Vous êtes sur la page 1sur 9

Plan

Introduction générale
1. Big data et relation client
1.1Définition
1.1.1 Big data
1.1.2 gestion de la relation client
1.2 big data un outil d’amélioration de la relation client
1.2.1 Les trois grandes catégories d’outil big data
1.2.2 Les apports de big data dans la relation client
2. le cas de Netflix
2.1 Netflix
2.1.1 présentation
2.1.2 chiffre d’affaire
2.1.3 la stratégie de Netflix
2.2 algorithme de suggestion  : vos données au service de Netflix
2.2.1 qu’est-ce qu’un algorithme
2.2.2 le système de suggestion en action
2.2.3 l’avantage de la récupération des données d’utilisation pour Netflix
2.2.4 utilisation de données liées à l’utilisation : des utilisateurs heureux ou
inquiet
Conclusion
Bibliographie
Annexes
1. Big data et relation client
1.1Définition
1.1.1 Big data

Littéralement, ces termes signifient données massives méga données, grosses données ou


encore données massives.
Ils sont souvent caractérisés par 3V: le volume extrême de données, la grande variété de
types de données et la vitesse à laquelle les données doivent être traitées. Bien que les
données volumineuses ne correspondent pas à un volume spécifique de données, le terme
est souvent utilisé pour décrire des téraoctets, des pétaoctets et même des exaoctets de
données capturées au fil du temps.

Nous pouvons définir le Big Data avec ses trois « V's » :  (Michael Schroeck et al, 2012)

Volume :

La quantité de données s'exprime généralement en « Téraoctets 1 » ou en « Petaoctets2 » car la masse de


données est énorme. Pour mieux comprendre pourquoi, il faut savoir que depuis 2012 nous créons en
moyenne deux « exaoctets3 » de données par jour. Chaque seconde nous produisons un flux de données
plus important que la totalité des données stockées sur la toile depuis les vingt dernières années. Ces
données ne sont pas présentent seulement en ligne, une entreprise comme Wal-Mart recueille en
moyenne deux pétaoctets de données sur ses clients chaque heure (Harvard Business Review, 2012).
Cela représente environ 167 fois la totalité des informations contenues dans tous les livres de la
bibliothèque du Congrès Américain. (Talend, Les quatre piliers clés d'une solution de gestion des Big
Data) Ces données proviennent des millions de transactions effectuées sur les différents points de vente.

Cependant ces termes technologiques n'expriment souvent rien de concret pour les organisations,
certaines d'entre elles préfèrent exprimer la quantité de données en temps. Par exemple dans les
entreprises à des fins d'audit il est généralement demandé aux employés de garder leurs données des
trois ou quatre dernières années, et non pas de garder en mémoire un téraoctet de données.

Cette explosion du nombre de données disponibles s'explique par le fait qu'aujourd'hui nous ne sommes
pas restreints par la capacité de stockage et par le fait qu'un simple achat génère des dizaines de
données différentes. Un achat il y a quelques années générait des données relatives à la référence du
produit, son prix et à la transaction (date d'achat et montant total). Aujourd'hui pour le

1 Unité de mesure valant 1012 octets

2 Unité de mesure valant 1015 octets

3 Unité de mesure valant 1018 octets

Même produit des données sont recueillies sur le profil du client, l'historique d'achat du client, son
parcours en ligne avant l'achat, les commentaires sur les réseaux sociaux sur le produit acheté, les
caractéristiques du produit, les données de géolocalisation de l'achat. (Hamid Nach, 2013).
Vélocité.

Nous parlons ici de la vitesse de la création de données, pour de nombreuses entreprises cette rapidité est plus
importante que le volume d'informations disponibles. Certaines des informations disponibles n'ont d'intérêt que si elles
sont analysées en temps réel. Cela permet de donner un avantage compétitif à une entreprise vis-à-vis de ses
concurrents. Cette notion de vélocité n'est pas nouvelle, nous la connaissons depuis plusieurs années dans son
application la plus répandue, les recommandations d'achat sur des sites internet marchands.

En 2014, des chercheurs du MIT ont utilisé cette notion de vélocité pour estimer le nombre de clients des magasins «
Macy », grâce au nombre de smartphones connectés présent sur le parking. Ceci a permis de faire une estimation du
nombre de ventes réalisées et de le transmettre aux analystes de Wall Street avant la fin de la journée et l'analyse de
ses ventes par la chaine de magasins.

