Pratiques et processus

Big Data : comment nourrir la personnalisation d’une relation client ?

Publié le 26 avril 2013

Comment développer la qualité des données Big Data ?

Accumuler des données ne sert à rien si on ne sait pas leur accorder du sens. Que faire de toutes ces données et comment les intégrer de façon intelligente à l’organisation de son entreprise pour personnaliser la relation avec chaque client ?

Depuis l’éclosion des réseaux sociaux, des terminaux mobiles, et de toutes les nouvelles modalités d’interaction qui ne cessent d’augmenter, les relations entre une marque et ses clients ont beaucoup évolué et vont encore se transformer ces prochains mois. Il n’est plus question « des » clients, mais d’ « un » client pour lequel nous adaptons une offre. Pour les e-commerçants, le big data est donc une nouvelle étape dans la connaissance client et une façon de nourrir la personnalisation de cette relation.

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

Ces informations doivent pouvoir donner du sens aux actions marketing et permettre aux sites de s’adapter aux exigences des internautes qui utilisent plusieurs supports quotidiennement.

Le « big data » si populaire ces dernières semaines ou l’accumulation en masse de données utilisateurs (Comportementales et/ou transactionnelles) est loin d’être une nouveauté et ne simplifie pas le marketing de la relation client.

La sélection des bonnes données

Pour déployer de façon pertinente la stratégie d’une marque, il faut faire un tour d’horizon des données accessibles et exploitables en interne et en externe puis désigner celles qui s’avèreront les plus judicieuses. Ce tri est impératif pour pouvoir intégrer et unifier les données qui proviennent de sources hétérogènes dans un DataMart. Une très grande quantité de données ne constitue pas une garantie d’une information de qualité, bien au contraire…

La construction de modèles prédictifs

In fine, l’objectif est de capitaliser sur l’historique client et de dégager des modèles prédictifs en incorporant ces informations. L’analyse des données nous permet de ne plus segmenter nos clients de manière rigide et de ne plus raisonner seulement avec des moyennes et des segments. Nous avons la possibilité à présent d’exploiter les données dont on dispose pour un client en les mettant toutes au même niveau afin d’établir des profils de clients totalement nouveaux. Un data analyst détermine des algorithmes afin de dégager des opportunités à fort retour sur investissement pour les marques et dégager des modèles de marketing synchronisé client.

La pertinence d’un marketing synchronisé en temps réel ?

Brice Ohayon, CEO de Webpopulation

Mais toutes ces stratégies de marketing synchronisé posent la question d’une offre en temps réel. Devons-nous impérativement penser l’avènement du big data dans une logique en temps réel ? C’est sans doute là tout le débat de la personnalisation d’une relation client.

Oui, le marketing synchronisé en temps réel apparait comme une solution reine puisqu’elle permet une adaptabilité précise de l’offre au client.

Mais, attention cependant à ne pas le mettre en œuvre inutilement, car l’expérience peut se révéler très lourde et très couteuse.

Sur certains supports et/ou canaux, n’avons-nous donc pas intérêt à définir des modèles prédictifs à moyen terme, plus « classiques », plus cycliques, et de les réajuster dans un second temps après avoir réellement analyser leurs effets côté marge ? Ou tout simplement une fois de plus à laisser l’internaute en décider.

Le rôle de l’agence conseil prend alors tout son sens dans la mise en œuvre d’une telle stratégie. Et pas forcément là où on l’attend le plus, même si la technologie peux réaliser nos plus grands rêves, il faut savoir mettre en œuvre le bon mélange qui permet de rester sur des modèles économiquement viables et pragmatiques.

Auteur : Brice Ohayon, CEO de Webpopulation