Donnez votre avis
February 21, 2018

Big Data et transformation digitale : la connaissance client

Posted by Bertrand Duperrin

Au cœur des stratégies Client Centric actuelles, le Big Data est, ou devrait être, car la France est encore à la traîne, un outil central de connaissance client permettant à l’entreprise de s’assurer d’une réceptivité maximale du message qu’elle envoie à un client donné.

Voici quelques clés pour mieux comprendre comment le Big Data intervient dans votre connaissance client  :

  • Collecter les données ! Elles sont là, il n’y a qu’à se servir (ou presque*)

Le volume de données accessibles à l’entreprise est aujourd’hui énorme. Vous devez commencer par faire le point sur les données que vous avez déjà en stock. Trop peu d’entreprises recoupent les données déjà acquises et notamment les données acquises offline et celles online. Vous pouvez ensuite configurer des outils permettant la collecte de nouvelles données : newsletter, livre blanc, questionnaire, jeu concours…

Il est aussi possible de les recueillir grâce à l’analyse des conversations à l’aide d’algorithmes consistant à reconnaître les mots, les phrases, le rôle grammatical de chaque mot ainsi que leur sens et les liens entre eux.

Pour organiser les données collectées, la mise en place d’un entrepôt de données (Data Warehouse) pourra s’avérer nécessaire. Près de 15% des moyennes et grandes entreprises basées en France sont désormais équipées d’une plateforme pour assurer le traitement de gros volumes de données, contre 8% en 2016. C’est encourageant mais à condition de s’en servir.

  • Recueillir la data c’est bien, savoir la faire parler c’est mieux

L’installation d’outils d’extraction et d’analyse de ces données est une chose, leur traitement en est une autre. Pour traiter ces données, il faut les qualifier. C’est à ce moment que le Big Data se transformera en Smart Data, des données intelligentes, ou plus exactement actualisées et exploitables. Les méthodes de qualification sont variées et dépendent évidemment de votre activité. L’enjeu étant de définir vos différents profils de client et ainsi de pouvoir s’adresser à eux de manière personnalisée. La qualification des données dans un environnement B2B peut passer par le numéro SIRET de vos clients qui permet d’obtenir pléthore d’informations sur une société. Dans un environnement B2C, la qualification est à travailler en lien avec votre activité, vos produits et leurs spécificités. A ce stade nous sommes sur une analyse de la data qui permet de mieux cibler vos clients. C’est déjà très bien mais le Big Data offre encore davantage de perspectives ; et notamment celle de pouvoir prédire les comportements.

  • Prédire le comportement de vos clients, le Graal derrière le Big Data  

Il ne suffit plus de connaitre les goûts du client à une caractéristique du produit et/ou du service, il faut savoir réagir à des comportements changeants. Là où il devient impossible de prévoir, intervient l’analyse prédictive. Le traitement des données au travers d’outils qui s’appuient sur l’intelligence artificielle (Machine Learning puis Deap Learning) promet d’être en mesure d’anticiper un besoin avant même qu’il n’apparaisse. Pour cela, le « Machine Learning » analyse les comportements des clients à l’aide de deux outils : le profiling (identifier des groupes de clients au profil similaire) et le scoring (noter les profils selon qu’ils effectuent telle ou telle action). En les combinant, il devient possible d’anticiper les désirs de l’utilisateur, mais aussi à faire en sorte qu’il passe à l’acte d’achat le plus rapidement possible.

Si le Big Data est une évidence dans toute démarche de connaissance client, son utilisation par les entreprises françaises est encore limitée. Plus d’une société sur deux indique une méconnaissance du sujet ou ne pas en voir l’intérêt et près d’une sur quatre pointe le manque de compétences. Il est temps de s’y mettre sérieusement.

 

*dans un prochain article nous ferons le point sur la réglementation européenne qui doit entrer en vigueur début 2018 sur la protection des données.

Comments are closed.