilote son CA par produit mais qu’en est-il du CA par client, la valeur client ?

Comment passer d’une analyse « produit » silotée à une vision client 360 ?

Data-Driven Marketing

Placer le client au cœur de sa stratégie sous-entend de se poser les bonnes questions.

Stratégie Marketing

Enrichir la connaissance du client et travailler la gestion de la relation client permet d’intervenir sur les grandes problématiques marketing :

L’expertise Data Science

Un métier support

Toute analyse de données partira d’un besoin client et l’expertise métier interne.

La data science va confirmer ou infirmer des intuitions ou encore améliorer un process déjà construit par des experts.

Exemple : vente d’un produit via un mailing papier promotionnel

Résultats réels mesurés suite à l’envoi d’un mailing papier à 3 cibles décrites ci-dessous.

Aléatoire : un envoi de mailing à tous les clients, sans critères de sélection, ne rapportera que 0,1% de taux de retour

Expert produit  : Un mailing envoyé à des clients ciblés avec le bon message et le bon moment recommandé par les experts produits =>  0,8% de taux de retour

Data Science : réglages supplémentaires pour optimiser (cible, moment, canal…) => 1% de taux de retour

L’expertise métier est l’outil le plus puissant, un chef de produit connait ses clients et ses produits et va pouvoir créer une campagne promotionnelle qui multiplier par 8 le résultat.   

Ensuite, intervient la Data Science, qui va optimiser, « tunner », ce savoir-faire et améliorer la rentabilité de la campagne promotionnelle de 25%, sans commune mesure avec le gain de l’expertise métier mais qui reste largement rentable pour l’entreprise.

La connaissance Client / Produit : un travail itératif

Avant de commencer tout analyse de données, un 1er pas est indispensable et malheureusement souvent difficile à accepter : la création d’une base de données qui va concentrer toute la connaissance client et produit.

Une donnée « existante » ne veut pas dire « exploitable » pour une analyse.

Des données de production sont bien sur disponibles car il faut assurer la commande client, mais ces données sont-elles analysables par client ? Cette base de données, utile pour assurer l’activité au jour le jour, est-elle directement exploitable pour accroitre sa connaissance et construire une stratégie relationnelle client ?

Créer une base de données centrée client peut être long et coûteux. Il est parfois difficile de se lancer et de calculer la rentabilité de ce travail car il s’agit d’une rentabilité sur du long terme.

Ce projet de data management, nécessite l’expertise décisionnelle qui va gérer les bases de données et leur alimentation.

Ces 2 expertises (data science et décisionnelle) sont complémentaires et forment un binôme rassurant pour les experts métiers : ils garantissent que les données présentées dans des tableaux de bords ou analyses sont fiables et maintiennent l’équilibre et la fiabilité de la base de données au quotidien.

Une fois les données organisées et exploitables il est temps de s’attaquer à la connaissance et la construction de celle-ci se fait pas à pas.

Chaque pas apporte de la connaissance supplémentaire, de façon structurée, pour faciliter sa digestion et surtout s’assurer que celle-ci est utile et amène à une action qui sert l’entreprise.


Lire la suite, partie 2 : Le projet Data Marketing


Offre Data Marketing : Polydata propose un accompagnement sur vos projets Data Marketing