My Blog

Étiquette : analytics

  • Quelles seront les grandes tendances en matière de marketing et de la data pour 2019 ?

    Quelles seront les grandes tendances
    en matière de marketing et de la data pour 2019 ?

     Didier Farge, Président de Conexance livre les 6 tendances clés du marketing qui se profilent maintenant et se renforceront en 2019.

    1- RGPD et privacy Acte II :

    L’année 1 de l’application du RGPD a mis la protection des données dans toutes les conversations des marketeurs et ce ne sera pas terminé en 2019 au contraire !

    Les enseignes ont à peu près toutes mis en place leur DPO et revisité leur processus avec une réalité : la prise de conscience de l’importance de la donnée personnelle et de son usage. Cependant, seules 35 à 40 % des entreprises d’entre elles s’estiment en conformité. Et cette proportion est bien moindre parmi les PME.

    Dans ce contexte, des budgets importants seront alloués encore en 2019 avec notamment le recrutement en interne de compétences uniquement dédiés à ce sujet. Ces budgets  et une certaine réserve des investisseurs vont entrainer des freins d’investissement et des baisses d’activité dans le marketing direct qui ont été observés en 2018 notamment dans les phases de signature d’avenants et qui se feront encore sentir en 2019. Souhaitons que l’année 2 du RGPD ne voit pas le renforcement du déséquilibre entre l’usage des données à environnement logué au détriment des données utilisées par les prestataires locaux.

    2- Concentration des forces en Data et analytics

    Les data et l’analytique restent le sujet principal de préoccupation des marketers :

    40% d’entre eux indiquent que l’utilisation de l’analyse des data est une priorité pour cette année selon le cabinet Forrester. Ce thème est récurrent et repris notamment dans les dernières conférences du CES 2019 à Las Vegas .

    2018, a vu le rapprochement de sociétés qui analysent les données telles que Soft Computing par Publicis, ou encore Axciom par Inter public, ces rapprochements montrent la nécessité des groupes de communication à intégrer cette compétence dans leur business.

    De fait, les data scientist ont encore la vie belle : la recherche des compétences en la matière est encore un problème pour une entreprise sur deux et une préoccupation constante des grands groupes.

    3- L’IA omniprésente

    2019 , l’IA devient l’affaire du CEO et du marketeur autant que du data scientist, chacun a compris qu’elle est l’une des clés majeures de l’expérience client.

    L’intelligence artificielle est mobilisatrice et marque une façon de penser et d’envisager le futur. Ainsi Google, après avoir été la search company, puis la mobile first company, se veut aujourd’hui l’IA first company.
    Facebook double ses investissements dans son laboratoire IA parisien. Les plateformes d’intégration de l’IA permettront dès 2019:

    • de repositionner les marketeurs sur la brand stratégie leur véritable
    • d’agir sur des insights pour avoir des contenus personnalisés
    • de développer des campagnes ciblées et du real time bidding sur les campagnes digitales totalement automatisées : AI and predictive analytics
    • d’automatiser les tâches notamment concernant les recommandations produits à travers les plateformes de marketing automation

    4- L’émergence des plateformes de machine learning

    Eles permettent de détecter le churn, la fraude, les risques, et de mieux comprendre le CRM des clients, de les segmenter , surtout lorsque les algorithmes sont associés à de la data. Avec les plateformes de machine learning, les responsables marketing peuvent améliorer les performances en acquisition fidélisation « lifetime value » tout en réduisant les coûts. Des plateformes telles que : Tinyclues en service, Anaconda , Dataiku ou encore My Model développé par Conexance /Wunderman Data, permettent aujourd’hui d’utiliser et optimiser son CRM en mode service : «  modelling as a service (MAAS)

    5- Le cloud hybride pour tous

    Toutes les entreprises doivent-elles passer au cloud, tout de suite ? Pas forcément, mais il faut s’attendre à une migration continue. La data qui y est déjà omniprésente et son utilisation incontournable.

    6- L’intégration des données de sources différentes reste un enjeu majeur

    «  En 2019, les marketers devront être en mesure de combiner les données de l’entreprise (ce que vous savez) avec les données social media (ce qui va se produire) déclare Steve Dodd de Socialgist . A cela, j’ajouterais aussi les données Média, à savoir : « comment adresser mes clients et leur jumeaux statistiques en Média ». Naturellement, cette opportunité révèle un défi majeur pour de nombreux marketers : les données étant encore en silos et le CRM (Customer Relationship Management ) ne parlent pas encore au PRM (Prospect Relationship Management)

    Les nouvelles offres intégrant tl’insight client et l’activation Média de type « Kitchen » de Wunderman montrent que les acteurs se structurent sur le sujet.

