Paroles d'experts

Le Big Data Marketing vu par KXEN

Publié le 3 avril 2013

Comment développer la qualité des données Big Data ?

Le big data est incontournable. Quels en sont les enjeux ? Comment l’utiliser au mieux en marketing ? Quel sera son avenir et son impact sur nos métiers ? Interview de Julien Sauvage, Responsable du Marketing Produit WW KXEN

Le big data est incontournable. Quels en sont les enjeux ? Comment l’utiliser au mieux en marketing ? Quel sera son avenir et son impact sur nos métiers ? Réponses en exclusivité par Julien Sauvage, Responsable du Marketing Produit WW KXEN.

Quel exemple donneriez-vous pour illustrer l’importance clé du Big Data ?

Le Big Data Marketing vu par nos experts

J'ai un job dans la com', par Serge-Henri Saint-Michel

Quand on voit le nombre d’articles, de communiqués de presse, de blogs, de conférences en ligne, de rapports d’analystes, de tweets, et surtout de points de vue – souvent contradictoires – exprimés sur le Big Data, je pense que cela génère deux sentiments : celui de l’énormité du phénomène, mais aussi une relative méfiance… Car on peut se dire que c’est d’abord un phénomène de mode.

Je pense que la meilleure façon de prouver l’importance du Big Data c’est par les chiffres… Tout d’abord les chiffres relatifs à la taille du marché Big Data (estimée à 16,9 milliards de dollars en 2015, contre 3,2 milliards en 2010), à sa croissance (plus de 40% par an en moyenne), ainsi qu’à l’adoption des technologies Big Data (26% des sociétés de plus d’un milliard d’euros de chiffre d’affaires travaillent actuellement sur des projets Big Data).

Mais au-delà de ces métriques un peu générales que l’on trouve dans les rapports d’analystes, c’est dans d’autres chiffres que se ressent l’importance du Big Data… Je pense notamment aux volumes de données que nos clients analysent tous les jours. Aujourd’hui certains clients du secteur online analysent les données provenant de dizaines voire de centaines de millions de pages Internet vues quotidiennement. Nos clients Telecom, eux, analysent les tickets d’appels de leurs abonnés, ce qui représente plusieurs milliards d’évènements mensuels ! Avant les technologies de stockage Big Data, ces données n’étaient simplement pas enregistrées, ou pas disponibles – et avant les solutions d’analyse de Big Data, il n’était pas simplement envisageable de les analyser…

Enfin, ce qui rend pour moi l’analyse du Big Data encore plus tangible, ce sont les chiffres obtenus en matière de ROI. Je pense en particulier à l’analyse prédictive, que nous proposons chez KXEN. Avec cette technologie, les sociétés peuvent analyser leurs données client afin de prévoir des comportements individuels, par exemple pour savoir à l’avance qui risque de résilier son contrat de téléphonie mobile, qui va acheter un produit bancaire, qui va adopter un service auprès d’une assurance, voire même à quel endroit un internaute va cliquer sur un site Web… Appliquées au Big Data, les technologies prédictives permettent d’analyser toutes les informations disponibles pour chaque client, quelle qu’en soit la provenance (centre d’appel, web, CRM, etc…). Ceci permet de personnaliser la relation client pour tous les canaux d’interaction – et c’est bien cela qui génère de la valeur ! Quelques exemples chiffrés de ROI provenant de l’analyse du Big Data :

Skyrock.com – en analysant plus d’un milliard de pages visitées chaque mois, et plus de 10 To de données mensuelles, Skyrock a pu doubler le nombre de demande d’amis sur son site Internet, et leur taux d’acceptation – atteignant aujourd’hui plus de 600.000 nouveaux liens d’amitié par jour.
Allociné – a augmenté son nombre de pages vues de plus de 9% au travers de 600 millions de recommandations de film, fournies par la technologie KXEN.
Allegro, le second site d’enchères au monde après eBay, délivre plus de 80 Millions de recommandations produits par jour, ce qui a amélioré les taux de clics de plus de 500%.

Ces résultats n’auraient simplement pas été atteints sans l’analyse du Big Data !

Quels sont les enjeux de la maîtrise des données structurées et non structurées ?

Julien Sauvage, Responsable du Marketing Produit WW KXEN

Bonne question ! Pour obtenir les résultats que je viens d’évoquer, il faut analyser l’ensemble des données client disponibles. Ce qui inclut des données textuelles, de type non structuré. Ces données proviennent d’enregistrements des appels vocaux au service client, d’emails ou de blogs, ou encore de sites de réseaux sociaux, comme l’exemple Skyrock… Un des enjeux est donc la capacité des outils Big Data à analyser ces données client non structurées de manière efficace et native. En la matière, KXEN propose un module d’analyse textuelle qui vient s’interfacer avec nos technologies prédictives, et permet d’intégrer des informations textuelles dans l’analyse prédictive du Big Data.

