Big data quels usages concrets pour le marketing BtoB
1 j'aime1,638 vues
Le document présente les discussions d'un petit déjeuner conférence sur l'utilisation du big data dans le marketing B to B, soulignant l'importance d'une approche analytique plutôt qu'intuitive. Les entreprises doivent adopter une micro-segmentation pour mieux cibler leurs clients professionnels, qui se comportent comme des consommateurs B to C, tout en précisant les indicateurs clés de performance pour guider leur stratégie. Enfin, il est crucial de combiner les données externes sur les clients avec des informations internes pour maximiser l'efficacité des campagnes marketing.
Big data quels usages concrets pour le marketing BtoB
- 1. octobre 2014 6 « Big Data : quels usages concrets pour le marketing B to B ! » Retour sur le p’tit déjeuner conférence |
- 2. octobre 2014 6 Souvent assimilé au seul Business to Consumer, l’approche Big Data est tout aussi pertinente dans une logique Business to Business. Tel était le thème du 6ème Data Breakfast de Zebaz qui s’est tenu à Paris le 16 octobre 2014. Voici un compte-rendu de ce petit déjeuner animé par Thierry PICARD. Cet expert des techniques d'exploitation du Big Data appliquées au Marketing est directeur général de SPIKLY, agence digitale du groupe KEYRUS. Retour sur le p’tit déjeuner conférence | INTRODUCTION
- 3. MARKETING ET BIG DATA… QUELQUES ÉLÉMENTS DE RÉFLEXION #1 L’approche marketing basée sur la data exige plus de méthode que d’intuition. C’est ce qu’on appelle le « test and learn » : apprendre et interagir avec les données, afin de bâtir progressivement une interprétation – et non une intuition – du comportement consommateur. Retour sur le p’tit déjeuner conférence | Kotlériennes, Proctériennes, etc… Ces méthodes marketing sont devenues obsolètes, car elles ne permettent plus d’appréhender toute la complexité du consommateur. A la différence du Big Data, elles peinent notamment à percevoir les nombreux signaux faibles envoyés par ces derniers. La data pour quoi faire ? Beaucoup d’entreprises se posent cette question et la réponse est plurielle : réduire ses coûts d’acquisition, limiter l’attrition, réactiver des bases clients dormantes, définir une segmentation client associée à des comportements. Si on ne sait pas quoi chercher grâce à l’analyse des datas, on ne trouve rien. Il est totalement inefficace de commencer par recueillir des données, puis de voir ensuite ce qu’il est possible d’en retirer. L’analyse des datas ne sert pas à comprendre pourquoi le consommateur a tel comportement. On cherche plutôt à définir des corrélations permettant de détecter que le consommateur a tel comportement lorsqu’il est soumis à tel insight. L’analyse des datas conduit bien souvent à faire voler en éclat les certitudes et les intuitions sur les consommateurs. En comparaison, les outils traditionnels du marketing (panels, études, segmentation, etc.) montrent toutes leurs limites.