    Pour conclure, 2019 sera selon moi, l’année de la confiance entre le client et son enseigne. La confiance implique la protection et l’utilisation des données pour une relation personnalisée et plus intime mais qui n’exclut pas le contrôle.
    La confiance est une valeur forte revendiquée en 2019 par les groupes de communication et les plateformes de technologies

    A propos de Conexance
    Leader en bases de données mutualisées, Conexance permet aux enseignes du commerce de mieux connaître leurs propres clients et de cibler leurs meilleurs prospects à partir de leurs actes d’achats avérés.Grâce à l’utilisation de modèles prédictifs et de machine learning, en mode service ou en mode plateforme avec My Model, Conexance retrouve les jumeaux statistiques de vos clients et vous permet de les contacter par tous les canaux. La meilleure approche pour cibler vos futurs clients.
    Conexance agit dans le respect de la réglementation RGPD conformément aux engagements de ses partenaires envers leurs propres clients.
    Conexance fait partie de Wunderman Thompson Data . Groupe WPP depuis 2016.

     

     

     

     

     

     

  • Pourquoi faut-il repenser le marketing mix à travers les 5 P dans un monde gouverné par la donnée (big data) et l’analytique

    Repenser le marketing mix à travers les 5 P dans un monde gouverné par la donnée (big data) et l’analytique

    Par Opinder Sardana, Associate Vice President – Managing Client partner – Consumer Retail Logistics chez Infosys

    Le marché du commerce de détail doit s’adapter à un contexte commercial omnicanal. La quantité de données générées par les points de contact clients et les canaux de vente est une opportunité pour les spécialistes des données pour redéfinir les fameux 5 P du marketing mix que sont : les points de vente (Place) , les personnes (People), les produits (Product), les prix (Price) et la promotion, dans l’optique d’offrir une expérience d’achat plus homogène.

    La nouvelle génération d’analyses de données permet aux commerces de détail de calibrer un mélange optimal des 5 P et de transformer la stratégie orientée autour du produit, vers un modèle centré sur le consommateur. Plus concrètement, le design thinking[1] ouvre la voie à une expérience d’achat sur mesure, tandis que l’apprentissage automatique et les algorithmes rendent possibles les analyses et tests rapides, maximisant ainsi la valeur de chaque « P ».

    Remodeler les points de vente (Place)

    Les entreprises de commerce de détail ou proposant des biens de grande consommation (FMCG -fast moving consumer goods-) ou CPG (consumer packaged good) doivent adopter un modèle mêlant l’instantanéité et la proximité pour séduire les millenials. Alors que l’omnicanal s’est imposé comme un impératif commercial, la question redondante du « Où placer quoi ? » doit maintenant s’imposer sur les magasins physiques et en ligne, voire sur toute autre plateforme digitale utilisée par un acheteur potentiel. Un exemple concret concerne les données  et comportements clients dont l’analyse permet dès lors d’accélérer le processus d’achat, grâce à un planogramme qui aide les acheteurs à trouver ce qu’ils recherchent, que ce soit dans un magasin physique ou en ligne. Le big data et les outils analytiques suivent désormais le parcours physique et en ligne des acheteurs. Plus concrètement, les enseignes commerciales traditionnelles de points de vente physiques peuvent optimiser et améliorer l’ergonomie de leurs magasins en analysant les données des clients et en distillant des informations commerciales en temps quasi réel.

    Cibler les offres sur les personnes (People)

    Les campagnes marketing tournent autour des personnes, que ce soit les clients ou les employés qui les servent. Les hotes/hotesses présent(e)s à l’accueil des magasins peuvent aider les consommateurs grâce à des services personnalisés et des conseils sur la façon de naviguer dans le magasin à l’aide d’une tablette qui elle-même accède à un répertoire d’informations sur les clients. Les enseignes du monde entier peuvent intéragir avec les clients de manière personnalisée et offrir un service proactif lorsqu’ils évaluent correctement leurs exigences. Les outils big data analysent les données démographiques, le comportement d’achat en magasin, les intéractions sociales, les tendances de navigation en ligne, l’historique des transactions et les tendances post-achat pour comprendre le consommateur et prédire ses préférences. Ils contribuent à améliorer la rétention des clients et par la même occasion, à fidéliser la clientèle.

    Mieux cibler le produit (Product)

    Les techniques avancées de gestion de la demande, alimentées par les données,  aident le commerce de détail et les entreprises proposant des biens de grande consommation à accroître leur retour sur investissement en faisant correspondre précisément la demande à l’offre. Les modèles de prévision basés sur la demande combinent les données en temps réel avec un historique des données de vente afin d’établir des projections de demande. Cela optimise ainsi l’approvisionnement, la gestion logistique et la gestion des stocks. Ces modèles permettent de créer des outils de prévision qui requièrent un minimum de données de ventes pour prédire les ventes spécifiques des magasins, à travers plusieurs catégories de produits. La pertinence de ces prévisions augmente avec la fréquence de mises à jour des données et leur précision. Les outils de prédiction réduisent la probabilité d’un incident de rupture de stock significativement dès lors que le réapprovisionnement se déclenche automatiquement.

