Data et marketing : comment la data peut-elle aider le marketing ?

Pour avoir une stratégie digitale bien ficelée, le marketing doit s’appuyer sur la data. Découvrez dans cet article comment la data est présente dans le marketing. Mieux connaître ses clients.
‍

Qu’est-ce que le data marketing ? 

Pour comprendre les intentions des consommateurs, le marketing va s’appuyer sur la data : c’est le data marketing ! Pour en donner une définition plus concrète, voici quelques éléments : Le data marketing ou data-driven marketing se rapporte au marketing basé sur l’utilisation des données. Les données vont être collectées en masse sur internet. Le but est simple : transformer les prospects - c’est-à-dire les clients potentiels - en clients. 

On peut aussi parler de marketing digital. 

A quoi va servir le data marketing ? 

Voici plusieurs enjeux auxquels le data marketing permet de répondre : 

• Mesurer le ROI (return-on-investment) : Vous mettez 1 euro dans une campagne marketing, combien cet euro investi vous rapporte-t-il ? La data aide à répondre à cette question. Pour cela, il faut maîtriser comment mesurer l’impact d’une campagne et c’est là que des compétences en data sont nécessaires. 
• Expérimenter des campagnes marketing : A l’aide d’A/B testing, on va pouvoir comprendre quelles sont les manières les plus efficaces de toucher son audience. Pour le dire rapidement, l’A/B testing est une manière de tester en temps réel sa campagne publicitaire : on présente une publicité A à un groupe de personnes et une publicité B à un autre groupe. On regarde ensuite quelle publicité est la plus efficace et on apprend à partir de cela pour s’améliorer en permanence. 
• Transformer la donnée en connaissance client. On va faire des analyses pour mieux connaître son consommateur cible. A l’aide de données socio-démographiques, on va alors pouvoir cibler plus précisément l’audience la plus intéressée par son produit. 
  ‍

Quelles sont les utilisations du data marketing ? 

Le data marketing a de nombreux cas d’applications que nous allons détailler juste après. De manière générale, on va l’utiliser pour prédire au mieux les comportements des consommateurs.

Créer des publicités ciblées

Comme nous l’avions montré avec Netflix et les affiches qu’il peut proposer de manière différente à des utilisateurs, il est possible dans le marketing digital de proposer des publicités personnalisées en fonction du parcours des utilisateurs. 

Par exemple, on peut faire des premières choses assez simples. Si on sait que l’utilisateur a déjà acheté, on peut alors lui proposer via des publicités des produits affinitaires avec ce qu’il a acheté. La personne a acheté un téléphone, il est alors pertinent de lui proposer par exemple une coque ou encore une batterie externe. 

Si on sait qu’une personne a cliqué précédemment sur une publicité mais n’a pas acheté, on peut alors lui proposer le même produit mais avec une réduction pour l’inciter à acheter car on sait qu’elle est potentiellement intéressée par le produit. Et dans ce cas, on fait l’hypothèse que le prix fait partie des facteurs qui font qu’elle n’a pas acheté.

Si la personne n’a jamais cliqué, c’est potentiellement qu’elle ne connaît pas la marque, on va alors lui proposer une publicité générique pour qu’elle découvre la marque. Potentiellement, c’est aussi simplement qu’elle n’est pas intéressée. 

Optimiser les publicités

Restons dans le cas précédent où la personne n’a jamais cliqué. Alors comment optimiser la probabilité qu’elle clique ? On peut optimiser 2 facteurs : le temps de la publicité et le contenu. 

Concernant le temps, 2 points sont importants.

• Combien de temps de temps doit durer la pub ? Par exemple lorsqu’elle apparaît au début d’une vidéo, est-il nécessaire de la faire durer 2 minutes ou bien 30 secondes voire 10 suffisent ? 
• Combien de fois doit-on afficher la publicité ? Très généralement, si une personne clique, elle ne le fera pas la première fois qu’elle voit la publicité. D’un autre côté, le fait de trop afficher la publicité sera contre-productif pour la marque et peut rendre l'utilisateur méfiant vis-à-vis de cette publicité. On met généralement en place un capping, c'est-à-dire un nombre maximal de publicités affichées à une même personne. 

Et bien sûr, on peut optimiser le contenu. Un exemple simple : on peut jouer sur la couleur de la publicité et trouver laquelle correspond le mieux aux objectifs. 

Améliorer sa relation clients 

Pour améliorer la satisfaction client, on peut optimiser des éléments comme : 

• Le contenu du message
• L’heure du message
• Par le bon canal de communication (SMS, Mail, Chat, …)

Dans un monde où les utilisateurs reçoivent continûment des informations, il est important d’envoyer au bon moment le message qui retiendra l’attention du consommateur. Le contenu du message est important, il faut qu’il paraisse personnalisé. 