Variété.

Depuis l'apparition des outils informatiques, les entreprises sont capables d'analyser manuellement les informations
dont elles disposent. L'informatique « ordinaire » le permet grâce à la création de données structurées. Ces données
sont généralement des nombres de clients, volumes de ventes, ou un chiffre d'affaires. Avec le Big Data une nouvelle
génération de donnée a fait son apparition, les données non structurées qui contiennent aussi images, des vidéos et
des sons. Elles sont créées par notre utilisation des nouvelles technologies, les smartphones, les réseaux sociaux,
l'internet des objets, mais aussi par les voitures, les moteurs d'avions et même le langage humain. Toutes ces
sources amènent à une masse de données complètement différentes et très complexes à analyser sans les outils Big
Data. L'enjeu est de pouvoir croiser ces informations de sources interne et externe à l'entreprise dans le but d'en tirer
la substantifique moelle.

L'exemple de Food Genius, une start-up qui révolutionne l'industrie de la restauration, propose une solution Big Data
qui permet de croiser les données internes des restaurants avec des données récoltées sur internet. L'objectif étant
de proposer aux restaurants un menu approprié à la population présente dans leur zone de chalandise.

Les trois V de Big Data

1.1.2 Gestion de la relation client


En anglais, CRM signifie « Customer Relationship Management ». La gestion de la relation client englobe les outils et
les technologies qui ont pour but d'enregistrer, classer et analyser les informations que l'entreprise possède sur ses
clients et prospects. L'objectif étant de pouvoir gagner de nouveaux clients tout en fidélisant les autres grâce à un
service de meilleure qualité (Jean-Louis Tomas, 2002).

Ce nouveau comportement s'explique par :


- Un besoin de dialogue sur le produit
- Un besoin d'humanisation des relations entre client et marque
- Un besoin de personnalisation de la relation
Ces besoins se traduisent par deux grands changements :
- Des campagnes marketing plus personnalisées (Prospect et clients)
- Une expérience client à développer

La relation client est en pleine révolution, il est nécessaire pour les entreprises de comprendre les nouveaux enjeux
de celle-ci afin de rester compétitive. Avec les nouvelles technologies, le client dispose d'une masse d'informations lui
permettant de prendre le pouvoir sur les entreprises. Aujourd'hui c'est le client qui décide quand et comment il entre
en contact avec l'entreprise. Selon une étude, 90% des clients interrogés disent qu'ils sont prêts à changer de marque
si le service n'est pas à la hauteur de leurs attentes. (Philippe Collin, 2014)

1.2 Big data un outil d’amélioration de la relation client

Les entreprises ont toujours compté sur ce que leurs clients leur disaient pour améliorer
leurs services et leurs produits. Maintenant, les entreprises n'ont pas besoin d'attendre que
leurs clients leur parlent directement. L'utilisation de Big Data peut aider à savoir ce que
veulent vos clients avant même qu'ils sachent ce qu'ils veulent. Et ce n'est pas suffisant de
simplement savoir ce dont vos clients ont besoin maintenant. Vous devez également savoir
ce dont ils auront besoin dans le futur.

Aujourd'hui nous sommes dans une époque où la prise de décision est en plein changement, les décideurs ne sont
plus les seuls à bord. Le Big Data y est pour beaucoup, l'analyse des données permet une meilleure vision du futur et
une meilleure compréhension de l'environnement de l'entreprise. Il est même possible de dire que la prise de décision
est devenue un objectif au sein de l'entreprise. Ces changements sont particulièrement présents dans la relation
client. Comprendre comment l'activité de l'entreprise interagie avec les clients et la construction d'une offre pertinente
est un objectif de l'entreprise.

Les données volumineuses peuvent aider les entreprises à comprendre comment les clients
choisissent de s'engager, qui ils sont et ce qu'ils veulent. Un problème se pose lorsqu'il y a
tellement de données qu'il devient difficile à gérer. Les experts en données peuvent
encourager l'utilisation de la collecte, de la conservation et de l'utilisation des données.
Ainsi, la question est, comment une entreprise peut-elle utiliser le big data pour mieux
fournir des services et des solutions à ses clients?

1.2.1 Les trois grandes catégories d’outil big data


1.2.1.1  Business Intelligence 

Egalement appelé informatique décisionnelle, elle regroupe les outils informatiques qui assistent la prise
de décision. L'objectif est de consolider de manière pertinente les informations que possède l'entreprise et
de les synthétiser dans des rapports et dans des tableaux de bord analytiques.