    L’analyse de données apporte un soutien à la conception des produits et une rationalisation de la phase de tests, elle est donc un catalyseur permettant d’accélérer l’innovation produit. Les retours rapides sur le produit et sur la perception du marché permettent aux entreprises de commerce de détail d’effectuer les corrections de cap appropriées. Le big data automatise aussi l’analyse des paniers d’achat. Les outils analytiques combinent des données structurées et non structurées pour donner de la visibilité aux magasins sur la composition et la taille des paniers. Ils peuvent ensuite être intégrés aux données de ventes historiques pour personnaliser l’assortiment des produits pour chaque magasin.

    Adapter le prix (Price)

    Correctement appliquée, la science des données peut considérablement optimiser les stratégies tarifaires. Les modèles analytiques évaluent les variables de prix qui influencent la performance financière des entreprises de détail et de la grande consommation. Ces entreprises peuvent corréler des données et identifier des tendances entre la demande pour un produit spécifique, les ventes de produits complémentaires, le coût des ventes et l’historique des marques concurrentes.

    Les analyses de données aident les entreprises à adopter un système de tarification dynamique qui peut maximiser les profits. Par exemple, les ventes de fin de saison peuvent être remplacées par des soldes qui jouent sur la demande client, tout en apportant de la valeur aux consommateurs.

    Puisque le e-commerce se nourrit de l’optimisation des prix, les entreprises devraient utiliser les plateformes de big data pour cartographier en temps réel le lien entre le merchandising et la demande, le comportement client, afin d’exploiter ces informations dans la tarification dynamique.

    Booster la promotion

    La technologie numérique permet aux enseignes de personnaliser les techniques de vente et de marketing et de mettre en place des promotions personnalisées, qui non seulement augmentent les ventes, mais contribuent aussi à offrir une expérience client optimale.

    Les smartphones, les médias sociaux, la technologie géospatiale et l’analytique transforment aussi considérablement la publicité et la gestion des campagnes. Les modèles d’analyses intelligentes par exemple permettent aux entreprises de mieux cibler les produits, les données clients et les métriques de la chaîne d’approvisionnement pour créer des offres ciblées. Ils peuvent aider les enseignes de commerce de détail et de biens de grande consommation à cultiver la relation client, afin d’atteindre les bons consommateurs, au bon moment, et via le bon canal.

    Le big data et l’analytique aident le commerce de détail et les entreprises de biens de grande consommation à répondre à des questions fondamentales :

    • Cette nouvelle gamme de produits va-t-elle fonctionner sur le marché ?
    • Quel est le meilleur canal pour vendre un produit spécifique ?
    • Les produits sont-ils correctement tarifés ?

     Les techniques avancées d’analyse et de prévision appliquées systématiquement  et enrichies par une vraie culture d’organisation, peuvent permettre aux commerces de détail et aux enseignes de biens de grande consommation de répondre rapidement aux dynamiques de marché et aux évolutions des préférences clients, et ainsi de rester pertinents.

     

     

     

  • En 2016, les entreprises françaises accélèrent et renforcent leurs initiatives Data

    Les grandes tendances Data & Analytics 2016 selon Deloitte

    En 2015, la vague porteuse de la Data (Big, Smart, Small..) semble avoir éveillé les consciences des organisations autour de l’importance d’un patrimoine souvent ignoré, mal maîtrisé ou délaissé. Elles ont investi dans diverses initiatives Data principalement afin d’améliorer l’efficacité opérationnelle ou encore la prise de décision. Soutenus par une transformation digitale active des entreprises, les investissements en matière de Data vont sans doute s’intensifier en 2016. Les tendances 2016 de Deloitte dans la Data et l’Analytics semblent confirmer des changements significatifs tant sur le volet organisationnel que sur les pratiques.

    • 60% des entreprises interrogées estiment avoir une bonne compréhension des apports du Big Data pour leurs organisations
    • Elles sont 43% à considérer qu’une telle pratique devrait être menée par une entité dédiée placée sous la responsabilité de la Direction Générale
    • Plus de 70% des entreprises indiquent avoir déjà lancé des initiatives de Big Data
    • 79% des entreprises considèrent qu’il est urgent de renforcer le rôle du Data Scientist et 71% celui du Chief Data Officer
    • 70% des organisations mettent en avant l’importance de consolider les capacités d’analyse issues des réseaux sociaux

    « En 2015, la dimension « Big » du Big Data, parfois intimidante, semble avoir été intégrée par les organisations. Après quelques années de réflexions ou d’expérimentations, les actions liées à la Data se généralisent progressivement, les entreprises passent à l’action ; 70% des entreprises indiquent avoir déjà lancé des initiatives. Si ce mouvement Big Data est générateur d’intérêt et d’opportunités, il suscite une appréhension des risques liés à la Data ; les entreprises semblent de plus en plus mobilisées sur les thèmes de la protection et de l’usage éthique des données. » indique Reda Gomery, Associé responsable Data et Analytics chez Deloitte.

    Les 5 grandes tendances dans la Data et l’Analytics identifiées par Deloitte

          1. Chief Data Officer et Data Scientist : de nouveaux rôles clés à explorer

    Les organisations prennent conscience de la nécessité de changer leurs approches de gestion et d’exploration des données. Cette évolution favorise l’émergence de nouveaux rôles clés au sein des entreprises : le Chief Data Officer (CDO) qui pilote la stratégie Data et le Data Scientist qui créé de l’Intelligence à partir de la Data. Encore inexistants il y a quelques années, ces rôles sont de plus en plus plébiscités aujourd’hui. En effet selon l’enquête Deloitte, 79% des entreprises considèrent qu’il est urgent de renforcer le rôle du Data Scientist et 71% celui du Chief Data Officer même si leurs activités associées ne sont pas complètement clarifiées ou normées. Cette tendance, qui peut être contrainte par une pénurie de profils, devrait durablement s’installer dans les entreprises afin de professionnaliser les pratiques de gestion et d’exploration des données.

         2. Données externes : le nouvel eldorado

    Les organisations expriment un vif intérêt pour l’usage de données externes issues du Web, des réseaux sociaux, de partenaires…Ainsi, près de 50% d’entre elles estiment qu’il devient prioritaire d’acquérir de plus en plus de données externes et de favoriser leurs croisements avec des données internes (64%). En à peine une décennie, le nombre d’utilisateurs d’Internet et des réseaux sociaux a connu une croissance fulgurante. Une véritable aubaine pour des entreprises soucieuses de mieux appréhender les attentes de leurs consommateurs, d’anticiper les tendances ou d’évaluer les impacts de leurs stratégies promotionnelles. Cette évolution illustre donc l’extension du spectre d’utilisation des données et d’une vision désormais plus globale au sein des entreprises.

         3. Objets connectés, les futurs gisements de données

    La progression spectaculaire du nombre d’objets connectés engendre la prolifération d’une manne considérable de données issues de véhicules, d’équipements industriels, de dispositifs médicaux… laissant entrevoir de réels leviers de performance et des capacités d’optimisation inédites des processus métiers. En effet, les données issues de la connectivité entraînent un accroissement de la connaissance des clients permettant le développement de nouveaux services, la mise en place de programmes de fidélisation, ou le recrutement de nouveaux partenaires. A la connaissance des clients s’ajoute l’optimisation de la gestion des produits et des équipements. Les entreprises peuvent, par exemple, anticiper les risques et planifier les opérations de maintenance en fonction des prévisions de dysfonctionnement des équipements connectés.

         4. L’analytique : entre diversification et évolution des usages

    La Data Analytics permet aux entreprises de renforcer les facultés d’analyse issues des canaux digitaux (70%), de faciliter le partage de ces éléments pour tous au sein des différents départements (66%), et de mettre en place des prévisions statistiques avancées (63%). Un temps réservé aux experts, les usages analytiques se démocratisent donc et s’étendent désormais à l’ensemble des fonctions de l’entreprise (Marketing, Finance, RH, Achat…). La simplification de l’accès à l’analytique, la conception de nouveaux modèles d’analyse (prévisions, corrélations…) ou encore l’émergence des approches cognitives et de techniques basées sur l’apprentissage automatique (machine learning) marquent une évolution progressive des usages.

         5. Protection et usage éthique des données : un enjeu de taille

    Avec l’augmentation des quantités de data et la démultiplication des échanges, les entreprises sont de plus en plus mobilisées sur les thèmes de la protection et de l’usage éthique des données. Sujet devenu majeur, la protection des données repose sur une appréciation du patrimoine existant ainsi qu’une évaluation objective des risques. La démarche soulève de nombreuses questions au sein des entreprises : quelles données ? quelles sensibilités ? quelle maille de classification ? quels usages et quelles limites ?…  Les dimensions d’analyse sont multiples (technique, organisationnelle, juridique, métier) et se fondent sur une approche structurée et collaborative.

    « Si la protection des systèmes est en place depuis plusieurs années, les réflexions sur la protection des données émergent progressivement. Des solutions se déploient autour de divers moyens techniques (chiffrement, anonymisation, coffre-fort…) et allant jusqu’à des réflexions autour de la mise en place d’assurances. La volonté reste la même au sein des entreprises : instaurer et préserver un climat de confiance auprès des consommateurs ou des collaborateurs internes. » estime Reda Gomery, Associé responsable Data et Analytics chez Deloitte.