Big Data : 5 exemples de son utilisation marketing

Connu et pourtant ignoré, le Big Data est un peu le sous-marin du Web, très puissant, il offre une véritable force de frappe aux marques qui le mettent en oeuvre, et pourtant il reste plutôt caché, à tel point qu’on oublie à quel point il est décisif…

Sujet on ne peut plus tendance, il reste néanmoins fantomatique lorsqu’il est question de connaître ses débouchés tellement ces derniers sont nombreux. Savoir que le Big Data c’est : “Beaucoup de données”, citation qui, il faut l’avouer, ne nous aide pas beaucoup dans la recherche pratique de ce qu’est ce phénomène dont tout le monde parle. D’où l’idée d’aborder 5 exemples d’utilisation du Big Data en marketing, tant ce secteur a intérêt à s’y intéresser et le fait depuis quelques années déjà.

Pour revenir sur les métaphores un peu vides de sens : le Big Data, c’est un peu l’effet Canada Dry du Cloud. D’abord, parce qu’en définition, le Big Data n’est possible que grâce au Cloud. Il fonctionne d’ailleurs comme le Cloud computing pour le stockage de données, il s’utilise comme les services Cloud, on aime le Big Data parce qu’on aime le Cloud, mais ce n’est pas du Cloud, et c’est pour ça qu’on en parle !

En effet, on a connu le Cloud, qui, bien qu’immatériel, a réussi à s’imposer dans notre vie de tous les jours : notre musique, nos dossiers, nos photos et plus généralement les stockages fonctionnent désormais en Cloud, qu’il soit public ou privé, et ça n’importe qui saura vous l’expliquer. En revanche, le Big Data… ça aurait tendance à laisser indifférent, tant son utilisation reste invisible.

Et pourtant, le Big Data est partout, quand vous consultez vos mails, allez sur Facebook, lisez l’actu sur votre site d’information préféré… il faut crier au complot 🙂

 1. L’heure du real-time marketing et du native advertising

Les annonces Display font vivre le web, Facebook, Twitter, Google, Yahoo, Amazon, Lemonde.fr, etc. Tous les sites que nous parcourons chaque jour sont couverts d’annonces Display. Un marketing en temps réel qui fonctionne sur la base d’algorithmes nombreux et enrichis par les données personnelles de chacun d’entre nous.

Oui, jusqu’ici, les cookies avaient toujours réalisé ce travail. Mais aujourd’hui, les plus grands sites utilisent le Big Data pour récupérer et analyser les données de navigation en provenance de sites tiers.

Amazon par exemple, utilise des données de navigation en provenance de Facebook, Twitter, Google, etc., pour affiner le ciblage et mieux connaître nos intérêts.

Plus de données, c’est surtout un ciblage plus précis et qui prend en compte un comportement plus objectif sur le web que sur un seul site. Si vous vous connectez sur un site marchand seulement pour un produit spécifique, ce dernier n’aura qu’un regard étroit de vos intérêts, il va donc aller s’alimenter en données auprès des sites d’actualités, réseaux sociaux, et autres pour mieux comprendre ce qui vous intéresse en matière d’information et de recherches web pour vous recommander en direct des articles.

Le real-time marketing fonctionne sur ce principe, avec un besoin de quantité de données monstrueuses, et surtout le pouvoir du Cloud pour récupérer en direct les données collectées par d’autres sites pour promouvoir une offre ou une annonce personnalisée.

Sur cette logique, le native advertising et le marketing Display évoluent vers une personnalisation de plus en plus pointue. Le Display est depuis longtemps personnalisé en fonction des données de navigation et du contenu d’une page web, les networks qui regroupent les médias utilisent le Big Data pour segmenter et cibler au mieux, mais également Google et son offre AdWords. Notamment pour automatiser le ciblage et offrir une large audience ainsi qu’un paramétrage simplifié, les networks, mais aussi AdWords utilisent des algorithmes qui permettent par l’intermédiaire du Big Data d’analyser de nombreuses variables pour promouvoir une annonce auprès des internautes les plus aptes à cliquer sur celle-ci.

Le native advertising va encore plus loin en mettant en avant des publicités qui participent à l’expérience de l’internaute, souvent au format vidéo. Les outils de native advertising se basent souvent sur le text mining, c’est-à-dire l’analyse du contenu d’un article pour insérer des annonces pertinentes. Par exemple, des annonces vidéos au milieu d’un article sur un grand média, ou encore des annonces Display vers des contenus éditoriaux de marques (livres blancs, case study, etc.) pour rebondir sur la base de l’article.

