Académique Documents
Professionnel Documents
Culture Documents
BUSINESS SCHOOL
DATA-DRIVEN MARKETING
TP
Pierre-Alain Fantuzzi
Depuis toujours, nous appuyons nos décisions marketing sur des éléments rationnels (chiffres de
vente, études marketing, panels), et cela reste d’actualité
Brand-centric
Maîtrisé
Mais en plus :
Nous sommes progressivement À la confiance accordée à ses pairs via
passés du bouche à oreille physique internet, les RS
Inter-personnel Massif
Inaudible Captable
Recherche directe
SEA, organique
DATA
Media acquisition INTELLIGENCE
Référencement
News-letter
Site internet
Avis conso
Data digitale dans un Parcours client « Bibliothèque »
Exemple de Parcours-client et datas recueillies (étapes et caractéristique des datas) :
• de la consultation chez soi à l’emprunt
L'internaute est passif : L'internaute effectue une L'internaute trouve ce qui L'internaute a un compte et/ou L'internaute identifie ce qui L'internaute joue le jeu et L'internaute partage son
comptage des sollicitations investigation active l'intéresse sans compte un optin et/ou est abonné à un l'intéresse sans se connecter utilise pleinement les services expérience avec ses pairs
diffusées (anonymat) programme Print ou off-line (anonymat) ou clique sur les emails ou
(carte de fid.) utilise le cross-canal
Nombre d'impressions dans Nombre de création de
Moteurs de recherche (SEO) les moteurs de recherche
Nombre de visites organic
comptes / de comptes créés
Nombre d'impressions en Nombre de création de
SEA achat de mot clés
Nombre de visites SEA
comptes / de comptes créés
Nombre de création de
Direct Nombre de visites Direct
comptes / de comptes créés
Nombre de création de
Média Nombre d'impressions Nombre de visites Media
comptes / de comptes créés
Lien vers site, selon type de Nombre de création de
Referral
CANAUX
TRAFFIC
INSCRIPTIONS
Mode loggué
Mag. Physique, e-commerce
Produit, promo
TRANSACTIONS
Montant
Date
Site internet
Délivrabilité
Ouverture
Clic
Zones chaudes
Email, NL,
trigger Membres inscrits et / ou optins
Data personnalisée – conditions du rattachement
La personnalisation des données, c’est-à-dire leur rattachement aux contacts, n’est
pas systématique, elle dépend de l’architecture choisie par l’entreprise.
Gestion BDD
campagnes relationnelle
• Contact loggué
• Pose de fichiers de type fingerprint sur certaines pages / actions clé dans le
parcours
Focus sur le campagne management et sur la navigation sur le
site DATAMART MÉTIER
Connaissance
Campagnes conso
d’emailing
Reporting
Source 1
BDD
Datalake
relationnelle
MÉDIA
Data anonyme = 2nd / 3rd party
Réflexion en cours : fin des cookies tiers de Google et
questionnement sur GA
Recherche directe
Trafic
Sources de Source
SEA, organique
trafic Durée
Nb. pages
Media acquisition
Site internet
Media trafic
NAVIGATION
Réseaux sociaux Source : outil de
web-analytics
Service client, chat Membres inscrits et / ou optins
Data anonyme = 2nd / 3rd party
Réflexion en cours : quelques articles sur la fin des
cookies tiers de Goggle et sur les échanges en cours
entre la CNIL et GA
Autres types de Data
Data collectée
en dehors de l’écosystème relationnel
Open source
Infos syndicales
Météo
Zones chalandise
etc
Tracking quantitatif
Quelques
centaines / milliers
de répondants
Site internet
anonymes
Blogs, forum, RS
Concepts saillants
+/-/0
implication Membres inscrits et / ou optins
Qu’est-ce que l’open data ? – 3rd party
1 exemple
Intégrer de l’open data dans une BDD
Source : INSEE
Email diffusé
selon météo
locale
DATA STRUCTURÉE, DATA NON STRUCTURÉE
Mapping des datas
Personnalisées Personnalisées
Non structurées Structurées
Anonymes Anonymes
Non structurées Structurées
III – Quels outils pour
héberger et exploiter la
data digitale
BASE DE DONNÉE RELATIONNELLE
Objectif d’une BDD : Rassembler toutes les caractéristiques
d’une personne
Bonne fréquence
Bon canal
Ce qui l’intéresse
Vision holistique
MÉGABASE
Contacts qualifiés
Fichier des
Base de Extraction contacts à
enrichir
données
Utilisation d’un
Création du contenu
compte engageant
Coordonnées Qualification
complètes complémentaire
Quelques exemples :
Impression d’un
bon de réduction Possession d’un
sur un produit de lave-vaisselle
lave-vaisselle
Lecture d’un
contenu sur
l’aménagement Naissance
d’une chambre prochaine
bébé
Mise en vente
d’une auto sur Prospect
LBC automobile
Idée : Utiliser la connaissance obtenue auprès des personnes les mieux qualifiées
pour trouver leurs jumeaux parmi les personnes moins qualifiées.