- 4. - B to C ou B to B, le client professionnel est aussi un consommateur comme les autres. Dans les deux configurations, il attend la même richesse d’expérience utilisateur. - De plus, même si les plateformes où se récupèrent les données le concernant varient (ex. plutôt Linkedin que Facebook), il développe le même type de comportements qu’en tant que consommateur B to C. - Seule véritable spécificité : les données comportementales intéressantes pour l’analyse de datas seront différentes de celles recueillies auprès d’un consommateur grand public. Retour sur le p’tit déjeuner conférence | QUELLE PARTICULARITÉ POUR LE DATA MARKETING ORIENTÉ B TO B BIG DATA #2
- 5. LES CLÉS DU SUCCÈS D’UNE DÉMARCHE DE DATA-MARKETING Pour tirer parti de toute la richesse des données recueil-lies dans un environnement B to B, il convient d’établir une micro-segmentation au sein d’une même cible. Cela permettra ensuite d’entrer en interaction de manière moins mass-média avec les cibles. (Ex. d’interaction plus fine qu’en B to C : utilisation de leur vocabulaire profes-sionnel, réponse à des questions posées par les cibles sur les plateformes, participation aux commentaires d’un blog, etc.). Certes plus chronophage qu’une campagne de presse ou d’achat de mots clés, cette démarche est aussi plus efficace. Moins nombreux mais beaucoup mieux qualifiés, les leads récupérés déboucheront sur des taux de trans-formation puis de fidélisation nettement supérieurs. (Ex. une micro-segmentation bien menée permet de connaître l’horaire auquel envoyer un mail à cette micro-cible). Plus le comportement de la micro-cible étudiée est seg-mentant, mieux on capitalise sur les datas recueillies. En fonction de la nature de ces leads et de l’objectif commer-cial spécifique, la finesse des informations permet alors de mettre en place divers scénarios d’approches. On peut aussi prévoir des interactions différentes en fonction du « moment de vie » du lead (s’il change de fonction au sein de l’entreprise, s’il change d’entreprise, etc.) Attention… La finesse des informations recueillies sur une micro-cible est telle que le prescripteur risque de céder à la tentation d’en savoir toujours plus. Si impressionnante soit elle, cette richesse de détails ne doit donc jamais faire oublier la raison pour laquelle l’investissement Big Data a été engagé. Afin de ne pas tomber dans ce travers d’une curiosité insatiable, il est pertinent d’établir en amont des indicateurs clés de performance. #3 Retour sur le p’tit déjeuner conférence |
- 6. LES CLÉS DU SUCCÈS D’UNE DÉMARCHE DE DATA-MARKETING Retour sur le p’tit déjeuner conférence | #3 (ex. Quel est mon ROI précis au bout de 3 semaines de campagne ? Qu’est ce que j’ai appris de précis sur telle cible ? Est-ce que la nature des données récupérées me permet de remonter jusqu’au nom des entreprises à contacter ? Etc. ) Avant d’engager son investissement, il est également opportun de s’interroger sur le niveau d’accessibilité aux données recherchées, sur le coût lié à cette récolte, et enfin sur les compétences (data, analytiques, conseil, tech-niques et architecturales) nécessaires au bon déroulement de la mission. Une fois la connaissance acquise à l’aide de l’analyse des datas, la seconde phase consiste à définir le parcours type du lead (par quel biais il recherche un produit/service ; comment compare-t-il les différentes offres en concur-rence ; utilise-t-il les réseaux sociaux pour partager ses points de vue à propos de ses fournisseurs ; par quel canal probable va-t-il entrer en interaction avec moi pour deve-nir client ; etc.) Autre type de question à se poser en parallèle : puis-je monétiser d’une manière ou d’une autre toute cette richesse d’informations accumulée sur ma cible ? (ceci afin de générer un revenu complémentaire, ou tout simple-ment pour financer l’investissement lié à sa campagne Big Data). Dans une logique d’interprétation des données recueil-lies, il convient enfin de les mixer avec vos propres don-nées en interne sur votre cible. (Exemple d’association de deux types d’infos : 1. un commentaire laissé par X sur un blog de votre secteur, 2. Votre propre historique de vente avec X).
- 7. #3 EN CONCLUSION La démarche qui vient d’être présentée est avant tout un « proof of concept », permettant de vérifier le bénéfice commercial d’une telle action. Son industrialisation Big Data peut bien sûr requérir des investissements plus couteux dans des infrastructures techniques. En fonction des moyens financiers à sa disposition, il existe deux types de technologies : - des solutions pré-développées pour un type de marché ; - des outils sur mesure forcément plus onéreux mais donnant accès à une plus grande finesse d’informations. Retour sur le p’tit déjeuner conférence | Retenons toutefois que la technologie est un moyen et non une fin…
- 8. octobre 2014 6 Crédit photo : Freepik.com Le p’tit déjeuner Conférence www.zebaz.com | 01 81 800 502