Que ce soit sur internet ou dans un magasin physique, à l’aide des données comportementales, on peut par exemple proposer des promotions personnalisées pour maximiser la probabilité que le client achète et soit heureux d’acheter. 

Le premier niveau de personnalisation est la segmentation client, qui consiste à découper l’ensemble de ses clients en un nombre de groupes définis et proposer à chaque groupe de client l’offre qui correspond globalement le mieux à ce groupe. 

‍

Améliorer la performance commerciale

Trouver qui parmi les prospects sont les plus susceptibles d’acheter fait aussi partie du data marketing. On va pouvoir évaluer selon chaque individu la probabilité qu’il achète. A partir de là, on pourra prendre des décisions d’investissement marketing. Notamment si on décide que la probabilité que la personne achète est élevée, on va mettre en place les meilleures actions pour maximiser cette probabilité. 

Une fois qu’ils ont acheté, on dispose de nombreuses données comme ce qu’ils achètent et à quelle fréquence, comment ils font pour l’acheter et à quels endroits. On va aussi avoir l’historique éventuel des incidents avec l’entreprise. 

Le SAV saura donc par exemple apporter les réponses pertinentes aux questions des utilisateurs grâce à la connaissance de ce qu’ils ont fait par le passé. 
‍

Risque d’attrition

De l’autre côté, la data va aussi chercher à diminuer ce qu’on appelle le risque d’attrition, c’est-à-dire perdre des clients. On va donc utiliser la data pour 

• Comprendre les points négatifs soulevés le plus souvent par les clients 
• Surveiller les avis déposés par les consommateurs et voir s’il y a dégradation ou amélioration
• Surveiller les offres proposées par les concurrents. 
• Regarder le nombre moyen d’achats sur une fréquence donnée

Bien qu’il soit tout à fait soutenable de remplacer les clients perdus par des nouveaux, cela a un coût, généralement supérieur à celui de garder ses clients actuels. Il faut donc chercher à garder ses clients. 

Cross-selling, up-selling et data

On a aussi, avant la vente, le cross-selling : vendre d’autres objets en plus de ceux que la personne a choisis, pour augmenter le chiffre d’affaires et la marge. C’est typiquement le café ou le digestif que le restaurateur vous propose à la fin de votre repas mais avec de la data pour le faire à des milliers voire des millions de personnes. En aval, on va aussi parler d’up-selling. Amazon va par exemple le proposer sous la forme de “produits fréquemment achetés ensemble”. 

Une fois que le client est satisfait, on peut lui proposer des fonctionnalités supplémentaires ou un produit de gamme supérieure. C’est ce qu’on appelle l’upselling. C’est le cas du garagiste qui vous a vendu une voiture et va ensuite vous proposer de la maintenance en plus. De manière générale, c’est une pratique très courante dans tous les systèmes par abonnement et est souvent présentée sous la forme :”Vous aimez bien notre produit ? Alors débloquez cette fonctionnalité qui va le rendre encore plus utile, pour un prix 20 % plus élevé”. Un autre exemple d’up-selling : les Go supplémentaires pour votre abonnement mobile. Et si le data marketing est bien fait, cette offre vous sera proposée lorsque vous aurez épuisé tout votre forfait ou vous serez proche de l’avoir épuisé. 
‍

Optimiser la logistique

Prévision des ventes

Grâce à la data on va pouvoir faire des prédictions de ventes. Cela va permettre d’évaluer son potentiel chiffre d’affaires et marge mais cela a aussi un impact sur la gestion de stocks. D’un point de vue marketing, l’étape suivante sera d’ajouter aux prédictions l’impact du marketing. Si on met x euros dans tel canal publicitaire, y euros dans un deuxième et z euros dans un troisième, quel sera le ROI ? Combien cela va-t-il rapporter ?

On va essayer de faire des prédictions à différents niveaux : court, au jour le jour et à moyen / long terme. 

Gestion des stocks

Pour la vente de produits physiques, la gestion des stocks est essentielle. Estimer correctement les ventes au jour le jour de chaque produit permet  d’économiser les coûts. En effet, acheter des produits qu’on ne vendra pas représente de manière évidente un coût. Mais aussi, ne pas prévoir assez de produits représentera un coût à terme : les délais de livraison vont s’allonger ou il faudra annuler certaines commandes, diminuant dans les deux cas la satisfaction client. De plus, prévoir trop de stocks aura un coût : stocker coûte cher, surtout si le lieu de stockage n’est pas assez grand et qu’il faut agrandir.
‍

Conclusion 

Optimiser les publicités et créer des publicités ciblées, améliorer la performance commerciale en générant de nouveaux clients et en sachant les garder tout en prévoyant correctement les stocks et en faisant en sorte que le client soit heureux sont autant de cas d’usages de la data en marketing ce qui en fait un champ d’application de la data très important !

‍