Le Big Data au service de vos actions Marketing
Le Big Data est un gisement d’opportunités qu’il est désormais impossible d’ignorer. Toutefois, rendre data-driven une entreprise et modifier son architecture technique relève de grandes transformations à la fois SI et métier. C’est pourquoi les entreprises doivent d’abord établir des cas d’usages dont le retour sur investissement sera le plus rapide possible – communément appelés chez les anglophones des low hanging fruits – pour ensuite convaincre en interne des bénéfices du Big Data. Aujourd’hui, chez Openvalue nous remarquons que la majorité des cas d’usages Big Data actuels concernent le Marketing. Nous vous proposons donc un panorama des use cases actuels qui allient les 4 V du Big Data aux 4 P du Mix Marketing.
Vision client 360°
S’il n’y avait qu’un seul cas d’usage à retenir, cela serait celui de la vision client 360°. En effet, la mise en place d’une architecture Big Data au sein d’une entreprise permet d’analyser l’ensemble des données d’un client : CRM, échanges e-mails, appels téléphoniques (technologies de Speech to Text), conversations par tchat, ouverture et clicks des emailings, utilisation du site internet, … A partir de ces données internes, il est déjà possible de mieux segmenter sa base client pour effectuer des actions marketing plus intelligentes et plus performantes (personnalisation des messages et des offres, retargeting, plan de fidélisation, micro-segmentation, etc).
Pour obtenir une vision client 360° vraiment totale, il est ensuite nécessaire d’inclure des données clients externes à l’entreprise. Le Big Data offre cette possibilité via l’agrégation et l’analyse des données externes et non-structurées (textes, images, vidéo) telles que celles issues des réseaux sociaux. Il est par exemple possible d’enrichir sa base de données en incluant les messages twitter adressés à son service client ou encore d’analyser l’e-reputation de sa marque sur les réseaux sociaux et le web (sentiment analysis).
L’analyse des données Big Data offre une vision globale de chacun de ses clients mais également une vision plus éclairée du marché, des tendances et des besoins.
Harmonisation des canaux de ventes et de communication
Souvenez-vous, il y a quelques années les enseignes cherchaient à tout prix à isoler leur site e-commerce de leurs points de vente physique craignant un phénomène de cannibalisation. Ainsi, les actions marketing dédiées à la boutique en ligne et celles des boutiques physiques étaient différentes. Heureusement, les entreprises ont désormais compris les enjeux de l’omni-canal et doivent unifier leurs canaux de ventes et de communication pour harmoniser le parcours client.
C’est dans cette logique d’harmonisation que le Parc Astérix a décloisonné ses données issues de l’historique de navigation de son site, des transactions de la billetterie en ligne, de la billetterie physique du parc, de sa plate-forme d’avis, des bornes d’entrées et sorties du parc et de l’historique des actions marketing et des jeux-concours Facebook. Suite à cette unification de données, le Parc Astérix a rendu plus cohérent son parcours client en optimisant le workflow vente en ligne suite à un achat et a développé un nouveau programme relationnel de revisite et d’entretien de la relation client. Le retour sur investissement de ces nouveaux programmes relationnels fut très rapide et c’est pourquoi le parc d’attraction cherche aujourd’hui à inclure davantage de données omni-canal : boutiques et restaurant du parc, utilisateurs du portail wifi, sites et magasins revendeurs de billets, application mobile et joueurs mobinautes, jeux-concours sur bornes du parc, devis et commandes, appels d’offres marché enfance et séminaires, …
Scoring de prospects et actions temps réels
Les stratégies d’inbound marketing permettent d’attirer de nombreux prospects sur son site. Cependant, comment savoir quels sont ceux véritablement intéressés ? Les données Big Data et les technologies de Machine Learning répondent à cette question. En effet, en définissant un algorithme de scoring, la probabilité d’achat d’un prospect sera évaluée en fonction des pages visitées sur le site, des recherches effectuées ou encore du contenu regardé (vidéos, articles, téléchargement d’un libre blanc). De plus, l’apprentissage automatique introduit par le Machine Learning permet d’identifier rapidement les prospects à fort potentiel via la corrélation de leurs données avec celles de personnes au profil similaire et qui sont devenus clients.
L’autre enjeu d’un système de lead scoring est de pouvoir analyser les données lorsqu’elles sont encore chaudes (temps réel) et de ne pas attendre qu’elle se refroidisse (traitement asynchrone à J+1) pour effectuer une action marketing. Une architecture Big Data couplée au framework Spark offre une forte puissance de calcul capable d’analyser des flux en temps réel et d’y assimiler des actions via un moteur de règles. Parmi les actions de Marketing Automation réalisables, on peut citer :
L’envoi d’un mailing personnalisé lorsqu’un client n’a pas finalisé son panier d’achat
La recommandation de produits (up-selling ou cross-selling) avant la finalisation du panier d’achat
La prise de contact par tchat d’un conseiller en direct
La prise de contact et l’envoi de contenus personnalisés suite au téléchargement d’un livre blanc
Etc…
Réduction du churn
Terme couramment utilisé par les opérateurs téléphoniques, le churn ou taux d’attrition est le pourcentage de clients perdus pour une période donnée. Grâce au Big Data, T-Mobile a réduit ce taux de 50% en seulement un trimestre !
Pour réaliser cet exploit, l’opérateur mobile américain a d’abord réalisé une analyse 360° de ses clients. La conclusion fut que leurs clients fonctionnent sur le modèle de la « tribu ». En effet, si l’un des clients quitte T-Mobile, un effet domino est possible et les contacts de son réseau sont susceptibles d’également changer d’opérateur. L’identification des clients influenceurs fut alors une des premières actions engagée par T-Mobile.
En parallèle, d’autres programmes furent instaurés :
Analyse des données des appels : T-Mobile récolte de nombreuses données sur la durée des appels, leur fréquence et leurs destinataires. Si de plus en plus d’appels et de SMS vont vers d’autres opérateurs cela peut indiquer que les proches du client changent d’opérateur, résultant à une plus forte probabilité que le client change aussi de fournisseur.
Etude de la qualité des appels : lorsqu’un client déménage et que les données montrent que sa zone de couverture mobile est limitée, une alerte est transmise à T-Mobile pour qu’un télé-opérateur lui propose un meilleur téléphone ou lui offre une femtocell gratuite.
Sentiment Analysis ou Opinion Mining : évoquée dans notre second paragraphe sur la vision client 360°, le Sentiment Analysis est l’analyse des sentiments à partir des verbatims présentes à travers le web. Généralement collectées sur les réseaux sociaux, ces messages reflètent la réputation d’une marque ou d’une personnalité et permettent de prédire le succès d’un produit avant son lancement. Pour T-Mobile, cette analyse les a aidé à mieux déterminer les causes de résiliations et d’établir des actions pro-actives auprès de ses clients.
En seulement trois mois, T-Mobile est passé de 100.000 clients perdus par trimestre à 50.000 ! Aujourd’hui encore, l’opérateur concentre ses efforts sur la valorisation de ses clients les plus influents et sur l’amélioration de la qualité de son service à partir des retours clients.
Comment développer le Big Data au sein de mon entreprise ?
Openvalue vous accompagne dans l’identification et la réalisation de cas d’usages Big Data à l’impact bénéfique fort pour votre organisation. Pour que nos experts en Data Science révèlent tout le potentiel de vos données, contactez-nous afin d’organiser une rencontre durant laquelle nous échangerons sur vos opportunités Big Data.