Cet article est le 2ème d’une série sur le marketing local, ses enjeux, les questions à se poser pour optimiser ses actions et ses investissements, et la complexité d’industrialiser les actions d’activation et de mesure. D’ autres articles, plus focalisés, suivront dans les prochaines semaines.

Pour retrouver l’ensemble des articles :

Chapitre 1 : Le marketing local : données, technologie et organisation au service de la pertinence consommateur

Les entreprises sont de moins en moins soumises à des contraintes technologiques pour l’exploitation des données. De manière paradoxale, un frein à leur exploitation au service d’une stratégie de marketing local peut être l’éclatement d’une multitude de sources peu maîtrisées, silotées dans des systèmes disparates.

Pour accélérer les projets générateurs de valeur, il devient donc important de bien identifier les données clés, d’anticiper les questions à se poser et de mettre en place des méthodologies pérennes de collecte et transformation des données.

Une multitude de données pertinentes

Beaucoup de sources de données se retrouvent exploitées lors de projets de marketing local. En voici une rapide liste (non-exhaustive) :

  • Informations sur les points des ventes (localisation, surface, rayons etc) et les événements qui les impactent (ouverture, fermeture, refonte, grèves etc)
  • Données d’affluence et de performance économique des points de vente : visites en magasin, chiffre d’affaire et ventes avec la richesse des dimensions catégorisant les transactions – canal de vente, pourcentage de remise, typologie de clients et produits
  • Données des campagnes média (au sens large : media, marketing direct, social…) sur les canaux online ou offline, locales et nationales
  • Données de concurrence (présence de magasins concurrents, prix relatif….)
  • Informations externes à l’entreprise sur ses marchés géographiques, son secteur et ses concurrents : baromètres sectoriels, typologie socio-démographique des zones de chalandise, données météorologiques, actualité des marchés (par exemple, couleur rouge, orange ou verte des régions de présence de l’entreprise lors du processus de déconfinement suite à l’épidémie de COVID-19)

La variété et la multiplicité des sources de données reflètent la multitude de leviers déterminants pour la réussite d’une stratégie de marketing local.

Le local comme source d’information

Les équipes locales sont une source privilégiée d’informations terrain qui permettent de comprendre toutes les subtilités du marketing local (modalités de la déclinaison locale d’un plans d’animation commerciale, catégories de produits mises en avant dans un tract ou les rayons d’un magasin…).

Ces données servent naturellement d’abord au pilotage opérationnel de l’activité d’un magasin, avec l’objectif primaire d’optimiser sa performance. Cependant, il est important de ne pas négliger la valeur de la centralisation de ces informations, de manière systématique et homogène sur l’ensemble de son réseau. Une structuration de la remontée d’informations est nécessaire afin de constituer un historique exhaustif et fiable des faits marquants aux niveaux locaux (fermetures et ouvertures exceptionnelles, travaux ou réorganisations des rayons et tout type d’évènement local pouvant impacter les ventes).

Cet effort de centralisation est un prérequis indispensable à toute industrialisation du marketing local.

Un nécessaire effort de gouvernance de la donnée

Une fois les données locales collectées à un niveau national, et regroupées avec les données des différentes directions nationales (données media, données externes…), le principal enjeu devient la gouvernance de la data et la réconciliation des sources pour faciliter l’exploitation par l’ensemble des parties prenantes.

Des données sont à la fois générées et utilisées par différents systèmes informatiques et directions internes qui sont plus ou moins coordonnés, ce qui entraîne une nécessité de mettre en place des flux de collecte et traitement, souvent pilotés par une cellule data dédiée. Une organisation data-centric mature aura automatisé les processus de réconciliation et enrichissement des données issues de différentes applications, en constituant un socle commun mis au profit des divers cas d’usage analytiques.

