La réunification des données Online & Offline

À l’ère du digital et de l’expérience utilisateur sur mesure sans couture, émergent un certain nombre de défis technologiques à relever.  

 

 

On ne compte plus les solutions qui collectent de la donnée dans les entreprises : CRM, Digital Analytics, ERP, Back-office, plateformes publicitaires. Ce sont autant d’outils qui servent des usages différents et collectent des données spécifiques. 

 

Se pose alors la question de l’unification de ces données pour les marketeur. Comment faire lorsqu’il est nécessaire de croiser des data issues de différentes sources ? Et d’ailleurs, pourquoi peut-il être déterminant pour une entreprise de réconcilier ses données ? Quels sont les impacts organisationnels de tels projets ?

 

Nous avons décortiqué ce sujet pour vous, dans le but de vous donner les clés de lecture pour prendre les bonnes décisions.

 

 

Pourquoi réconcilier ses données online & offline ?

 

Pour de nombreux secteurs d’activité (B2B, assurance, immobilier, énergie, retail etc.), les parcours d’achat mêlent points de contact online et offline. La complexité de ces parcours révèle un véritable challenge pour les annonceurs souhaitant offrir une expérience client cohérente sur l’ensemble des points de contact : digital, point de vente physique ou call center.

 

Pour illustrer le propos, un assureur va proposer sur son site web la réalisation de devis assurance gratuits puis la contractualisation se fera offline à l’aide d’un conseiller, par téléphone et / ou en agence. 

 

Ces mécaniques d’achats s’appliquent également au luxe et au retail pour lesquels les consommateurs vont consulter les produits en ligne en préparation d’une visite en boutique physique ou à contrario pratiquer le showrooming, qui consiste à découvrir le produit en boutique avant de l’acheter en ligne.

 

La réunification des données online-offline permet une vision end-to-end des parcours clients. Ainsi, elle apporte une meilleure visibilité sur le business et permet d’offrir une expérience cohérente aux clients finaux en décuplant les scénarios d’activation.

 

Différents use-cases peuvent-être adressés par ce dispositif :

 

• Mesurer le ROI des campagnes digitales sur les ventes finales, tous canaux confondus
• Identifier les principaux points de friction d’un parcours de vente (dans son intégralité)
• Offrir une expérience hyper personnalisée grâce à la segmentation client (ajuster la pression marketing, prendre en compte les touch-points et les historiques d’achat)

 

Quels outils pour agréger les données ?

 

Il existe différentes familles d’outils permettant d’agréger les données online et offline. Les outils que nous avons décidé de vous présenter ont pour point commun de suivre une approche déterministe. L’approche déterministe vise à rattacher aux données online, les données offline expressément partagées par le client. Par opposition, l’approche probabiliste s’appuie sur un échantillon de données et extrapole les parcours manquants sur la base d’algorithmes, les outils suivant cette approche offrent donc une donnée moins précise. 

 

 

 

• Digital Analytics

 

Fonction première : Mesure de l’audience sur site et sur app (média et UX)

 

Outils disponibles : Google Analytics, Adobe Analytics, AT Internet, Piwik, Amplitude 

 

Méthodes de matching : Connecteur natif (ex. Google Analytics et Salesforce), import de données (injections de données via API ou Tracking back-office / measurement protocol GA)

 

 

Avantages	Inconvénient
Cette solution permet de mesurer précisément la portée et la performance de vos campagnes marketing avec un niveau de granularité important : landing pages enchère ciblage, campagnes publicitaires. Elle s’avère simple d’usage pour les équipes opérationnelles marketing et s’interface nativement avec des solutions de data visualisation ce qui en fait une très bonne solution “quick win”.	Cette approche est difficilement scalable, la maintenance s’avère complexe côté import de données / maintien du matching, notamment lorsque la solution Analytics ne comporte pas de connecteur natif pour récupérer les données CRM.

 

 

 

• Solutions publicitaires Walled Garden

 

Fonction première : Activation de la donnée au sein de la plateforme publicitaire

 

Outils disponibles : Facebook Analytics et Google Ads Data Hub

 

Méthode de matching : Import de données via API et Algorithmes

 

Avantages

Inconvénients

Ces solutions offrent une réelle plus-value dans le ciblage publicitaire. Elles permettent de mieux mesurer l’impact des campagnes sur les ventes physiques, d’activer des audiences sur la base de comportements en magasin et d’exclure des campagnes les audiences ayant converti.