Cette méthode apparue dans les années soixante-dix et à longtemps été réservé aux ingénieurs, dû au
fait de la difficulté d'émettre des requêtes précises sur les bases de données disponibles à cette époque.
Cependant l'analyse BI a largement évolué et s'est démocratisé dans la plupart des grandes entreprises.
Depuis les années 2000, ces analyses sont accessibles aux responsables opérationnels qui les utilisent
tous les jours comme aide à la prise de décision.

La genèse de ces analyses se trouve dans des besoins de consolidation comptable. Mais au fur et à
mesure de l'évolution de la technologie et voyant que les résultats étaient à la hauteur des attentes, les
entreprises ont étendu ces analyses beaucoup d'autres domaines stratégiques des organisations. C'est
ainsi que dans nombre d'entreprise actuelles les analyses BI sont utilisés dans la gestion de la relation
client jusqu'à l'analyse de la chaine logistique.

Le point négatif en ce qui concerne ces analyses, est que les requêtes ne sont pas toujours les mêmes et
que les besoins en bande passante peut varier du simple au triple en fonction de la quantité de
demandes. Donc les clients doivent toujours viser le panier supérieur pour être sûr de pouvoir faire autant
d'analyses possibles. Cela entraine des coûts fixes importants pour les entreprises. Voilà pourquoi les
éditeurs optent de plus en plus pour des offres en mode SaaS, qui leur permettent un paiement à
l'utilisation et une bande passante illimité .

1.2.1.2 Analyse predictive 

Ce type d'analyse découle des analyses BI en y ajoutant la notion d'historique. En croisant les
informations actuelles avec les informations historiques ces outils permettent de prévoir l'évolution grâce à
des courbes de projections. Cette méthode appliquée à la gestion de la relation client permet de définir
des profils clients à fort potentiels ainsi qu'à prévoir quels sont les clients qui ont une forte chance de
changer de fournisseur. L'objectif est toujours l'aide à la prise de décision. Dans les entreprises qui ont
intégrées les analyses prédictives à leur processus de décision, des modèles de prise de décision sont
créés à partir du résultat de ces analyses.

Démonstration d'un flux d'information d'une application d'analyse de


sentiments

Source : Etude technique, Analyse prédictive CGI, 2013


L'analyse prédictive possède une limite à son implantation dans les organisations, en effet les formations
de Data Scientists sont rares et les compétences nécessaires à la compréhension des problématiques
complexes nécessitent une expérience longue dans l'organisation. Voilà pourquoi les entreprises doivent
investir dans la formation tout en profitant de la compétence de certains organismes extérieurs.

L'analyse prédictive n'est pas seulement destinée aux entreprises. L'exemple des campagnes électorales
du président américain Barack Obama en est la preuve. Lors de sa deuxième campagne électorale, une
équipe de 80 personnes était chargée de faire des analyses prédictives basées sur des données en
ligne. (Maryse Gros, 2014) L'utilisation d'analyses prédictives a permis aux équipes de récolter une
somme record de fond sur internet. En effet l'amélioration de la fréquence des sollicitations et de leur
timing a permis d'augmenter les contributions. De plus cela leur a permis l'identification des électeurs
indécis et donc d'accroitre leurs interactions avec eux afin de les convaincre. Finalement le nombre de
votes en faveur du candidat a augmenté et il a été élu. (Caroline Tailleferd, 2013)

1.2.1.3 Les analyses prescriptive

Les analyses prescriptives sont le prolongement des deux autres principaux types d'analyses. En allant
plus loin qu'une simple prédiction, ces analyses permettent de faire des recommandations ciblées. En
effet quand l'analyse prédictive émet des hypothèses sur le déroulement du futur, l'analyse prescriptive
émet des hypothèses de solutions à mettre en œuvre afin de gérer la situation à venir. Dans le domaine
de la gestion de la relation client, ces analyses sont stratégiques pour les entreprises qui les utilisent. En
effet elles permettent de donner des recommandations pour chaque typologie de client en temps réel
avec le canal d'information le plus pertinent. ( Ibm.com, 2014, Analyse predictive)