Une partie du travail est souvent déjà faite et facilite les initiatives de marketing local :

  • Les données de performance économique, font souvent déjà l’objet de multiples analyses et rapports, ce qui facilite leur exploitation pour les enjeux de marketing local, si les bases sont déjà bien structurées pour les besoins de la direction financière, de contrôle de gestion ou pour les gestionnaires de catégories de produits.
  • Les données des canaux marketing (media, CRM…), sous la responsabilité de la direction marketing qui est souvent à l’initiative des projets de marketing local, sont généralement déjà en partie agrégées. Leur travail peut cependant être rendu complexe par la multitude de campagnes, agences et outils impliqués.

Pour toutes ces sources de données, les problématiques communes de qualité de données se posent. Dans un premier temps, il faut avoir des référentiels bien définis et cohérents pour les principaux objets métier (produits, clients, magasins, …), quelle que soit leur source. Cela demande des efforts variables : utiliser un même identifiant pour un magasin dans le système de tickets de caisse que dans le référentiel des promotions locales est un prérequis différent de l’ambition de reconnaître un même client tout au long de son parcours cross-canal.

De plus, les données en provenance des différentes bases doivent être standardisées et il est important d’avoir une vision à date, ainsi qu’une profondeur d’historique suffisante pour pouvoir prendre en compte les biais potentiels dans les analyses.

Cet effort de gouvernance est également un prérequis indispensable à toute industrialisation du marketing local.

Les traitements spécifiques des données locales

Les données alimentant les analyses de marketing local présentent des problématiques très spécifiques pour cette dimension d’analyse.

Tout d’abord, il convient de définir une zone de chalandise pour chaque magasin. Sa définition peut varier en fonction de la typologie de l’enseigne, mais il s’agit généralement de la zone habituelle d’une partie conséquente des clients (« 80% du CA »). Il est possible de la définir par la distance géographique (« moins de 5km »), en utilisant des courbes isométriques, ou encore par le temps de déplacement, en employant des courbes isochrones (« 15 minutes en voiture »). D’autres détails influencent ces définitions : relief naturel, infrastructure routière, densité de la population, pression concurrentielle, …

Ensuite, l’objectif est de caractériser une zone de chalandise propre à chaque magasin par les informations provenant des autres sources. S’il est possible d’identifier précisément les concurrents présents sur une zone par leurs adresses, certaines approximations sont nécessaires pour décrire la zone dans son ensemble : par exemple, les données socio-démographiques sont disponibles à différents niveaux géographiques à réconcilier (code postal, code IRIS).

Par ailleurs, la question de répartition des KPIs de certains leviers média d’un niveau central peut se poser pour mener une analyse de marketing local – comment mesurer l’influence d’une campagne TV nationale ou d’une campagne display sur les performances d’un magasin en particulier ?

Enfin, l’usage des données météo doit faire l’objet des questionnements particuliers pour juger de leur fiabilité : Quelle est la distance entre la station météorologique fournissant les données et le point de vente ? A-t-on le détail des températures et des intempéries pour les heures d’ouverture d’un magasin ou seulement pour une journée entière ? Quels seuils appliquer pour caractériser les jours de pluie ?

Quelles analyses possibles avec l’ensemble de ces données ?

L’ensemble de ces sources peuvent être consolidées de manière incrémentale, partant sur des analyses simples qui permettent de faire un diagnostic de la data existante, de sa qualité et ainsi identifier les actions correctrices nécessaires pour récolter plus de données ou améliorer leur qualité.

Les cas d’usage exploitant des données locales sont riches et variés dans leur usage – en commençant par des simples analyses ad-hoc ou tableaux de bord automatiques, par exemple à destination d’un directeur de magasin qui souhaite situer la performance de son enseigne dans un segment de magasins comparables. D’autres analyses plus complexes peuvent être menées à des fins de pilotage opérationnel des campagnes média locales ou encore pour l’enjeu stratégique d’optimisation de son mix marketing.
L’exploration des analyses possibles fera l’objet de nos prochains articles.

Pour en savoir plus, vous pouvez nous contacter directement. 

Auteurs :

  • Ana Albutiu Consultante Senior
  • Olivier Becquart Manager
  • Victor Fulconis Senior Manager

 

Nos derniers articles