Data et expérience client : Pourquoi ?


Une question récurrente revient sans cesse dans mes échanges avec les directions générales : « j’ai plein de data ! Y-a-t-il un intérêt économique ? Pourquoi dites-vous que la data et l’expérience client interagissent-elles ? je fais comment ?»

par Romuald CETKOVIC

Quelques mots sur la Data

Reprenons une des définitions disponibles sur le web : « La data est un terme anglais utilisé dans le secteur des télécommunications pour qualifier les données qui peuvent circuler par un réseau téléphonique ou un réseau informatique, y compris les données vocales »

En fait, tous les types de données sont utilisables, que ce soient les données personnelles, financières, de géolocalisation, d’interactions avec le service client, d’usage…

Le plus difficile va être de savoir ce que vous cherchez et pourquoi vous le cherchez (ce que vous allez en faire).


La data pour personnaliser son expérience client

La première utilisation des datas au service de l’expérience client est dans un but de personnalisation et d’adaptation des communications/offres/services.
Aujourd’hui les consommateurs sont volatiles et exigent du « sur-mesure », avec des produits uniques et personnalisés à leurs besoins, personnalités et usages.

Les offres commerciales et les communications doivent donc être parfaitement adaptées afin de ne pas solliciter le client inutilement et pouvoir lui proposer des expériences uniques.
C’est la data récoltées sur l’ensemble des canaux et bases de données qui va enrichir les marques de la connaissance sur vos traits de personnalités, usages ou habitudes.

C’est cette connaissance intime du client qui va permettre à la marque de lui proposer une expérience qui correspond exactement à ses attentes.


La data pour les displays, le real-time marketing et le native advertising

Les displays, c’est du marketing en temps réel qui se base sur des algorithmes nombreux et enrichis par les données personnelles de chacun d’entre nous. Les annonces display sont utilisées dans les business model de Twitter, Google, Facebook et beaucoup d’autres sites web.
Par exemple, si vous vous connectez sur un site marchand pour un achat, celui-ci va aller s’alimenter en données auprès des réseaux sociaux, des sites partenaires, de votre historique de navigation (etc…) pour mieux comprendre ce qui vous recherchez et pour vous proposer des articles similaires. Le display est depuis longtemps personnalisé en fonction des données de navigation et surtout de Google AdWords. L’objectif est d’analyser de nombreuses variables pour promouvoir une annonce auprès des internautes les plus aptes à cliquer sur celle-ci.

Le real-time marketing fonctionne sur ce même principe et représente, comme son nom l’indique, l’ensemble des pratiques et actions marketing qui peuvent être déployées en temps réel. La data lui permet d’être plus contextualisé, plus pertinent et avec un potentiel accru.

Pour le native advertising (publicité native ou publicité intégrée), reprenons la définition wikipedia :
« C’est un type de publicité, principalement en ligne, qui s'harmonise avec un contenu éditorial classique sur lequel elle apparaît. Dans de nombreux cas, elle se manifeste comme un article ou une vidéo, produit par un annonceur avec l'intention spécifique de promouvoir un produit, tout en respectant la mise en forme et le style spécifiques du support.
Le mot « natif » fait référence à cette cohérence de contenu, à contrario d'autres médias externes, telle la publicité apparaissant sous forme de bannière publicitaire. Cette intégration et cette ressemblance avec les contenus éditoriaux permet à la publicité native d'éviter le banner blindness et rend plus difficile son blocage par un logiciel antipub. Néanmoins elle se confond parfois avec les contenus classiques du site support et soulève des questions relatives à la transparence et à la déontologie. « 

Toutes ces techniques n’ont qu’un seul objectif : Maximaliser l’impact des campagnes de communication, de l’expérience et des ventes pour le coût le plus faible possible grâce à la data.


La data pour la prédictivité

L’utilisation des datas pour l’analyse prédictive consiste à définir des modèles qui ont pour vocation de prévoir et anticiper les comportements des clients ou prospects.
La capacité à proposer des offres sur mesure au moment précis où le besoin naît permet d’améliorer l’expérience client, qu’il s’agisse de favoriser le cross et l’up-selling ou simplement de prédire une désaffection à la marque.
Par exemple chez Nespresso, la marque est capable de prédire si vous risquez d’acheter votre café ailleurs en fonction de la data qu’elle collecte sur vos achats et usages et donc de mettre en place des actions de fidélisation avant même que vous ayez pensé à acheter à la concurrence !


Romuald CETKOVIC

Retour