La reconstitution des parcours clients grâce à la data : quelle valeur et quels enseignements ?

Dans une industrie où différents canaux de contact sont à la disposition du client, un parcours d’achat inclut souvent deux types de contacts différents : un physique et un digital. Prenons l’exemple d’une marque X, pour laquelle un parcours omnicanal type pourrait s’incarner de la manière suivante : 

Cette diversité que l’on constate dans le parcours du client se répercute aussi au niveau des données collectées à chaque point de contact. Compte tenu de la typologie de données qui diffère d’un canal à l’autre, la reconstitution d’un parcours client d’une entreprise omnicanale s’avère plus complexe (comparé par exemple à un pure player).

Quelle méthodologie peut-on adopter pour reconstituer les parcours clients ?

• Recenser l’ensemble des sources disponibles et fiables à utiliser :  Données digitales : (navigation, transactions web, …); Données magasin : (transactions magasin, RDV agence, … ); Données centre d’appels : (Appels entrants, appels sortants (Callback), commandes par téléphone, … ).
• Identifier les clés de réconciliation possibles entre les données : sans clé de jointure entre les données, il serait impossible d’avoir une vision transverse du parcours client.
• Définir les actions-clés à étudier dans un parcours client : il serait tout à fait possible de faire figurer toutes les actions envisageables dans un parcours client. Cette démarche a l’inconvénient de produire des parcours clients extrêmement complexes, et difficilement exploitables.
• Mettre à profit les enseignements tirés de la reconstitution des parcours clients :  l’analyse des parcours clients a pour but de mettre le consommateur au centre de la stratégie marketing, notamment en identifiant les étapes du parcours les plus favorables mais aussi défavorables à la conversion, et en analysant les interactions et les corrélations existantes entre les différentes étapes.

Il va sans dire que la mise en place d’une étude des parcours clients est conditionnée par l’existence d’une infrastructure data permettant la collecte et l’exploitation des données, idéalement un data-lake, permettant de rapprocher tous types de données (données online, données offline, données tierces, …) indispensables à l’étude. 

Quels enseignements et quelles actions peut-on déclencher ?

Quel que soit le format de restitution de l’étude – diagramme de flux, dashboard rassemblant des KPI clés, top parcours agrégés, … – le plus important est de mettre à profit les conclusions tirées dans la définition des plans d’actions marketing. Ci-dessous, quelques exploitations que nous pourrions mettre en place :

Figure 1 : Exemple d’agrégation des parcours clients (diagramme de Sankey)

1. Analyses des parcours :

• Identifier les points de contact les plus utilisés par typologie de clients
• Identifier le top 10 des parcours les plus fréquents – aboutissant à un objectif précis, ou démarrant d’une étape précise –
• Identifier les étapes qui abrègent le parcours client et/ou qui montrent le plus gros taux d’abandon.

2. Création de segments d’audience & amélioration du ciblage media :

• Cibler les prospects en fonction de leur comportement en ligne ou dans le réseau physique afin de les inciter à poursuivre leur parcours d’achat

3. Enrichissement des modèles de scoring :

• Construction d’un score de probabilité de conversion, pour optimiser les stratégies d’achat de trafic en fonction de la valeur d’un prospect
• Construction d’un score de probabilité de risque ou de churn, afin d’adapter les messages ou de basculer ces prospects/clients vers des points de contact plus adaptés (exemple : un call center).

Analyser les parcours clients n’est qu’une étape vers la connaissance client. Pour devenir data-driven et améliorer ses méthodes d’analyse, il faut adopter une infrastructure data performante ! 

Auteur : Najlaa Bouali, Consultante