2. Target them all ! Le retargeting pour relancer sans relance !

Rien de plus affreux que la relance commerciale auprès d’un contact. Le canal mailing perd peu à peu en vitesse, les taux d’ouverture ne font pas tellement rêver, même si le mail reste le numéro 1 en matière de ROI. Pourtant, la pression commerciale est de plus en plus gênante et le taux de clic (CTR) déçoit de plus en plus… Un constat notamment pour l’e-commerce, qui cherche de nouveaux leviers pour remplacer le mailing en perte de vitesse.

Bien sûr les mails segmentés pour maîtriser la pression commerciale et transmettre la bonne information sont un bon début, mais les annonce Display, le retargeting ou remarketing sont très intéressants pour éviter de nombreuses relances.

Le concept : un tri des prospects les plus pertinents qui soient passés sur votre site en fonction du ciblage ou de facteurs nombreux (période, météo, heure, etc.). L’objectif : cibler précisément et utiliser les supports Display comme AdWords ou les networks et régies des grands médias pour activer des annonces personnalisées. On se base sur des internautes ayant déjà vu un produit ou une offre sur son site web pour aller chercher des conversions.

Le cas pratique est celui du panier abandonné, le mailing et le couponing fonctionnent bien pour rappeler à un prospect qu’un panier est en attente. Mais pour améliorer le résultat, le retargeting permet d’être sûr que l’information a été vue. Un outil très intéressant qui fonctionne sur le modèle du Big Data. En effet, le reciblage des données clients permet d’affiner le tri avec des données en provenance de réseaux sociaux, et autres sites pour optimiser la dépense en fonction du ROI attendu.

Avec le retargeting, on se situe déjà dans l’entonnoir de vente. Le Big Data et sa capacité à avoir un regard plus large sur chaque prospect affine alors le ciblage et le ROI de campagnes non-intrusives, portant sur les prospects les plus intéressants.

3. Personnalisation de l’information et de l’UX, Google, Facebook et Amazon en tête

Nous avons franchi un nouveau pas, notamment avec les GAFA (Google, Apple, Facebook, Amazon) qui sont d’abord des outils de ciblage, puisque ce Big Four met en place des technologies de promotion et de ciblage de ses utilisateurs. Ensuite, parce que l’on aboutit à un niveau de personnalisation qui s’inscrit profondément dans l’expérience utilisateur !

En effet, l’expérience utilisateur sur Facebook, Amazon et Google est différente pour chacun, toute l’information mise en avant lors d’une recherche sera complètement différente entre un Marc Dupont à Fontenay et un Patrick Martin à Lyon. Un site différent, une expérience différente pour chaque utilisateur, et des recommandations personnalisées… Yahoo News s’y est également mis et cette nouveauté vaut bien la peine d’être évoqué, puisque la plateforme d’information s’adapte aux contenus éditoriaux lus par l’utilisateur. En bref, chaque internaute qui visite le site d’information de Yahoo verra l’information qui lui est proposée (en dehors des gros titres) optimisée pour accroître le nombre d’articles consultés. Imaginer un instant la presse française s’y mettre, pousse vers les limites du rôle des journalistes : proposer une information objective ou proposer l’information qu’attend le lecteur ?

Pour preuve l’algorithme le plus célèbre de Google, Panda, utilise énormément de paramètres pour la définition des résultats de recherche. Un sacré Panda, parce qu’on estime à plus de 200 les valeurs influençant les résultats d’une recherche web. Alors que les résultats de recherche sont instantanés, Google est doté d’un niveau de customer intelligence exceptionnel. En effet, le stockage des informations sur chaque utilisateur permet de proposer à chacun une information de plus en plus ciblée dans ses recherches web. Du Data Mining en temps réel, puisque les algorithmes de Google sont capables de faire parler de nombreux flux de données en temps réel pour proposer l’information la plus pertinente en réponse à une recherche… MAGIC !

4. Le Marketing Automation : Le Big Data des grandes entreprises

Les relances automatisées en marketing utilisent aussi le Big Data par l’intermédiaire des DMP (Data Management Platforms). Si peu d’entreprises sont équipées pour le moment, le Big Data permet de connecter de nombreux flux de données. Avec par exemple de la géolocalisation, des données CRM, le suivi des interactions des utilisateurs sur le site de l’entreprise et au sein des newsletters envoyées. A un niveau plus restreint, les entreprises sont toutes à même de faire du Big Data et de miner ces données à l’aide de scénarios de marketing automatisé pour envoyer des relances au bon prospect et au bon moment. L’utilisation des DMP facilite ainsi l’agrégation des nombreux flux de données pour les entreprises désireuses de cibler au mieux leurs prospects. Par exemple, le numéro 1 des DMP, BlueKai, permet d’intégrer plus de 160 flux de données différents… Un ciblage pour une connaissance à 360, presque omnisciente des interactions d’un client.