QUALIFICATION MOINS
QUALIFICATION ÉLEVÉE COMPLÈTE
Madame
MACHIN
Modèle conceptuel de données
Table
Liaison
Modèle conceptuel de données : Table
Une table représente un objet et caractérise chaque enregistrement selon les
modalités qui s’appliquent à ses attributs
• Par exemple : table des contacts (adhérents), table des ouvrages
Table ADHERENTS
Table LIVRES
Table ADHERENTS
En cas de déménagement :
REMPLACEMENT de l’ancien
code postal par le nouveau
Table MOTS-CLE
Il faut représenter plusieurs concepts par autant de tables distinctes pour faciliter
l’expérience utilisateur
• Par exemple : recherche par titre, par auteur ou par mot-clé
Table OUVRAGES
Est un
exemplaire
1,1 1,n
Est un
exemplaire
Durée
d’exploitation
Variable à
expliquer et Corrélations entre
variables Recommandation
les variables
explicatives
Par exemple :
Nous voulons expliquer la Nous calculons la corrélation Il faut soigner la
fréquence des entre les commandes performance des
commandes. et chacune des campagnes d’emailings
Pour ce faire, nous utilisons variables, en utilisant pour augmenter
les variables : par exemple le R2 significativement le
Clics sur emails Nous constatons un R2=0,92 nombre de
entre le taux de clics commandes.
Durée de session logguée
sur les emails et les
Le nombre de codes promo
commandes.
utilisés
etc
Analyse de la corrélation
Quelle est l’intensité de la relation entre 2 variables, sont-elles corrélées ou indépendantes ?
Le R2 est un indicateur classique de la corrélation entre 2 variables
Si elle sont corrélées, cela signifie qu’il y a un lien fort entre les 2 - proche de « 1 »
Exemple : l’âge et la taille chez un enfant
Cela ne donne pas forcément la causalité
Exemple : les visiteurs du site X sont sur-consommateurs du produit vendu par X
Pour définir le R2, nous cherchons la loi statistique qui résume le mieux les « points »
constatés
Exemple : sur les graphiques, le R2 de la régression polynomiale est meilleure
10 15
10
0 5
0 5 10 15 20 25 30
0
-10 0 5 10 15 20 25 30
Hiérarchisation des corrélations
Travail sur fichier excel
10 15
10
5
5
0 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Classer pour simplifier : Segmentation / scoring
Par exemple :
On a mesuré que la fréquence d’achat du produit est corrélée
1. Au taux de clic sur les emails
2. à l’utilisation de codes promo
• Arbre de décision :
Par exemple :
– Quel impact d’une campagne promo, quelle conséquence d’une mauvaise
météo, etc
Web-listening
&
Prise en considération du WOM
Qu’est-ce que le web-listening ?
Regardez, écoutez :
https://www.e-marketing.fr/Thematique/academie-1078/webreportage-10162/
MarketingDay19-Video-Trois-utilisations-social-listening-dans-strategie-
marque-344523.htm#&utm_source=emkg_04_12_2019&utm_medium=email&u
tm_campaign=newsletter
Bilan de campagne
&
optimisation des emailings
Campagnes d’emailing et Data
Un peu de lecture :
https://www.e-marketing.fr/Thematique/media-1093/Breves/newsletter-revient-gout-
jour-341856.htm
Web-analyse
&
optimisation du site internet
Méthode d’évaluation de l’attractivité du site
Objectifs :
- Evaluer la capacité du site à attirer des visiteurs et à les fidéliser
- Faire le lien entre les indicateurs pour identifier les pistes d’amélioration.