Par exemple ces outils sont beaucoup utilisés dans le sport automobile. Selon le directeur général de
McLaren Appllied Technologies, Geoff McGrath les écuries de Formule1 basent leur prise de décision
stratégique en course sur des modèles prescriptifs. L'analyse en temps réel de milliers de données
provenant des capteurs de la voiture (usure des pneumatiques), combiné aux données des courses
précédentes et de l'environnement (accident, météo) permet la mise en place de stratégies de courses
potentielles en temps réel (La Rédaction Business Analytics Info, 2012). Récemment au Grand Prix de
Monaco, l'équipe Mercedes a fait une erreur de stratégie, ce qui a ruiné la course de son pilote numéro
un, Lewis Hamilton. A la fin de la course, Toto Wolff, le directeur de l'écurie a expliqué que les décisions
étaient prises en temps réel et qu'ils n'avaient que quelques secondes pour ajuster les stratégies de
courses. Cependant une phrase retient notre attention, il explique que dans cette situation particulière
l'algorithme était faux et que donc l'analyse a été un échec. Cela démontre que les outils Big Data ne sont
pas infaillibles et que les hommes doivent les utiliser comme aide à la prise de décision. Il reste
dangereux de se baser uniquement sur ça pour prendre des décisions. Le libre arbitre doit garder une
place importante dans la prise de décision. (Laurence Edmondson, 2015)

1.2.2 Les apports de big data dans la relation client

Attirer de nouveaux clients

Woody Allen a dit « Les relations amoureuses sont comme les requins, elles doivent être en perpétuel
mouvement pour ne pas mourir ». Les entreprises sont dans le même cas. Elles doivent se réinventer
perpétuellement et capter des nouveaux clients. Le Big Data fournit des bénéfices substantiels dans le
processus d'acquisition de nouveaux clients, en transformant les prospects en client. En effet les outils
fournis permettent d'aller plus loin que les outils marketing traditionnel. Une analyse des données
structurées et non structurés est une avancée majeure qui permet une analyse plus fine des données et
par conséquent la définition d'une cible client très précise.Les avantages du Big Data dans le processus
d'acquisition de nouveaux clients peuvent être classés en quatre catégories :
1. Connaître les profils des clients les plus rentables

La meilleure manière de capter de nouveaux clients à forte valeur ajoutée est de cultiver des relations
étroites avec les clients les plus rentables de l'entreprise. Le Big Data permet de définir les clients avec le
meilleur profil. Quels sont leurs besoins ? Quels sont leurs caractéristiques ? Sont-ils influencés par les
réseaux sociaux ? Une analyse « RFM7 » permet de classer les clients selon trois critères, la date du
dernier achat, la fréquence d'interaction avec la marque et la valeur générée. Les clients avec le plus fort
taux RFM sont ceux qui rapportent le plus d'argent à l'entreprise.

Comprendre précisément les clients à forte valeur ajoutée est le meilleur moyen pour l'entreprise d'en
capter des nouveaux. En effet assimiler les attributs de ses meilleurs clients est le meilleur moyen pour
une entreprise de se concentrer sur des prospects avec les mêmes besoins.

2. Sélectionner les prospects à forte valeur ajouté

Tous les clients n'ont pas le même comportement d'achat, l'analyse de ces comportements permet de
savoir quel sont les prospects à forte valeur ajoutée. Les données disponibles sur les prospects sont
énormes grâce aux informations disponibles sur les réseaux sociaux. Le croisement de ces informations
avec les bases de données disponible en interne dans les entreprises permet une analyse très fine. Grâce
a ce croisement de données, les entreprises peuvent être très sélectives dans leur sélection de prospects.
La réallocation des ressources du marketing est stratégique, nous passons d'une période ou le marketing
de masse était une nécessité. Les coûts engendrés étaient énormes avec des taux de retour très bas. A
une ère nouvelle ou le marketing sélectif va permettre une efficience des campagnes marketing et des
coûts.

3. Amélioration de la visibilité de marque :

Avant de devenir des clients, les consommateurs commencent par définir leurs besoins et chercher des
produits ou services capables de les combler de la meilleur des manières. Ce n'est qu'ensuite qu'ils
entrent en contact avec les entreprises pour lancer le processus d'achat. Le Big Data permet aux
entreprises d'intégrer la période de recherche de produits et services des consommateurs dans la gestion
de leurs relations client. Grâce aux informations disponibles en ligne, une entreprise peut cibler un client
qui a fait une recherche spécifique et lui proposer des services associés. L'entreprise la plus performante
dans ce domaine est certainement Netflix qui utilise le Big Data pour guider ses clients dans leur choix de
film ou de séries. En fonction des recherches et des films visionnés, les clients se voient proposer des
films qui peuvent correspondre à leur profil.