De nombreuses entreprises s’y intéressent depuis les start-ups aux grands comptes : le Marketing Automation est devenu le nouveau pivot du marketing opérationnel. Toujours pour affiner les systèmes de relances : on se sert du Big Data In-House, notamment pour les grandes entreprises possédant plusieurs marques, sites, des gammes de produits complètes et des supports sur tablette et mobile.

On peut ainsi élaborer des scénarios capables de transmettre l’information sur le support (PC, mobile) le plus pertinent pour la cible, et réaliser des suivis de conversion pour proposer du cross-selling ou bien transmettre des offres de réduction ciblées.

Les distributeurs utilisent notamment le marketing automatisé pour mieux intégrer le multi-canal dans leur stratégie marketing. On tend même vers l’omni-canal, avec un parcours client fluide et complètement unifié qu’il ait lieu en magasin, en ligne et sur n’importe quel support pour optimiser le suivi et améliorer la customer intelligence.

5. L’analyse prédictive : plus d’intelligence pour plus de ventes

On parle de Cloud public, mais aussi de Cloud privé. Il en va de même pour le Big Data, dès lors que l’on travaille sur la mise en commun de multiples flux de données. Dans le cas de la customer intelligence, peu d’entreprises (mis à part les GAFA) utilisent des flux de données externes. On se concentre donc sur les données en interne avec une forme de Big Data In-House géré par les DMP (Data Management Platforms). Sans écarter la possibilité de mélanger les données de ses canaux de communication avec des Third Party data, les entreprises se concentrent le plus souvent sur les interactions de leurs prospects et clients avec leurs Owned Medias, depuis la chaîne YouTube à la newsletter, en passant par le blog, les flux de données peuvent devenir très nombreux pour les entreprises.

Agréger plus de flux de données au travers du point de rendez-vous que sont les DMP, est une innovation majeure pour la customer intelligence. Autrefois réservé à chaque canal de communication, le reporting manquait d’unification et les entreprises obligées d’adopter plusieurs visions étriquées réduites à chacun de leurs canaux de communication : les perspectives et reporting restaient ainsi limitées sans vision complète de ses outils. En collectant de multiples flux de données pour les croiser et les analyser, on récupère ainsi beaucoup plus de savoirs à mettre en oeuvre en business intelligence pour adapter le marketing opérationnel en conséquence.

Le résultat ? Des scénarios de marketing automatisé adaptés pour chaque segment, et une meilleure connaissance de toutes ses populations de prospects et clients pour communiquer à travers les bons canaux de communication vers les bonnes cibles. A terme, on cherche à mettre en place une analyse prédictive qui offre la capacité à anticiper les besoins des clients pour transmettre la bonne information ou la bonne proposition, à la bonne personne, au bon moment ! Pour en savoir plus, je vous invite à retrouver ce livre blanc pour tout savoir afin de mettre en place des scénarios de conversion innovants et aider vos données à avoir plus de sens.

 Crédit photo : shutterstock

Articles similaires

Articles Recommandés



L'auteur

Nora Loulidi

Spécialiste des outils de Marketing Automation, DMP et Marketing Cloud, j'ai une connaissance précise des outils de lead generation à destination des entreprises. Riche d'une expérience au sein de plusieurs entreprises créatrices de softwares B2B, je suis actuellement en charge de la promotion des outils de Marketing Cloud chez Oracle.

 


4 Commentaires

  1. Enfin des exemples concrets du Big Data en marketing et non pas du blabla !
    Je propose un article avec des exemples en plus:
    http://jereze.com/fr/blog/big-data-marketing-exemples

  2. article très complet et très intéressant! merci

  3. Merci pour cet article très intéressant résumant très bien cette problématique.

  4. Bonjour,
    Analyse prédictive, native advertising et marketing automation… autant de porte qu’il soit pour arriver vers la personnalisation des stratégies marketing. Au fait j’ajouterai que ces méthodes ne sont pas relativement nouvelles.
    Le fait est que maintenant, c’est le bon moment pour les appliquer. Les gens sont plus enclins à partager certaines informations pour ne pas se faire inonder de pubs ou d’offre qui ne l’ont pas déjà intéressé auparavant. Et c’est cette interaction que les géants de l’entreprise exploitent dans leur collaboration.
    En tout cas c’est un très bon article!

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *