Cet article est le dernier de la série portant sur la transformation marketing et se focalise sur les technologies qui peuvent soutenir votre transformation marketing par les données. Les applications visées sont les suivantes:
- La mesure de la performance des activités marketing
- La génération d’insights sur les clients et les consommateurs;
- L’ utilisation de ces insights:
- pour acquérir de nouveaux clients et prospects
- pour augmenter la valeur des clients actuels
- pour retenir les clients à haute valeur
- La personnalisation de l’expérience client
Tout.e marketeur.euse a besoin d’une vue à 360° de ses clients pour développer et exécuter une stratégie efficace. L’obtention d’une telle vue d’ensemble passe par la création d’un profil marketing du client (en anglais, Marketing Customer Information File ou MCIF) qui contient une liste d’attributs pertinents pour soutenir les applications énumérées plus haut.
Créer une vue à 360° du consommateur n’est pas une idée née hier. Ce procédé existe depuis plus d’une vingtaine d’années par l’intermédiaire des data marts marketing qui sous-tendent les campagnes marketing des organisations.La croissance du numérique et l’accessibilité grandissante des plateformes infonuagiques ont permis d’accélérer ce type de projets (par l’unification des données). Les données de multiples sources (existant généralement en silos) doivent être identifiées, extraites, entreposées et analysées pour obtenir cette vue à 360°. Elles sont ensuite activées pour générer de la valeur pour l’organisation.
Dans le monde des affaires actuel, pour pouvoir compétitionner dans l’écosystème numérique, un vendeur de solutions technologiques doit fournir une plateforme et non un produit (logiciel). La plateforme se différencie du produit en cela qu’elle permet de construire des services, des fonctionnalités et des applications autour d’elle, tandis qu’un produit ne livre généralement qu’un seul service (application). Les plateformes se caractérisent par un catalogue d’API qui permettent d’échanger des données avec d’autres systèmes ou de construire des services ou applications au-dessus des données en question (il existe des API pour l’importation, l’exportation, l’activation, la configuration, l’utilisation). En réalité, tous les géants du web ont commencé par des produits et, au fil du temps, les ont transformés en plateformes. À titre d’exemple, une liste (non exhaustive) de vendeurs qui ont effectué cette transition: Google Cloud Platform, Google Marketing Platform, Amazon Web Services, Azure (Microsoft), Adobe, Facebook, etc.
Une des propriétés-clés d’une plateforme de données est sa facilité à s’intégrer dans votre écosystème actuel. Les technologies infonuagiques ont grandement facilité ce type d’intégration.
Selon Scott Brinker (chiefmartec.com), on estime à plus de 7 000 le nombre de vendeurs de technologies Martech dans le marché actuel. Pour mieux comprendre le rôle de ces technologies, il faut suivre le cycle de vie de la donnée. Ce dernier est composé de plusieurs phases:
- La collecte ou l’ingestion
- L’entreposage
- L’analyse
- L’activation ou l’utilisation
Chacune de ces phases est soutenue par différents types de technologies. Il est clair qu’un seul fournisseur peut rarement couvrir tous les besoins marketing d’une organisation. La réalité est que beaucoup d’organisations ont des solutions infonuagiques multiples (combinaison de plusieurs plateformes Cloud ou Martech). Il est possible, par exemple, de combiner Adobe et Google, Azure et Google, Salesforce et Google, etc. La notion de best-of-breed guide souvent les décisions en ce qui concerne les choix technologiques.
Le tableau ci-dessous est un sommaire des types de technologies soutenant le cycle de vie de la donnée:
La collecte et l’ingestion des données
La collecte et l’ingestion des données débutent la chaîne de valeur. Cette étape est soutenue par un plan de mesure (tracking) qui est aligné avec les objectifs d’affaires de l’organisation. Les éléments-clés à recueillir sont identifiés.
Il existe deux modes d’ingestion des données: la technique du streaming et celle du batch uploads. Le streaming est généralement lié à la collecte d’événements en temps réel, tandis que la technique des batch uploads consiste à télécharger des fichiers (CSV, JSON, PARQUET, TXT) dans les plateformes d’entreposage à une fréquence prédéterminée (heure, jour, semaine, mois).