Enseignement et recommandation :
- Le site perd en attractivité, et se recentre sur ses visiteurs les plus fidèles
ü Il faut activer les leviers de création de trafic
Méthode d’évaluation de la performance du site
Objectifs :
- Evaluer la qualité des visites, en s’intéressant à la durée passée sur le site
- faire le lien entre les indicateurs pour identifier les pistes d’amélioration.
Enseignement et recommandation :
- Seule la fidélité provoque la croissance du temps passé mensuel sur le site
ü Il faut développer la circulation au sein du site
Méthode d’évaluation de la qualité des sources de trafic
Objectifs :
- Evaluer la qualité des sources, quantitativement et qualitativement
- Comparer les origines du trafic entre elles pour identifier les pistes
d’amélioration.
Enseignements et recommandations :
- Les NLs contribuent à fidéliser, mais chaque session est motivée par une action précise
ü Il faut élargir le nombre de CTA au sein des NLs
- Le SEO et le SEA conduisent à des visites de découverte, mais la fidélité n’est pas
assurée
ü Il faut organiser l’accueil des nouveaux visiteurs
Méthode d’évaluation des tunnels de transfo
Objectifs :
- Evaluer la qualité des sources, quantitativement et qualitativement
- Comparer les origines du trafic entre elles pour identifier les pistes
d’amélioration.
90 visiteurs 2
15 « mise 3 « panier
100 VUs rubrique « nos « transaction
au panier » validé »
produits » terminée »
20 visiteurs
rubrique « se
connecter »
Enseignement et recommandation :
- Conversions faibles à 2 moments : connexion et validation du panier
ü Il faut inciter les visiteurs à se logguer, voire faciliter la connexion (UX)
ü Il faut retargeter les paniers non validés
Web-analytics et IA génératice
https://www.journaldunet.com/solutions/analytics/1525515-quel-est-l-impact-de-l-ia-
generative-sur-le-web-analytics/
#utm_source=MagNews&utm_medium=email&utm_campaign=Quotidienne_12/1
0/2023&een=0bafa80f7e18cac9363631fbbfccae86&seen=2&gbmlus
=7ec42f1593a5b3661bedaaee30d8ee473f22a89ce3d3a680350c589c88fc06b7
Exemple d’un NPS post-achat
Net Promotor Score
Objectifs :
- Mesurer le pouvoir de prescription des membres du programme relationnel
- Comparer les points de contacts / moments entre eux pour définir les priorités
d’amélioration
NPS par secteur en France
Enseignement et recommandation :
- Le NPS est réactif, il révèle des différences significatives
NPS : avantages et inconvénients
AVANTAGES INCONVENIENTS
* Le NPS varie de -100 pour une recommandation nulle à +100 pour une recommandation
maximum
Un NPS de zéro peut résulter soit d’une recommandation toujours moyenne (7 ou 8), soit
de recommandation extrêmement marquées en positif et en négatif qui s’annulent
(+50-50=0)
** Un contexte favorable au programme relationnel (réception de son colis) ou un
contexte de stress (réclamation) influencent le niveau du NPS, sans que ceci traduise un
déséquilibre entre les 2 points de contact
Customer Effort Score
Objectifs :
- Mesurer l’effort demandé à ses clients pour effectuer une action précise : un achat, un retour,
trouver une information, faire une réclamation, etc
- Comparer les points de contacts / moments entre eux pour définir les priorités d’amélioration
Le principe de cet indicateur est de considérer que moins un client devra fournir d’efforts pour
interagir avec une marque ou effectuer un achat, et plus il sera susceptible de lui rester fidèle, voire
de recommander ses services à ses proches.
CES : avantages et inconvénients
AVANTAGES INCONVENIENTS
* Le CES varie de 5 pour un effort beaucoup trop élevé à 1 pour un effort tout à fait
acceptable
** dans certains cas, l’effort déployé par le consommateur est nécessairement plus
important
Data-science et IA
Fonctionnement de l’IA
https://www.journaldunet.com/solutions/dsi/1492191-comment-les-
machines-reconnaissent-elles-les-emotions-humaines-a-quoi-cela-
sert-il/
https://www.journaldunet.com/solutions/dsi/1516905-ia-generatives-
le-test-du-jdn/
#utm_source=MagNews&utm_medium=email&utm_campaign=News
letter%20Quotidienne_Mercredi%2023%20Novembre%202022&een=
&seen=2
V – Piloter le business
avec les datas
Piloter : définir, suivre et analyser les KPIs
De la donnée au KPI
Key Performance
Donnée Indicateur
Indicator (KPI)
Donnée :
• Point de contact / Source de recueil
• Caractérisation (personnalisée / anonyme, structurée / non structurée, horodatée)
Indicateur :
• Source des données utilisées
• Calcul
• Caractérisation : évolution, répartition
• Utilisation : tunnel de conversion (volumétrie), ciblage (qualification)
KPI…
Quels indicateurs ?
