header article

Data éthique et connaissance client : quelles opportunités ?

Data éthique et connaissance client : quelles opportunités ?

L’obligation d’appliquer les règles liées à la protection des données, jumelée avec la réticence et à la défiance de la part des consommateurs a permis aux entreprises de prendre conscience de l’enjeu de la data éthique et de changer de posture. L’impact étant non négligeable sur le business.

Les entreprises vont donc être obligées d’être plus transparentes. Et ainsi, convaincre l’internaute de leur laisser stocker ses habitudes de navigation. Plus généralement de laisser les consommateurs utiliser leurs données.

Au-delà d’être en conformité et de recréer un lien de confiance, l’application de ces règles permet de recueillir des données pertinentes pour enrichir sa connaissance client. Finalement, ce qui est perçu comme une contrainte, peut devenir un levier business si cela est bien géré et correctement exploité.

Il est donc encore et toujours possible de travailler sa connaissance client et même de faire de la data éthique un réel levier de business.

Moins de data, ce sont des données de meilleure qualité. C’est aussi, grâce aux nouvelles technologies, plus de Machine Learning pour élaborer des segmentations avancées. Mais aussi, concevoir des modèles prédictifs, créer des look alike pour optimiser ses campagnes.

De l’exploration des données dans un but précis à la nécessité d’identifier des initiatives valorisables

Disposer d’un volume de données moins important impose de travailler différemment. C’est-à-dire, avec une approche data driven et raisonnée, portée par le Top Management.

  • Fixer des objectifs au niveau du Comex :

Dans un premier temps, il est nécessaire de définir et communiquer les enjeux autour de la Data et de son éthique par le Top Management. La déclinaison de ce programme doit être accompagnée par le Management. Des instances de gouvernance transverses doivent être mises en place.

  • Aligner les initiatives avec la stratégie data et ses déclinaisons

Les Directions Métier doivent choisir des uses cases en adéquation avec les objectifs fixés de l’entreprise. C’est-à-dire, sélectionner les plus pertinents (valorisation, industrialisation, mesurable, disponibilité des données).

En complément, une cartographie des données disponibles nécessaires doit être réalisée. De plus, un plan de complétude, d’uniformisation et de mise en qualité doit être lancé si nécessaire.

  • Créer un environnement qui facilite l’ancrage de ces comportements

Il est indispensable de déployer un écosystème data souple, fluide et partagé. Comme mettre en place une approche projet agile et itérative qui doit permettre de s’adapter en fonction de l’avancée des projets initiés (données disponibles suffisamment représentatives ? industrialisation possible ?). L’expérimentation doit également créer l’adhésion et faciliter l’intégration des données dans les pratiques du quotidien.

De même, il est important de sensibiliser les collaborateurs sur l’importance et l’utilisation de la data. Comme, développer la confiance par la qualité.

Zéro et First party data : le nouveau graal des directions marketing

Dans ce contexte, les entreprises doivent se repositionner et revoir leurs priorités en matière de recueil et d’exploitation des données. 

C’est en se focalisant sur les Zéro et First Party Data que l’on peut plus facilement recueillir en créant ce sentiment de confiance. Notamment à travers la bonne application de la réglementation.

schéma data

Avec la first-party data, on peut créer des campagnes en n’utilisant que ce que nous avons pu collecter sur l’utilisateur. Ces données sont aussi intéressantes pour comprendre quel comportement le client a pu adopter dans le passé et extrapoler l’avenir.

Pour autant, il est encore plus pertinent de savoir quels seront les comportements futurs, en disposant de données qui permettent de se projeter. Pour cela, il faut mettre en place une stratégie de recueil des données « zéro-party data ». La zéro-party data peut être la clé pour non seulement comprendre les comportements passés, mais également les intentions futures.

Dans l’un de ces derniers rapports, Forrester a annoncé que les zéro-party data allaient peser encore plus lourd avec les restrictions des navigateurs.

Les data recueillies via l’application de RGPD pour renforcer sa vision client 360°

Grâce aux données CRM et les données recueillies via l’application de RGPD, il est possible d’influer sur sa stratégie marketing et apporter une plus forte valeur.

Ce qui devrait inciter les entreprises à encourager les visiteurs de leurs sites web à personnaliser leurs préférences. Et compte tenu de la marge de progression significative, en transformant le langage juridique en discours d’adhésion, il est possible d’améliorer largement le taux de personnalisation lors des visites.

application RGPD

Source : Witik

Tout cela est possible en intégrant un Preference Center avec son CRM. C’est s’assurer que les informations soient correctement transmises à tous les systèmes.

Le CRM ainsi enrichi, nous pouvons à la fois disposer d’une vision 360° du client. Ainsi, nous avons une vue d’ensemble des autorisations, des consentements et des préférences.

préférences client

À l’aide d’algorithmes d’apprentissage avec des données affinées (consentement), il est possible d’avoir un aperçu des intérêts de chaque individu. On peut ainsi leur fournir les informations qu’ils souhaitent recevoir.

Cela peut permettre de segmenter davantage les clients et de cibler votre communication en fonction d’intérêts spécifiques. Ainsi, cela évite d’envoyer une campagne d’emailing moins personnalisée. Et cela tout en étant en conformité avec le RGPD.

Les nouvelles technologies d’IA et de machine learning pour aller plus loin

intelligence artificielle

Une connaissance client enrichie :

Avec les données dont nous disposons, on peut être tout à fait capable de travailler sa segmentation et ses profilings. C’est-à-dire, identifier des niches avec des besoins spécifiques, des marchés matures pour trouver de nouveaux clients, délivrer des messages marketing plus ciblés et plus efficaces.

Ou encore de concevoir les clusters clients ou personae qui permettent de démultiplier les types de profils et ainsi de mieux s’adapter. Cette représentation semi-fictive doit permettre de décider sur lesquels investir et d’adapter sa stratégie de communication, y compris en temps réel.

Enrichis par l’IA, les scorings deviennent prédictifs ou prescriptifs et permettent d’aller plus loin dans la constitution des scores d’appétence, d’attrition, de prédiction, de churn. Ceci afin de mesurer l’impact d’une décision, chercher à déterminer la meilleure solution ou le meilleur résultat entre diverses options.

Réaliser des analyses et des prédictions à une échelle plus fine est aussi un avantage concurrentiel. Cela permet la détection de micro-signaux et de réaliser un pilotage au plus proche de la réalité. Que ce soit pour discerner la valeur d’un produit par un client, ou détecter, prévoir et façonner les parcours en optimisant différents axes.

Un exemple : il est possible d’optimiser les remises en fonction des comportements. On peut les adapter en temps réel sur les sites e-commerce. Ceci, afin de déclencher les actes d’achat en fonction de l’objectif sous-jacent (marge, volume, déstockage) et du profil du client. Cela pourra être possible également demain dans les réseaux de magasins.

Des solutions de contournement pour valoriser son activation marketing client :

Google Privacy Sandbox : le ciblage par cohortes permet un ciblage collectif des utilisateurs ayant le même historique de navigation et des intérêts similaires. Mais ne faisant pas l’unanimité, Google réfléchit à un nouveau concept : « Topics ». Ce dernier est basé sur des centres d’intérêt définis en fonction de l’historique de navigation. Plusieurs initiatives sont encore aujourd’hui en cours d’expérimentation. Mais, une solution définitive n’est pas encore validée.

Avec les nouvelles technologies d’IA et de Machine Learning, il est également possible de concevoir des ciblages contextuels. C’est-à-dire, associer une publicité à une page de site Web par exemple, en fonction du contenu de cette page. L’accent étant mis sur le contenu qui est consommé, et non sur la personne qui le consomme. Cette approche repose sur l’analyse des contenus et des contextes. Comme le ciblage par rubrique, par mot clef ou en fonction d’une analyse sémantique des pages visitées (analyse du contexte de la page permettant d’associer des insights socio-démographiques), analyse des images. D’un point de vue opérationnel, à l’heure « cookieless », le ciblage contextuel peut palier le ciblage comportemental et l’audience planning utilisant des cookies tiers.

On peut également adapter son e-mail targeting. Le Machine Learning grâce à l’analyse en temps réel des performances des campagnes et selon le contexte de diffusion permet d’améliorer sa créativité et d’adapter facilement et rapidement ces ciblages, et faciliter l’engagement. 

En réagissant à cet article, vous nous permettez d'affiner les contenus que nous publions ici !

  • Awesome (1)
  • Interesting (0)
  • Useful (0)
  • Boring (0)
  • Sucks (0)

Si cet article vous a plu, n’hésitez pas à le partager via