JDNet Solutions: comment situer le CRM analytique dans toute la galaxie d'outils et de modules de gestion de la relation client ?
Françoise Fogelman-Soulié: Dans le CRM, les deux parties sont le front-office et le back-office. A l'intérieur de la partie front-office, on retrouve l'ensemble des canaux de contacts (web, centres d'appels, courrier, SMS...) ainsi que le CRM opérationnel qui comprend les éléments liés à la gestion de campagne, à l'automatisation des forces de vente et à la gestion du site web. Le back-office, de son côté, comprend d'une part les éléments de l'ERP et de l'autre le CRM analytique.

Les composants du CRM analytique sont d'abord la base de données, le datawarehouse clients/prospects. Puis interviennent un certain nombre d'éléments qui permettent de procéder à du reporting, à de l'analyse simple et de l'analyse multi-dimensionnelle. Enfin, entre les partie front-office et back-office, nous avons un bloc charnière qui intègre le CRM collaboratif et toute la gestion des partenaires.

Quand nous regardons les différentes étapes d'un projet de constitution CRM, une fois que les différents modules sont identifiés, il faut se demander de quelle façon l'on doit mettre en place le produit. Ces étapes sont au nombre de quatre: 1. enregistrer les informations, 2. les analyser, 3. les enrichir, et 4. les exploiter. Le CRM analytique correspond aux trois premières étapes.

Quels est le détail de ces trois premières étapes ?
Pour décliner les grandes catégories, nous allons nous caler sur un processus.

1. La phase d'enregistrement correspond à la collecte de l'ensemble des informations sur les prospects et les transactions à partir de toutes les sources dans la société. Ce sont les différentes bases de l'entreprise mais aussi celles des distributeurs et des partenaires, des éléments qui proviennent des revendeurs, des données des sites web (cookies, tags, fichiers log...), des informations en provenance des centres de contacts et toutes les sources possibles et imaginables. Lorsque l'on effectue des analyses de type data mining, elles produisent aussi des informations que l'on va intégrer dans le serveur de l'entrepôt de données. Ces informations sont en général celles des retours de campagnes et du service après-vente. Le but est d'obtenir une vision transversale de l'entreprise, qui soit multi-départementale. Tous les départements doivent partager cette information au travers d'une vision multi-canal pour en obtenir une vue cohérente.

Cette première étape critique peut occuper jusqu'à 60-70 % de la durée d'un projet quel qu'il soit. C'est une phase très importante en temps et en coûts, mais sa qualité va conditionner le reste. Dans l'information collectée, il y a aussi des données qui vont s'enrichir petit à petit. Plus elle est sophistiquée, plus l'information aura de la valeur.

2. La phase d'analyse concerne le datawarehouse (entrepôt de données) et la mise en place des KPI (indicateurs de performance clefs) pour le suivi de l'activité. Dans le centre d'appels, c'est le nombre moyen d'appels par minute, et chez les vendeurs c'est le nombre de visites par jour. Une fois que les KPI ont été définis, il faut les travailler avec une orientation très métier et de haut niveau. Pour cela, il faut prendre les outils du marché qui permettent de mettre à disposition des indicateurs dans des rapports prédéfinis ou des rapports dynamiques multi-dimensionnels. Il faut être capable de mettre un ensemble de rapports à la disposition d'un ensemble de départements. Quand le datawarehouse est mis en place avec toutes les informations transversales, il est enfin possible d'obtenir la vision transversale, avec comme but le pilotage et le suivi de l'activité.

Dans cette phase d'analyse, l'entreprise obtient une vision comptable, historise, regarde ce qui s'est passé et constate les dégâts, c'est-à-dire le passé. C'est vraiment l'outil de tous les jours pour suivre ce qui se passe, par exemple dans un contexte comme celui des campagnes marketing.

3. La phase d'enrichissement va plus loin car elle permet d'élaborer des connaissances sur le client qui vont permettre de réagir par rapport à lui. Quelle est la valeur de ce client ? A qui faire cette offre-là ? A quelle catégorie envoyer mon mailing pour maximiser le taux de retour ? Peut-on prévoir que ce client va passer à la concurrence ? Ici, l'on retrouve toute la notion prédictive, en essayant de prévoir le potentiel d'un client. Pourquoi ce client a-t-il bien répondu à ma campagne ? Quelles sont les caractéristiques de ce client qui répond ? Mais aussi: quelles sont les caractéristiques du fraudeur ? Dans l'assurance, celui-ci aura souvent une voiture rouge. Ici, l'essentiel de l'analyse s'appuie sur du data mining qui permet de segmenter les clients. L'entreprise va alors estimer des valeurs clients pour prévoir qui a le plus fort potentiel. Elle va calculer des scores d'appétence.

