Mon compte Devenir membre Newsletters

[Tribune] Data-catching: comment optimiser l'identification des clients pour développer ses ventes?

Publié le par

La multiplication des points de contact rend l'unification et l'exploitation des données compliquées. Lilia Smati, consultante au sein de Converteo,propose un éventail de bonnes pratiques pour structurer sa data et cibler efficacement les consommateurs.

[Tribune] Data-catching: comment optimiser l'identification des clients pour développer ses ventes?

Nous constatons tous une augmentation très importante de la quantité de données pouvant être exploitée par les annonceurs dans un objectif d'optimisation des performances marketing. Notamment dans une logique (pour reprendre certains buzzwords du moment), "people-centric" ou encore de "marketing one to one".

Cette donnée est, la plupart du temps, existante et assez simple à collecter, centraliser et activer, grâce à la multitude de solutions proposées sur le marché (data management platforms, customer data platforms, data lakes...). En revanche, la multiplication et la diversification des points de contact rendent souvent inefficiente son exploitation. Un des principaux freins? Un taux de matching (degré de réconciliation des données comportementales à un individu précis) trop faible.

Le problème du taux de matching

À titre indicatif, un e-marchand classique présente un taux de matching souvent inférieur à 10%. Mois d'un visiteur sur dix pourra être réellement identifié et relancé avec un dispositif marketing efficace et personnalisé. Ce taux d'identification est un élément incontournable de toute stratégie data: il est indispensable de rattacher le maximum d'informations comportementales à des clients connus pour adapter sa stratégie de marketing centrée client.

Si elles veulent développer un marketing intelligent, les entreprises doivent donc faire l'effort de récolter des données identifiantes pour enrichir et mieux activer leurs données comportementales (webanalyse, analytics in store...).

Collecter des données identifiantes en amont pour favoriser la mise en place d'un marketing "people-based"

Un retailer classique proposant à ses cibles des points de contacts on line (catalogue, achat en ligne, store-locator...) et off line (boutiques, call-centers, livreurs, ...), bénéficiera de très nombreuses opportunités de collecter des données comportementales à propos de ses clients et prospects.

Toutefois, souvent, en raison de l'inexistence ou l'inefficacité des modes de collecte de données identifiantes, les acteurs du marché ne sont pas en mesure d'actionner les actions marketing souhaitées. L'annonceur sera la plupart du temps capable d'adapter son marketing par canal et non pas de manière globale.

Le "détargeting" media est, par exemple, un cas d'usage marketing nécessitant une identification.


Pour ce faire, une stratégie de data-catching doit être définie et concerner le plus grand nombre de points de contact de l'annonceur avec ses cibles. L'objectif étant de collecter le plus en amont possible dans la relation annonceur/clients, des données identifiantes, permettant de déclencher un marketing people-centric, indépendamment de la nature du point de contact.

C'est ici que le sujet technique et data se transforme en un sujet davantage marketing. Comment un annonceur peut-il pousser ses cibles à s'identifier avant de s'engager dans un acte d'achat ou tout autre acte fortement engageant (prise de rendez-vous, souscription à un service...)?


Faciliter l'identification par la proposition de services et d'offres à forte valeur perçue

L'annonceur doit déployer le plus tôt possible dans sa relation avec ses cibles des mécaniques marketing permettant de maximiser leur identification (adresse mail, carte client, numéro de téléphone, etc.), comme l'accès à des contenus, des services ou des fonctionnalités utiles. Pour cela, il ne suffit pas de créer des étapes d'identification obligatoires à l'occasion de toutes les interactions, mais plutôt de:

-Proposer des avantages, services et offres permettant de répondre à des besoins clés des cibles à un moment précis et clés de leur parcours client

-Proposer une mécanique d'identification fluide et permettant de bénéficier simplement d'une proposition de valeur claire.

Par exemple:

On line:

-Inscription à une newsletter proposant un contenu affinitaire

-Proposition d'outils de configuration, simulation, partage...

-Fonctionnalités de wishlists

-Souscription à un programme de fidélité

-Téléchargement de Livres Blancs

Off line

-Conditionner l'accès au wifi gratuit à la soumission d'une adresse mail ou d'un numéro de téléphone

-Dématérialiser le ticket de caisse ou la garantie, à recevoir par mail suite à un achat en magasin pour réactiver immédiatement et efficacement le client, avec possibilité non-intrusive de cross-sell

-Dématérialiser les files d'attentes pour capter le numéro de téléphone (pour une redirection vers le site mobile ou l'application via un SMS)

-Un conseiller de vente peut demander à son client son numéro client ou son mail pour retrouver une éventuelle simulation effectuée en ligne, avant sa visite en magasin, afin d'affiner ses propositions.

L'élément à garder au coeur des stratégies marketing est la proposition de valeur client. Il est cependant important de rappeler que cette réflexion doit aller de pair avec la construction d'un écosystème technologique permettant une réconciliation efficace des données: des méthodes de data-catching efficaces sur l'ensemble des touchpoints mais dont les données seraient exploitées en silos réduiraient à néant l'effort de reconstruction du parcours client.

Les habitudes de navigation ou d'achat inhérentes à certaines activités sont des facteurs pouvant largement faire varier le taux cible. Les objectifs de taux d'identification doivent donc être adaptés en fonction du secteur d'activité dans lequel évolue l'annonceur.

Ainsi, un acteur dont l'usage du site nécessite un log-in atteint de facto 100% de reconnaissance de ses utilisateurs (ex: sites de vente privée, réseaux sociaux, ...) tandis que pour un e-commerce classique, la mise en place d'une stratégie de data-catching efficace peut faire grimper le taux d'identification à 25-30%.

L'experte:

Diplômée de ESCP-Europe, Lilia Smati rejoint Converteo en octobre 2015 en tant que consultante et travaille sur des missions de conseil digital et cross-canal.






Pour aller plus loin:

[Tribune] Big data : en finir avec les idées reçues



Mot clés : Data | taux

Lilia Smati (Converteo)