consommateur s’apparente à une liste de données qu’il s’agit de savoir capter et traiter pour devancer et répondre à ses attentes tout humanisant les process. Petit zoom sur le data marketing.

 

 

1. Un peu d’histoire sur le Data Marketing

 

Identifié comme une cible qu’il faut connaître, le consommateur est depuis longtemps au cœur des préoccupations des marqueteurs. C’est néanmoins dans l’Amérique de l’après-guerre que les milieux économiques comprennent en premier la valeur de la donnée. Il s’agit de tout savoir de la « ménagère de 50 ans » ou de tout autre segment de la population pour proposer des produits adaptés et générer l’acte d’achat. C’est le temps des enquêtes et les marques vont dés lors établir des fichiers clients qu’elles vont s’efforcer d’enrichir par tous les moyens.

Les Nouvelles Technologies de l’Information et de la Communication (NTIC) vont décupler la potentialité des banques de données. Dés 1997 l’expression « Big Data » fait son apparition dans la bibliothèque numérique de l’ACM (Association For Computing Machinery). L’arrivée du Web dans les foyers au cours des années 90, la généralisation des outils mobiles de connexions et l’explosion du e-commerce dans les années 2000 vont conférer à cette quête une toute autre dimension. Chaque jours des millions de clients potentiels se connectent et surfent sur la toile de site en site. Les marqueteurs y ont rapidement vu l’opportunité de tout connaître de leurs cibles ! Les programmateurs ou les développeurs s’attèlent à la tache pour fournir des outils informatiques capables de capter, d’analyser et de classer toutes les données laissées par les internautes et mobinautes sur la toile. Depuis 2010 s’appuyant sur le développement exponentiel de l’intelligence artificielle et du machine Learning, le big data est une réalité. Sa concrétisation a de facto donné naissance à une forme nouvelle de marketing, le data marketing ou l’utilisation des données désormais numériques à des fins commerciales.

 

2. Le data marketing comment ca marche

 

2.1 Définition

 

Le data marketing aussi appelé data-driven marketing désigne la branche du marketing qui s’appuie sur l’utilisation des données consommateurs. Il utilise le plus finement possible les données de ses cibles récupérées sur le Web et les réseaux sociaux pour transformer ces prospects en clients et améliorer la relation avec ceux-ci (CRM). Le data marketing s’appuie pour ce faire sur des plateformes de gestion de données : les plateformes big data sont conçues pour capter, archiver, gérer et utiliser les données. A l’ère digitale, le data marketing s’impose aux entreprises au même rythme que la digitalisation progresse dans tous les pans de l’économie, c’est à dire à marche forcée! Concrètement ce marketing engendré pour et par la digitalisation permet aux entreprises d’adapter le message à la cible et de le délivrer au bon moment! Les marques qui entendent vivre et se développer sur la toile comme dans le monde physique ne peuvent aujourd’hui faire abstraction d’une solution big data et d’une stratégie leur permettant d’extraire des données acquises « la substantifique moelle » de leur campagne marketing. Plus qu’une nouvelle branche du secteur, le data marketing s’impose progressivement comme le marketing 2.0. La révolution numérique appliquée au marketing.

 

2.2 Utilisation et enjeu

 

Précieuse et même vitale pour les entreprises, la donnée est au cœur de toutes les préoccupations. Si les plateformes big data ont techniquement répondu au besoin de collecte de la donnée son archivage et son utilisation nécessitent des outils technologiques et une stratégie : le data fabric et le data mining. Une phase de transformation de l’essai dans laquelle les enjeux et les défis pour obtenir l’avantage concurrentiel recherché demeurent important :

  • La collecte : parce qu’elle est capable de ratisser très large votre Data Management Platform doit apprendre la qualité. Il s’agit de faire le tri entre la donnée déchet car sans intérêt et celle qui une fois valoriser fera la différence.
  • Créer et nourrir un écosystème : au sein de l’entreprise la donnée doit nourrir une chaîne opérationnelle réactive capable de la traiter et d’agir en conséquence. Parce que son utilisation est par essence transverse, son accès doit être aussi ouvert que possible. Des outils de visualisation performants doivent permettre de nourrir tous les process de l’entreprise de la R&D au retour d’expérience. Concrètement le data fabric doit offrir une connexion directe et optimisée des terminaux de l’écosystème au cloud qui abrite le réservoir data de l’entreprise.
  • Augmenter et gérer l’autonomisation : le machine Learning permet aujourd’hui d’envisager une utilisation des données conforme à la stratégie mise en place par le data miner. Un objectif conditionné à une gestion précise des interfaces artificielles chargées par exemple de la relation client. L’autonomisation de la machine peut conférer au e-marketing une efficacité redoutable pour peu qu’elle est appris en amont à réagir correctement aux différentes sollicitations des visiteurs du site de l’entreprise ou de ses clients. DPM et machine Learning doivent former un couple indissoluble pour le meilleur en bannissant le pire !
  • Respecter le RGPD : voté en 2015 par le parlement européen le Règlement Européen pour la Protection des Données entre en vigueur en 2018. Parce que le big data n’a pas vocation à devenir un big brother, les entreprise doivent s’attacher à respecter les règles liés à la protection de la vie privée des consommateurs. Un point vers lequel technique et éthique doivent converger. Une préoccupation importante et permanente du data fab qui va devoir s’assurer de la régularité de ses procédures et les formaliser pour pouvoir en rendre compte.
  • Vision à 360° et humanisme : la valorisation de la donnée implique une prise en compte global de ce qu’elle raconte. L’analyse du contexte, une vision à 360° autour de la donnée, importe tout autant que cette dernière. Un point où l’intelligence artificielle atteint ses limites. Les équipes vont devoir apprendre à intervenir là où leur humanité apporte ce que la machine ne saura jamais faire. L’identification précise de ces phases d’intuitivité humaine constitue à elle seule un véritable défi pour tout data fab !

Parce que les potentialités du data marketing sont immenses, ceux qui le portent au sein des entreprises ont une responsabilité équivalente. Responsabilité vis à vis des attentes de leur direction bien sûr mais responsabilité vis à vis de la société. Il s’agit de répondre à l’ambivalence entre le consommateur désireux de plus d’efficacité et le citoyen soucieux de ses droits. Un enjeu qui dépasse