L'entreprise dira : "Je sais à quel point vous êtes intéressé par mon produit et je veux bien vous faire une promotion". Ou alors: "Je vous invite à tel événement qui coûte cher car vous êtes bon pour acheter mon produit". Pour cela, "j'utilise les informations de ma base de données pour prévoir en vous donnant une note, et si vous avez 99 % vous êtes intéressant alors qu'un autre aura seulement 2 % de chance d'être invité".

Comment passe-t-on à la dernière étape, celle de l'exploitation ?
Là, l'entreprise a compris que son centre d'appel dormait, que ses vendeurs n'effectuaient pas assez de visites, et elle lance des actions. Si elle est un opérateur, elle contacte tous les individus qui ont un taux de churn très élevé à travers son centre d'appels. Les bons clients reçoivent une heure de communication gratuite sur leur destination préférée, ou alors l'opérateur leur offre un nouveau mobile. Mais ces clients sont ceux qui conjuguent le plus fort risque et la plus forte valeur potentiels. Ensuite, en descendant la liste des scores, ceux qui ont 60 % de chances de partir à la concurrence reçoivent un mail avec une petite promotion. Grâce au CRM analytique, l'entreprise fait des offres personnalisées et ciblées.

Beaucoup d'éditeurs proposent des solutions de CRM analytique. Quelle est la typologie de ces acteurs ?
Ils proviennent des trois mondes : celui du CRM pur, celui de la business intelligence et celui des ERP. Ensuite, certains acteurs selon le schéma front-office / back-office sont plus d'un côté ou de l'autre. Le bon concept est celui du best-of-breed, c'est-à-dire les acteurs de niche en opposition à l'éditeur qui couvre l'ensemble avec sa solution.

Commençons donc par les acteurs qui tentent de tout couvrir... ?
Oracle a sa base de données, puis sur la partie analytique Discoverer en reporting et Express pour OLAP, et enfin Darwin du côté data mining. En front-office, cet éditeur a développé tous les modules. Mais contrairement à des idées reçues, Oracle vient du monde de la business intelligence et pas des ERP. Il s'appuie sur un socle en béton armé et propose ensuite une offre front-office qui se surajoute aux modules en dessous. Oracle est typiquement l'acteur qui vient de la business intelligence et qui couvre tout.

De ce côté-là, l'on peut également citer SAS qui vient de la business intelligence avec du reporting et de l'analyse OLAP, et qui est le leader dans le domaine du data mining. Aujourd'hui, il rentre dans le front-office avec l'acquisition d'Intrinsic spécialisé dans la gestion de campagnes. Ensuite, SAS a encore quelque chose à dire sur le front-office web, mais pas sur l'automatisation des forces de vente ni sur les centres d'appels. Pour l'instant du moins.

Enfin, il ne faut pas oublier SAP et PeopleSoft, qui viennent de l'ERP. Le second, à travers l'outil Vantive, couvre la totale du front-office et du back-office, et tisse des alliances avec d'autres acteurs comme Hyperion pour la partie multi-dimensionnelle.

Ensuite, ceux qui viennent de la gestion de la relation client au sens strict... ?
Siebel vient du front-office et est excellent dans ce domaine. Il possède sa propre base de données qui à l'origine était un peu d'Oracle et de DB2. Et Siebel se dit: pour la partie analytique, comment je procède ? Cet éditeur tisse donc des alliances avec Business Objects pour le reporting et Hyperion pour la partie OLAP. Mais finalement, il ne dit pas grand chose en terme de data mining, sauf peut-être quelques accords avec des sociétés comme KXen et Data Distilleries.

Siebel propose ses propres modules de reporting mais dit à l'entreprise que si elle en veut plus, son produit est intégré avec des éditeurs qui fournissent du reporting pointu. Maintenant, il faut voir les annonces par rapport à la réalité du terrain. Dans le même ordre d'idée, citons Selligent qui couvre tout le front-office mais s'intègre à d'autres sur la partie analytique.

Maintenant, voici un dernier exemple qui vient d'arriver sur le marché. Epiphany vient du front-office où il se concentre sur la gestion de campagnes, mais a complètement intégré la partie data mining. Il dispose aussi de modules pour le web et les centres d'appels, mais son optique est la gestion de campagnes. Chez cet acteur, le front-office prédomine mais un bout de back-office l'intéresse aussi. D'une manière générale, tous les éditeurs de CRM front-office ont des outils de reporting, mais si l'on compare avec ceux de la business intelligence il n'y a pas photo.


Voir la seconde partie de l'entretien