4. Comparer la performance des campagnes marketing

Le département marketing est souvent considéré comme un centre de coûts dans les entreprises. En effet
le coût des campagnes est élevé et le ROI8 est souvent fables. Voilà pourquoi savoir si les dépenses
marketing sont pertinentes et essentielles pour les entreprises. Le Big Data permet de connaître la
performance des campagnes en temps réel. Grâce à cela les entreprises peuvent ajuster leurs
campagnes quand elles jugent que les taux de retour ne sont pas à la hauteur des attentes. De plus car
aux analyses prescriptives elles peuvent croiser les données des campagnes à succès et des campagnes
avec de mauvais retours pour pouvoir déterminer ce qui a marché pour les actions futures.

 Fidélisation des clients

La perte de clients est un problème majeur des entreprises. De plus, un client mécontent peut à lui seul
faire perdre d'autres clients à l'entreprise. Les réseaux sociaux jouent un rôle important dans la
transmission d'informations négatives sur la marque. Les entreprises doivent pouvoir définir quels sont
leurs clients à risque à travers une analyse de leurs sentiments et les classer et de leur faire des offres
proactives.

Le Big Data permet d'avoir une vue à 360 degrés des clients, ainsi il est plus simple pour les entreprises
de connaître plus en profondeur leurs clients et de savoir à quel type d'offres ils sont réceptifs. Cette vue à
360 degrés permet d'être très réactif en cas de clients à risque car une offre pertinente peut lui être
envoyée.

Pour aller plus loin, les possibilités actuelles du Big Data permettent de croiser les informations de valeur
client et de taux de risque de départ à la concurrence. Ainsi les entreprises peuvent savoir si le client à
risque vaux la peine d'être gardé ou s'il est préférable de le laisser partir à la concurrence. En effet il est
souhaitable de réallouer des ressources pour gagner des clients rentables plutôt que de dépenser de
l'argent pour conserver des clients à risque.

Les entreprises du secteur des télécoms sont très demandeuses de ces analyses, en effet un client
mécontent va téléphoner souvent au service client ou consulter la FAQ sur le site internet de l'entreprise.
Le croisement de ces informations est une manne pour l'entreprise qui lui donne une visibilité sur le
nombre de ses clients à risque.

Personnalisation

L'ère du marketing de masse est révolue. Les consommateurs sont assaillis de messages publicitaires,
aussi bien dans la vie courante que par des canaux technologiques (Mails, SMS, Radio, Télévision).
L'envoie de publicité massive n'a plus l'impact escompté, les clients demandent plus d'attention et le
marketing personnalisé est une parade à ce changement. Les entreprises qui ne s'adapteront pas à ce
changement s'exposent à des risques. En effet les clients à force de recevoir des messages publicitaires
non personnalisés seront enclins à quitter la marque et se tourner vers des entreprises qui s'intéressent
plus à eux.

Nous savons tous qu'une interaction personnalisée permet à un client de rester fidèle. Quand nous allons
dans une boutique ou le vendeur se souvient de nous et de nos achats cela flatte notre égo et nous
sommes plus réceptifs à ses propositions. Pour rien au monde nous ne changerions de boutique.

La personnalisation des interactions est le prolongement naturel de l'utilisation du Big Data dans la
gestion de la relation client. Grâce aux informations récoltées (site internet, téléphone, mails, face à face,
réseaux sociaux) et la vue à 360 degrés du client, il est très simple de faire une micro-segmentation de
ses clients et donc de connaître précisément les besoins de chaque client. De cette manière il est
possible d'interagir avec le client en fonction de ses précédents achats, de ses gouts mais aussi en
fonction de son profil récolté sur les réseaux sociaux.

En conclusion nous pouvons dire que le Big Data aide les entreprises à mieux vendre. Grâce aux
analyses de données elles peuvent gagner de nouveaux clients, augmenter la profitabilité de chaque
client et de conserver les clients les plus rentables. Pour être certaine d'atteindre ces objectifs, les
entreprises doivent s'assurer d'une personnalisation des interactions avec leurs clients.

Vous aimerez peut-être aussi