Quelques plateformes à retenir pour cette phase:
- Google Tag Manager (GTM) et Adobe Launch, qui gèrent des tags de collecte d’événements web et mobile (focalisation sur le marketing et l’analytique numérique);
- Google Cloud Pub/Sub, Azure Event Hubs, Confluent Kafka, Amazon Kinesis Data Streams, qui sont beaucoup plus proches du streaming d’événements traditionnels (analytique opérationnel et IoT);
- Supermetrics et Fivetran, pour l’intégration des données publicitaires et marketing dans les plateformes d’entreposage;
- Google Dataflow et Datafusion, Azure Data Factory et AWS Glue, qui permettent d’extraire, de transformer et de télécharger (ETL) les données vers des répertoires centraux.
L’entreposage des données
L’entreposage des différentes données internes et externes est nécessaire à des fins d’unification. Généralement, des clés d’unification sont requises pour construire le profil marketing du client. En termes d’entreposage de données, il existe plusieurs types d’architectures, les plus populaires étant les entrepôts de données, les lacs de données et les data lakehouses, qui sont un hybride entre un entrepôt et un lac de données. Les lacs de données sont composés de données non structurées (images, vidéos, etc.), l’entrepôt de données est composé de données structurées et semi-structurées (transactions, profil client, etc.) et les data lakehouses peuvent gérer les deux types de données.
Les entrepôts de données (data cloud) les plus populaires sont:
- Google BigQuery, un produit de Google;
- Snowflake, une plateforme qui peut s’installer sur Azure, AWS et Google Cloud;
- Amazon Redshift sur AWS;
- Azure Synapse Analytics de Microsoft.
L’analyse des données
Cette phase est critique pour pouvoir transformer les données en intelligence d’affaires (insights). Les principales tâches de cette section visent à identifier les clients de valeur, leurs comportements, leurs attributs sociodémographiques, et leurs besoins et attitudes vis-à-vis de la marque. L’objectif final est de produire un profil 360° du client, comparable au profil marketing du client. Ces profils se matérialisent en audiences numériques qui sont ensuite envoyées dans les plateformes publicitaires, de marketing par courriel et de personnalisation. L’analytique avancée (prédictive et prescriptive) est aussi utilisée pour prédire des événements tels que la probabilité qu’un prospect devienne client ou qu’un client actuel achète à nouveau.
Quelques outils et langages populaires pour l’analyse de données:
- SQL
- Python
- R
- Google BigQuery ML
- Mode
L’activation des données
La génération de valeur ne peut pas être complétée sans l’activation des données. Les principales applications des données ont été énumérées au début de l’article.
Voici quelques technologies soutenant l’activation des données:
- Visualisation: Tableau, Power BI, Google Data Studio
- Plateformes publicitaires: Google Ads, Display and Video 360, Facebook Ads, Linkedin Ads
- Plateformes de marketing par courriel: Salesforce Marketing Cloud, MailChimp, Adobe Campaign, Klaviyo
- Plateformes d’expérimentation et de personnalisation: Adobe Target, Google Optimize, Optimizely
Les Customer Data Platforms (CDP)
Les Customer Data Platforms sont à la mode depuis quelques années. Elles sont présentées par beaucoup de vendeurs comme une solution à tous vos problèmes d’unification de données visant à créer une vue à 360° du client (surtout avec la disparition des cookies tiers). Certains vendeurs vont jusqu’à faire miroiter que cet outil pourrait jouer le rôle d’entrepôt ou de lac de données. En toute franchise, les CDP ne sont pas des entrepôts de données et ne peuvent pas remplacer un entrepôt de données marketing. Se lancer dans une initiative de CDP sans stratégie de données est une opération risquée. Comme toutes les technologies, elles requièrent des compétences spécifiques, une stratégie bien définie et des processus aguerris. N’hésitez pas à contacter l’équipe d’Adviso pour en savoir plus à ce sujet.
GA4 et Google Bigquery: de nouvelles opportunités
En mettant gratuitement à la disposition des marketeurs les données granulaires comportementales de GA4 (site web et application mobile) par l’intermédiaire de sa plateforme infonuagique BigQuery (avant GA4, il fallait dépenser 150 000 USD pour avoir accès à ces données), Google se positionne comme un accélérateur de la transformation marketing par les données. Ainsi, beaucoup plus d’organisations peuvent maintenant unifier leurs données numériques avec des données primaires internes telles que les données issues du CRM, du catalogue de produits, des centres d’appel, du feedback client, etc.Cette stratégie permet à Google de se placer comme un incontournable dans la construction d’une vue à 360° du client, indispensable pour une transformation numérique réussie.
J’espère que vous avez apprécié cette série d’articles. Si vous vous demandez par où commencer pour accélérer la construction d’une vue à 360° de vos clients, n’hésitez pas à nous contacter.
