Aujourd’hui, le 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 marketeurs. C’est néanmoins dans l’Amérique de l’après-guerre que les milieux économiques comprennent en premier la valeur de la donnée. Il s’agissait de tout savoir de la « ménagère de 50 ans » pour lui proposer des produits adaptés et générer l’acte d’achat. C’est le temps des enquêtes. Les marques vont dès 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. Dès 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 années 90, la généralisation du mobile et l’explosion du e-commerce dans les années 2000 vont conférer à cette quête une toute autre dimension.
Chaque jour, des millions de clients potentiels se connectent et surfent sur la toile de site en site. Les marketeurs y ont rapidement vu l’opportunité de tout connaître de leurs cibles ! Les programmateurs ou les développeurs s’attèlent à la tâche pour fournir des outils capables de capter, d’analyser et de classer toutes les données laissées par les internautes sur la toile.
Depuis 2010, s’appuyant sur le développement exponentiel de l’intelligence artificielle et du Machine Learning, le Big Data est devenu réalité. Et sa concrétisation a donné naissance à une forme nouvelle de marketing : le data marketing où l’utilisation des données sert à des fins commerciales.
2. Comment ça fonctionne ?
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.
En somme, il s’agit d’utiliser 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 sur des plateformes de gestion de données : les plateformes Big Data sont conçues pour capter, archiver, gérer et utiliser les données. A l’ère numérique, 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 souhaitent se développer online et offline ne peuvent aujourd’hui plus faire abstraction du Big Data et d’une stratégie leur permettant d’extraire des données acquises de leur campagne marketing. Plus qu’une nouvelle branche du secteur, le data marketing s’impose progressivement comme le Marketing 2.0 : c’est la révolution numérique appliquée au marketing.
2.2 Utilisation et enjeux
Précieuse et même vitale pour les entreprises, la donnée est au cœur de toutes les préoccupations. Les plateformes Big Data ont techniquement répondu au besoin de collecte de données. Mais son archivage et son utilisation nécessitent des outils technologiques et une stratégie : le data fabric et le data mining. Une phase de transformation dans laquelle les enjeux et les défis pour obtenir l’avantage concurrentiel recherché demeurent important.
La collecte
votre Data Management Platform doit prendre en compte la qualité. En effet, il s’agit de faire le tri entre la donnée non utile et celle qui, une fois, valorisée, 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. Son utilisation est transverse.
Par conséquent, son accès doit être aussi ouvert que possible. Des outils de visualisation performants permettent 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 d’envisager une utilisation des données conforme à la stratégie mise en place par le data miner. L’autonomisation de la machine peut conférer au e-marketing une efficacité redoutable. A condition qu’elle ait appris en amont à réagir correctement aux différentes sollicitations des visiteurs du site ou de ses clients. En somme, 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 est entré en vigueur en 2018. Le Big Data n’ayant pas pour vocation de devenir un Big Brother, les entreprises doivent s’attacher à respecter les règles liées à la protection de la vie privée des consommateurs. Un point vers lequel technique et éthique doivent converger. Il faut donc s’assurer de la régularité de ses procédures et les formaliser pour pouvoir en rendre compte.
Vision à 360° et humanisme
L’analyse du contexte et une vision à 360° de la donnée importent tout autant que cette dernière. Un point où l’IA atteint ses limites. Ainsi, 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 !
Le potentiel du data marketing est immense. En conséquence, ceux qui le portent au sein de l’entreprise ont une responsabilité équivalente. Responsabilité vis-à-vis des attentes de leur direction mais aussi responsabilité vis-à-vis de la société.