La raison d’être de ces solutions porte sur la valorisation de leurs propres espaces publicitaires. Elles facilitent ainsi le pilotage sur leurs inventaires respectifs. Le champ d’activation se limite donc aux inventaires de la plateforme Facebook ou Google. De plus, elles ne permettent pas l’accès aux données granulaires, ce qui restreint le champ d’application à l’analyse de la performance des campagnes.

 

 

 

• DMP / CDP :

 

Fonction première : Activation multicanale via la réconciliation des données 1st, 2nd et 3rd party

 

Outils disponibles : Salesforce, Oracle, CommandersAct, Eulerian, Weborama, Ysance, Adobe, Mediarithmics 

 

Méthode de matching : Clé de réconciliation / PII (Personal Identifiable Information) ou cookie 

 

Avantages

Inconvénients

Une DMP permet l’unification de données historiquement organisées en silos : Analytics, CRM (first party), partenaire (second party), publicitaire (third party) à des fins de ciblages publicitaires étendus. Le croisement des données multi sources offre un suivi très fin des parcours prospects et clients, online et offline. La pression marketing peut-être mieux gérée et les ciblages sont plus pertinents qu’avec une plateforme publicitaire traditionnelle.

Le déploiement d’une DMP ou d’une CDP est relativement complexe et nécessite des ressources importantes pour être pleinement exploité. Un travail important est à prévoir sur la taxonomie, point névralgique de la DMP. Ces projets sont coûteux et le ROI n’est pas toujours au rendez-vous.

NB : On notera que la frontière entre DMP et CDP est mince, la plupart éditeurs de solutions proposent une approche combinée.

 

 

• Data Lake / Data Warehouse

 

Fonction première : Centralisation des données issues de différentes sources, constitution d’un patrimoine data

 

Outils : Google Cloud Platform, Amazon Web Services,  Microsoft Azure 

Méthode de matching : Clé de réconciliation ou PII (Personal Identifiable Information)

 

Avantages	Inconvénient
Ces outils permettent la centralisation et le stockage de données issues de multiples sources. Le Data Lake stocke des données brutes, non transformées tandis que le Data Warehouse stocke des données structurées et nettoyées. Ces solutions offrent une grande latitude dans l’agrégation, l’unification et le traitement des données. N’importe quelle Datasource peut y être connectée.	La mise en place et l’exploitation d’un Data Lake ou d’un Data Warehouse nécessite une expertise en Data Engineering encore trop rare dans les organisations. Ce métier étant assez récent, la compétence se fait rare sur le marché.

 

• Data Onboarding / CRM Onboarding

 

Fonction première : Activation de la donnée CRM sur le digital 

 

Outils : Liveramp, Temelio, Graphinium et Squadata.

 

Méthode de matching : ID digitaux (générés à partir de PII)

 

Avantages	Inconvénients
Une solution de Data Onboarding (ou CRM Onboarding) permet l’exploitation de données CRM sur le digital afin de personnaliser l’expérience utilisateur on-site et de mieux cibler les campagnes publicitaires grâce à une meilleure segmentation, l’exclusion des clients des campagnes d’acquisition ou la réactivation des clients inactifs.	Néanmoins l’activation de la donnée se fait au travers de plateformes tierces (DSP, DMP ou autre plateforme média). Une solution de Data Onboarding ne permet donc pas la constitution d’un patrimoine data étant donné que le matching de donnée se fait via un réseau de partenaires temporaires.

 

Il est donc indispensable que l’annonceur mette en place un dispositif de collecte de données afin de construire une relation online pérenne et personnalisée avec chacun de ses clients.

 

Comment choisir le bon outil ?

 

L’arbitrage, parmi les différentes approches présentées ci-dessus, doit se faire selon plusieurs critères. Les parcours client, les besoins d’analyse et les cas d’usages d’activation de la donnée, les outils à connecter entre eux et le niveau d’ambition sont autant de facteurs à prendre en compte. 

 

Les parcours clients :

 

Ils définissent les points de contact et les actions marketing à mettre en place pour délivrer la meilleure expérience omnicanale possible. Il existe plusieurs catégories de parcours :

 

• web-to-store : également appelé ROPO (Reasearch Online, Purchase Offline) désigne les parcours selon lesquels le consommateur effectue une recherche sur le web avant d’effectuer son achat en boutique.

 

• web-to-call : désigne les parcours démarrant sur le digital et aboutissant à une contractualisation accompagnée par un téléconseiller.

 

• web-in-store : désigne les parcours en boutiques enrichit par le digital (ex : conseiller virtuel, recommandation de produits similaires, promotion, etc.)

