Réconciliation des données clients – Une transition prochaine de la méthode déterministe à la méthode probabiliste ?

Un client ou prospect a aujourd’hui tendance à entrer plusieurs fois en contact avec une marque avant de réaliser un acte qualifié de conversion (achat, inscription, demande de devis, prise de contact téléphonique, visite en magasin, etc.). Considérons par exemple une personne qui interagit avec sa marque préférée via trois canaux différents : application mobile (pour s’informer sur un produit spécifique), magasin (pour « toucher » le produit et échanger avec son vendeur préféré) et site web (pour effectuer l’achat en toute tranquillité depuis son domicile). Pour ce faire, les marques peuvent s’appuyer sur différentes typologies de technologies de collecte et de traitement de données aujourd’hui disponibles sur le marché (DMP, CRM Onboarding, Tag Management Systems, outils de web analyse, etc.). Avec un niveau d’efficacité varié, notamment en fonction du besoin spécifique de chaque annonceur, ces outils permettent la réconciliation des données comportementales web & mobile avec des données CRM d’un même et unique client ou prospect.  

  L’enjeu est donc aujourd’hui à la maximisation du taux de réconciliation, soit la part de données pouvant être attribuée à un seul et unique contact (client ou prospect), et provenant de sources diverses (point de vente physique, site Internet, application mobile, etc.). Deux méthodologies de réconciliation sont aujourd’hui envisageables via le déploiement d’outils du marché : la méthode de réconciliation déterministe, ainsi que la méthode de réconciliation probabiliste. Chacune de ces méthodes possède ses propres avantages et inconvénients… lesquels ?

La réconciliation déterministe : une méthode maîtrisée mais contraignante et aux performances limitées

  La méthode de réconciliation déterministe se base sur des « clés d’appariement », c’est-à-dire des éléments permettant d’identifier un seul et unique client ou prospect lors de ses différents contacts avec une marque. La « clé d’appariement » peut être représentée par une adresse email, un numéro de dossier, la combinaison entre  nom, prénom et adresse, etc. Afin de permettre la réconciliation, des mécaniques de capture (catching) de ces « clés d’appariement » doivent être mises en place (ex : connexion à un espace personnel online, ouverture d’un email, l’utilisation d’une carte de fidélité en magasin, etc.) La performance de cette méthode dépend donc fortement de l’efficacité de ces mécaniques sur l’ensemble des points de contact possibles entre la marque et le client ou prospect. Si l’on reprend l’exemple précédemment cité, la « clé d’appariement » serait l’adresse email, récupérée lors de :

• L’utilisation d’une application de la marque, présentant un catalogue complet
• L’utilisation par le vendeur en magasin d’une tablette, lui permettant de fournir une information très détaillée au client et, par la même occasion, de collecter son adresse email
• La connexion sur le site Internet pour effectuer l’achat

  Mis à part certains cas particuliers (comme des activités de ventes-privées, exigeant la connexion systématique de ses clients), les acteurs ayant mis en place des méthodes de réconciliation déterministes efficaces peuvent espérer atteindre des taux de réconciliation se situant entre 25 et 30%. Au-delà d’un tel taux de réconciliation, il existe un risque de dégradation de l’expérience client, en raison des contraintes imposées par des mécaniques catching trop agressives (ex : mécaniques de connexion omniprésentes et non justifiées d’un point de vue utilisateur, impossibilité d’acheter sans utiliser un code client, etc.). Cela peut alors engendrer une baisse de l’efficacité du dispositif relationnel d’une marque avec ses clients, et s’avérer contreproductif.     La réconciliation probabiliste : une méthode ambitieuse mais encore peu fiable   La méthode probabiliste ne se base pas sur un système de « clés d’appariement ». C’est une approche purement statistique, qui nécessite donc le traitement d’une quantité très importante de données et la conception de modèles mathématiques pointus. En se basant sur des « signaux faibles » (ex : possible genre de l’utilisateur, navigateur, device, langue, heures d’utilisation, adresse IP, etc.), la méthode permet de définir la probabilité que des sessions différentes soient en réalité rattachées à un même utilisateur. Bien que plus complexe à mettre en place qu’une méthode déterministe, la méthode de réconciliation probabiliste présente des avantages intéressants. Tout d’abord, cette méthode, ne nécessitant pas de mécaniques de catching de « clés d’appariement », s’avère beaucoup moins invasive pour les clients ou prospects d’une marque. Les dispositifs relationnels entre la marque et ses cibles peuvent alors être davantage conçus selon des logiques exclusivement customer-centric. De plus, l’approche probabiliste laisse espérer l’atteinte de taux de réconciliation plus élevés que ceux obtenus à ce jour avec une approche déterministe (> 30%).     Restons réalistes, en attendant l’arrivée de méthodes probabilistes efficaces et complémentaires aux méthodes déterministes   Alors que les méthodes de réconciliation déterministes sont une réalité, les méthodes de réconciliation probabilistes restent un sujet « en cours de développement » pour la plupart des éditeurs spécialisés du marché. L’utilisation de technologies présentant une méthode de réconciliation déterministe est donc, à ce jour, le seul choix efficace et surtout réaliste pour un annonceur. Afin de garantir sa performance, il est essentiel de concevoir des mécaniques de catching win/win  de « clés d’appariement » ; présentant des propositions de valeur claires et reconnues par les clients ou prospects d’une marque. Nos échanges fréquents avec les éditeurs de solutions de data management nous confirment une course à l’armement qui passera bientôt par la mise au point de méthodes probabilistes efficaces complémentaires aux classiques déterministes déjà en place. En effet, plutôt que de venir remplacer la méthode déterministe, la méthode probabiliste la complète : les algorithmes de réconciliation probabiliste s’appuient sur les profils établis par la méthode déterministe.