Retour sur le Data Performance Summit 2014 – Partie 1

Alors que les données générées par les entreprises sont de plus en plus nombreuses et protéiformes, de nombreuses questions se posent quant à leur collecte, leur consolidation et leur exploitation. Quels sont les usages d’aujourd’hui et de demain ? Pourquoi et comment réconcilier des données cross-device ou cross-canal ? Quels sont les outils technologiques sur lesquels s’appuyer ? Quelles sont les implications organisationnelles ou juridiques liées à  l’adoption d’une logique data-driven ? Le 15 octobre dernier se tenait la 1° édition du Data Performance Summit à Paris, avec l’ambition de balayer ces différents sujets. Pour l’occasion, une trentaine d’experts issus de grands groupes, d’éditeurs logiciels et de sociétés de conseil étaient réunis pour animer 12 conférences tout au long d’une journée riche en enseignements. Converteo y était et vous propose un petit résumé des festivités en deux parties : vous trouverez ici la synthèse des enseignements des conférences de la matinée, un deuxième article présentera ensuite celles de l’après-midi.  

La data remet en question nos modèles

Premier constat partagé, la « data » est désormais omniprésente (webanalyse, CRM, media, …) au sein d’entreprises qui prennent conscience de la nécessité d’exploiter cet actif considérable. Les enjeux sont d’abord de mieux comprendre ses clients et son audience, puis de pouvoir agir grâce à ces enseignements. De façon plus précise, 3 principaux objectifs ont ainsi été pointés :

• Développer la convergence entre media et CRM pour centraliser et enrichir les data de différents canaux
• Exploiter cette data pour améliorer la précision et l’efficacité du ciblage publicitaire
• Obtenir une vision ROIste plus précise des investissements media tant offline qu’online

  Face à ces sujets la maturité des entreprises est aujourd’hui très variable, pourtant toutes s’accordent sur le fait qu’adopter une logique data-driven nous amène à repenser les modèles classiques d’entreprises encore trop souvent organisées en silos. Lorsque les équipes des différents canaux travaillent avec des logiques et des objectifs distincts sans chercher à maximiser les synergies via un pilotage par le haut, nulle place à une utilisation efficace de la data. Pour consolider et exploiter les multiples sources et formats de données, il s’agit donc de rompre avec cette logique de silos et de faire porter le « sujet data » par une personne ou une entité haut placée dans l’organigramme. Il s’agit ensuite de faire collaborer des profils différents avec d’un côté une forte expertise métier et de l’autre des compétences techniques et mathématiques dans l’exploitation de gros volumes de données. Tout un programme, notamment pour des grandes entreprises autrefois brick-and-mortar qui ne portent pas le digital dans leur ADN !   Air France et le groupe Figaro sont par exemple revenus sur les transformations organisationnelles adoptées pour améliorer l’exploitation de la data. Air France a ainsi mis en avant la coexistence de deux logiques d’exploitation de la donnée, une logique de court-terme centrée sur l’optimisation de la performance en acquisition de trafic et une logique de moyen terme de compréhension des comportements. Cette double logique a entraîné le déploiement de deux équipes orientées data, l’une très opérationnelle centrée sur l’acquisition (avec un trading desk internalisé) et l’autre pensée pour centraliser et analyser des data de sources multiples en vue d’en dégager des insights business (via notamment une DMP interne déployée en test). L’équipe opérationnelle d’acquisition est ainsi devenue « cliente » de l’équipe data. Autre entreprise, autre organisation au Figaro où cohabitent trois métiers (éditorial, marchand et pub) aux enjeux data variés et parfois divergents. Pourtant le groupe a souhaité mutualiser au maximum la donnée pour mettre les inputs de chaque métier et filiale au service de tous. Une équipe data a ainsi été formée, regroupant notamment le patron du CRM, un représentant de la DSI, des webanalystes et des dataminers. Cette équipe data se met au service de l’ensemble des marques du groupe et interagit directement avec le « data champion » nommé dans chaque filiale pour porter les besoins de collecte d’activation et de transformation de la data.  

Collecter des données pertinentes, un casse-tête technologique

Concernant la collecte des données, deux grandes difficultés ont été mises en avant au cours des conférences : mettre en cohérence données online et offline et unifier le suivi online des utilisateurs cross-device. Sur le premier point, l’enjeu est bien évidemment d’améliorer la compréhension d’un client devenu omnicanal et de travailler la cohérence des parcours cross-canal.

  Les organisations historiquement en silos sont source de complexité car les données collectées sont très difficilement réconciliables et nécessitent souvent de « faire le ménage » et de déployer des approches agiles pour centraliser les données issues de briques techniques nombreuses et variées.

  Avec la montée des usages mobiles et l’obsolescence programmée des cookies, la collecte de données cohérentes en cross-device est devenue un enjeu essentiellement technologique. Les cookies ne permettent en effet pas de collecter des données in-app ou de suivre un utilisateur sur plusieurs appareils (mobile, tablette, desktop) ni même sur plusieurs navigateurs d’un même device. Qui plus est, les cookies sont de plus en plus souvent bloqués (ad-block) ou effacés par les internautes réduisant d’autant leur portée. Divers acteurs travaillent aujourd’hui sur de nouvelles technologies où s’opposent les approches « déterministes » et « probabilistes ». Dans le premier cas on va utiliser la connexion à un compte client pour affecter un ID unique commun à chaque nouveau device qui s’y logue ; une approche très fiable mais qui ne couvre qu’une faible part de l’audience d’un site. Dans le deuxième cas, on va créer une « empreinte » unique et stable dans le temps pour chaque device (de sorte à le reconnaître même sans ses cookies via des centaines d’autres paramètres), puis on utilisera divers observations (géolocalisation, comportementales, …) pour associer les devices entre eux de façon probabiliste et les rattacher à un utilisateur. Cette approche offre encore des niveaux de fiabilité variables selon les acteurs mais semble prometteuse.

Exploiter la donnée collectée dans une logique d’acquisition

Plusieurs acteurs ont également partagé leurs retours d’expérience sur le sujet de l’activation et de l’exploitation de la donnée en expliquant les pratiques utilisées en interne pour la segmentation et le ciblage de leurs campagnes media. On évoquera ici les exemples de Meetic et Europcar. Meetic par exemple exploite essentiellement de la donnée propriétaire, d’abord pour exclure ses propres clients de ses bases d’acquisition, mais aussi pour diriger les messages pertinents à ses prospects sur ses différents canaux. Six segments distincts sont ensuite adressés de façon spécifique, parmi lesquels les « inscrits inactifs » qu’il faut réactiver ou les clients proches du churn que l’on tente de retenir. Europcar travaille essentiellement le croisement des données CRM et données d’acquisition afin de pousser ses services dans une logique client-centric. Cette approche leur a permis d’obtenir des résultats plus qu’encourageants avec la multiplication par trois de leur CTR (click-through-rate) et une hausse de 37% de leur taux de conversion sur les emails et le display.  

  >> Retrouvez la synthèse des conférences de l’après-midi du Data Performance Summit.