Derrière l’expression ”customer analytics” se cache un enjeu business considérable, qui peut transformer en profondeur vos métiers et vos stratégies. Sa définition peut se résumer ainsi : collecter et analyser les données clients d’aujourd’hui, pour mieux prédire leurs comportements de demain. Webhelp développe cette technologie, et vous guide pour en faire bon usage…

Une stratégie qui booste le ROI

Les analyses de données marketing ont pour but d’optimiser l’efficacité commerciale et l’expérience client. Une activité à forte valeur ajoutée : les entreprises s’y soumettant accélèrent leur croissance de CA de 33 %, et leur croissance de marge est multipliée par 12 ! Les marketeurs l’ont bien compris, et 61 % d’entre eux prévoient que la ressource Data & Analytics sera le premier poste d’investissement de leur entreprise en 2014 (source : étude «State of marketing» d’ExactTarget, 2013). On distingue deux types de données : les structurées (qui viennent du client donneur d’ordre ou du prestataire) et les non-structurées (qui représentent un volume croissant aux proportions considérables, et que l’on commence à peine à mesurer). Ces dernières sont, par exemple, issues des analyses sémantiques ou vocales, ou des médias sociaux.

Une évolution des méthodes… et des résultats

L’analyse des données clients ne date pas d’hier, et a connu trois âges distincts :

  • âge de pierre Le BI ou reporting : croisement de données et identification des tendances pour trouver des solutions à froid, a posteriori.
  • âge de fer Les modèles ”classiques” de statistiques : prévisionnel d’achat ou de comportement (scoring RFM, segmentation…), à froid.
  • âge d’or Le big data : récupération de toutes les données possibles, analyse dans des énormes bases de données avec des algorithmes innovants, et recommandations en temps réel.

A retenir

La définition d’une stratégie de customer analytics passe par plusieurs pré-requis :

  • Définir en premier l’enjeu business et les KPIs à améliorer, selon la stratégie de l’entreprise.
  • Respecter les enjeux de sécurisation des données, définis par la CNIL.
  • Ne pas hésiter à casser les silos pour avoir accès à un maximum de données, et assurer la valeur ajoutée pour le client final comme le donneur d’ordre.
  • Compte-tenu du coût et de la complexité des technologies big data, l’entreprise a tout intérêt à travailler avec son prestataire et un pure player du big data de manière intégrée, en partageant un maximum de données et en échangeant de manière agile sur les enjeux et les résultats des analyses de données.