Encore une fois, ce qui est important dans l’analyse du Big Data, c’est de ne pas se fixer d’a priori, et d’ « écouter » l’ensemble des données… C’est seulement en laissant les données parler d’elles-mêmes que l’analyste peut découvrir des « pépites » en matière de connaissance client. Je vous donne un exemple. Qu’est ce qui explique le fait qu’un client va résilier son abonnement téléphonique – quels en sont les signes avant-coureurs ? Est-ce parce qu’il appelle le service client tous les jours, parce qu’il exprime son mécontentement sur Twitter, ou parce que son entourage a récemment changé d’opérateur ? Un peu de tout ça ? Vous ne savez pas. Un opérateur non plus ! Il n’y a pas moyen de savoir à l’avance, à moins de prendre en compte tous ces facteurs, en analysant toutes les données, structurées et non structurées, disponibles. L’enjeu est donc énorme, puisque réellement c’est celui de l’optimisation de la relation client !

…Et ceux de l’interconnexion des données à l’intérieur de l’entreprise ?

Je pense qu’il est dur de donner une réponse globale, et que cela dépend d’abord de la culture et de la structure de chaque société… Et aussi de la façon dont la donnée est perçue de manière générale, du niveau de maturité de l’organisation en terme de bonnes pratiques CRM, de la disponibilité des données au travers des différents services, des législations en vigueur dans chaque pays ou zone géographique…

Ce que je peux dire, toutefois, c’est que la plupart des projets Big Data que j’ai vus déployés ou auxquels j’ai moi-même participé, ont souvent généré des changements salutaires en termes d’organisation et de partage de l’information au sein de l’entreprise – bien sûr dans le sens d’une mutualisation des objectifs et des ressources. Les équipes IT et business devant travailler main dans la main pour que le projet Big Data puisse être un succès. Mais pour l’instant, c’est dur de généraliser – et à cet égard les différents retours d’expérience que l’on va observer ces deux prochaines années vont être très intéressants !

En matière de Big Data, l’arbre de la technologie ne cache-t-il pas la forêt des problématiques marketing ?

Je ne crois pas. Disons que cela dépend de la vision de chaque entreprise pour son projet Big Data… L’intérêt doit d’abord être business. L’objectif doit être d’optimiser les interactions avec les clients, ou de réduire un taux d’attrition, d’améliorer les taux de conversions, de diminuer les cas de fraude, ce genre de choses… Ce qui va pouvoir être fait au travers du Big Data. Mais pas l’inverse ; dit autrement, la donnée et la technologie doivent à mon sens rester au service des problématiques business.

Et ce n’est qu’en analysant intelligemment les données issues du Big Data que l’on pourra répondre à toutes ces problématiques marketing, qui restent très dures à optimiser sans des technologies avancées comme l’analyse prédictive.

Quel impact le Big Data aura-t-il sur le métier de marketeur ?

Un impact énorme ! Je pense d’ailleurs qu’on commence déjà à le voir, cet impact… Le marketeur doit à tout moment prendre des « décisions » sur les interactions que son entreprise a avec ses clients : quel campagne lancer, quand, sur quel segment client, sur quel groupe cible, sur quel canal, etc. ? Jusqu’à présent, il répondait souvent à toutes ces questions en utilisant sa propre expérience, et des outils logiciels soit basiques, soit trop durs à utiliser.

Comme je l’ai expliqué, l’analyse prédictive permet au marketeur d’appuyer ses décisions sur des prédictions du comportement client. Effectuées sur des données Big Data, ces prévisions seront plus précises, plus fiables. Le métier du marketeur sera facilité, et il pourra se concentrer sur la création et l’optimisation de nouvelles offres.

Tout cela comporte cependant un point crucial que je ne veux pas oublier ici : l’IT. Son rôle est central. Il est garant de la qualité et du stockage du Big Data. Et parfois doit analyser les données lui-même… ce qui peut poser un problème de « bande passante » pour le marketeur. Que faire si l’IT n’a pas le temps d’analyser les données qui permettraient au marketeur d’optimiser une campagne qu’il doit lancer dans une semaine ? Dans un monde parfait, l’IT gère la partie infrastructurelle du Big Data, mais la partie d’analyse doit être faisable par tous, le marketeur inclus. C’est dans cet esprit que les solutions KXEN ont été conçues : elles peuvent être utilisées par les spécialistes de l’IT, tout comme par les marketeurs.

Enfin, qu’apportera l’open data en matière de business models, de création d’entreprise et de services, mais aussi de création de valeur ?

Je reste pour l’instant sceptique quant à la valeur de l’information qui sera disponible en données ouvertes. Si une entreprise veut analyser et prévoir les comportements de ses clients, la donnée utile concernera d’abord les comportements passés de chaque client (nombre de pages vues la semaine dernière, de transactions bancaires effectuées, d’appels effectués chaque mois par chaque client…) – et ces données restent la propriété privée de chaque entreprise. Je doute qu’on mette ce genre d’information sensible dans un système Open Data. Non seulement j’en doute, mais j’espère bien que non…

Je pense que les données privées du Big Data sont une mine d’or pour chaque entreprise voulant optimiser ses ROI marketing, et que ces prochaines années nos data scientists, analystes et marketeurs auront bien assez à faire avec !