Indicateurs ?
Leurs caractéristiques ?
Où les trouver ?
RECRUTEMENT FIDÉLISATION
PERSONNALISATION
Qu’est-ce qu’un KPI ?
Il s’agit d’évaluer notre capacité à atteindre les objectifs, en utilisant tous les leviers qui
sont à notre disposition
Son utilisation :
- Tout au long de l’année
Concrètement,
Pour définir les KPIs, il faut suivre une méthode en 3 temps :
Key Performance
Objectif Evaluation
Indicator (KPI)
Sélectionner les KPIs
Moment de vérité
Peut influencer les comportements
Action
des prospects / clients Utile pour décider
Partage Calcul
Compréhensible pour Définir précisément
tous
Principaux KPIs et parcours client
Recherc
Push
he Achat Livraison Plainte Opinion
(email)
d’infos
Nbr. Clients
Montant du panier Temps
% ré-acheteurs d’attente
Nbr. Visites
Nbr. Visiteurs
Websi unique Nbr. Clients
te % Bounce Montant du panier
Délivrabilité Nbr. Clics sur % ré-acheteurs
% ouverture CTA
% clic
%
désabonneme
nt Nbr. Appels Nbr. appels
Qualité de % traitement finis
service % en cours
Quantité
Tonalité (>0, alert)
Motiv° de visite Temps d’attente % partage
Ergonomie Evaluation
Impact, Evaluation Qualité des
Q? Notoriété
Persuasion
Look & feel informations pdt la
Evaluation
NPS
Image de prépar° commande
marque Satisfaction
Des KPIs aux conversions : exemple de l’automobile
Information
Contact Visit & Try Purchase
Research
Conversion rate
« No show » rate = nbr. purchases /
Website = nbr. « non-visit » / nbr. visits
nbr. leads
% lead
= nbr. Leads / nbr.
visits
Quels KPIs ?
RECRUTEMENT FIDÉLISATION
PERSONNALISATION AMÉLIORATION
Dit avec d’autres mots…
https://www.xerficanal.com/strategie-management/emission/Barth-Isabelle-Flores-
Laurent-Marketing-digital-apprendre-a-mesurer-et-evaluer-plutot-que-
compter_3749491.html
Améliorer l’UX et la Personnalisation :
Process data-driven
Chaque conversion est un % de la micro-conversion
précédente
La première étape de la
chaîne des conversions L’UX est le cœur des mécanismes de conversion
est la création de trafic
Search
Direct
Notifications
Sites Service
Notoriété
référents utilité
Recommandations
Volume ++ Valeur ++
Principe : démarrer par ce qui crée le CA et/ou la rentabilité, c’est-à-dire par l’aval
des tunnels de conversion, puis remonter les étapes
- UX : Évite le risque de déception au cours de la navigation
- Personnalisation : D’abord ce qui est le mieux connu avant de remonter la
connaissance grâce au système des look-alike.
Trafic
CAI
3% 10%
Diffusion de 100 000 3 000 clics 300
emails 25% 75 paniers 67% 50 transactions
connexions
3%
1 500
50% 25% 375 paniers 67% 250 transactions
connexions
3 000 clics
Enseignement et recommandation :
- La priorité est de faciliter la connexion sur Mobile
- Enjeu : gagner 200 transactions
A/B-testing
L’AB-Test permet d’optimiser l’UX quasi en temps réel
Enseignement et recommandation :
- La seule amélioration qui aura un impact significativement positif sur la conversion :
CTA en jaune
A/B testing
Il faut définir l’indicateur que nous souhaitons améliorer
Enseignement et recommandation :
ü A court terme : opter pour la variante bleue
ü A moyen terme : améliorer la performance de la variante rouge car el conduit à
une meilleure conversion
Exemple d’A/B testing
Enseignement et recommandation :
- Les recommandations peuvent
être inversées : tout dépend du
contexte général du site et de la
mise en avant des produits.
Personnalisation et look-alike
Plus nous sommes proches de la transaction et plus nous disposons de données sur
les personnes.