 

• store-to-web : désigne les parcours en boutique aboutissant à une vente en ligne. 

 

 

Les besoins d’analyses et d’activations de la donnée :

 

Ils sont au coeur de votre stratégie digitale et data et conditionnent eux aussi le choix de la solution. On distingue deux grandes familles besoins, une première orientée branding, la deuxième centrée performance :  

 

• Accroître la notoriété de la marque : En générant du trafic qualifié en magasin par le biais de mécaniques drive-to-store par exemple, ou sur le digital avec des mécaniques web-in-store.

 

• Augmenter les ventes ou le ROI : En ayant la capacité de suivi et le contrôle des parcours omnicanaux (campagnes, points de contacts online et offline) le tout rattaché aux ventes finales.

 

L’ensemble de ces éléments permettront infine de définir quelles sont les sources de données à connecter entre elles. Il faudra ensuite prendre en considération l’écosystème data déjà en place pour faciliter les réconciliations. Une société exploitant une suite de solutions Analytics / Media / CRM Google, Adobe ou autre aura fort intérêt à capitaliser sur une solution de réconciliation du même éditeur pour tirer le plein potentiel des fonctionnalités offertes et des inter-compatibilités natives facilitant le travail de déploiement. 

 

Le dernier point important à prendre en considération dans cette équation, est le niveau d’ambition et la maturité data des équipes pouvant varier selon que l’approche envisagée. Selon que le besoin soit court-termiste et ROIste ou à contrario que l’on veuille bâtir un patrimoine data s’inscrivant dans une stratégie d’entreprise de long terme, la solution à retenir varira et l’équipe en charge de son exploitation aussi.

 

Quels sont les impacts organisationnels ?

 

La convergence des données hétérogènes implique de casser les silos pour mettre en place une organisation centrée client. Ainsi, les mécaniques de pilotage doivent être revues en favorisant le suivi de KPIs et d’objectifs transversaux aux métiers. 

 

Les objectifs sont trop souvents organisés par canal de vente (digital, boutique, call-center, etc.) et ne sont pas partagés entre les directions concernées ce qui crée des incohérences dans les actions prises et nuit à l’expérience client finale.

 

Par exemple : Pour des entreprises où les principaux parcours seront de type web-to-store (secteurs de la banque, de l’assurance ou encore de l’immobilier) la consolidation des données online/offline doit s’accompagner de nouvelles règles de pilotage. 

 

Avec une vision des parcours omnicanaux , les équipes acquisition digitale ne se focalisent plus uniquement sur le volume de leads générés depuis le digital. Elles mesurent également la qualité de ces derniers, leurs taux de conversion et elles pilotent toutes leurs actions en suivant ces critères. Ainsi, l’équipe commerciale ne perd plus de temps à trier les leads, elle gagne en efficacité sur ses ventes et le business de l’entreprise s’en porte mieux. 

 

Côté client, cela se traduit par une meilleure expérience, un gain de temps. Le client ne se retrouve pas en boutique face à un commercial lui proposant des services ou produits ne répondant pas à son besoin et il garde une bonne image de la marque qui a fait l’effort d’écoute pour pré-qualifier son besoin.

 

Le mot de la fin 

 

Mesure du ROI, analyse des parcours ou hyperpersonnalisation de l’expérience client sont tant de possibilités offertes par la réconciliation des données online et offline. 

 

• On distingue deux grandes familles d’outils sur le marché :

• Les solutions d’analyse  
• Les solutions d’activation

 

Les solutions d’analyses sont souvent complémentaires à des solutions d’activation (ex. : DMP et DataLake, Analytics et CRM Onboarder). Il n’existe pas de solution parfaite dans les deux domaines et un couple d’outils s’avère souvent être un bon compromis.  

 

Certaines solutions très spécialisées vont répondre à des besoins spécifiques, d’autres suivent une approche multicanale, comme en témoigne le graphique ci-dessous :

 

 

 

 

Le choix du bon outil se fait selon plusieurs critères : 

• les parcours client
• les besoins d’analyse
• les cas d’usages d’activation de la donnée
• les outils à connecter entre eux 
• le niveau d’ambition de l’entreprise sur le sujet. 

 

Pour les entreprises qui envisagent la constitution d’un patrimoine data, le Data Lake ou le Data Warehouse seront les solutions à envisager. Ces données agrégées et centralisées serviront de socle pour vos analyses et vos campagnes d’activation. Il relève alors de la stratégie d’entreprise, ce qui implique un mode de management et une organisation centrée client.