Annonceurs, les bons réflexes pour votre stratégie data 1st party
Les spécialistes de la collecte et revente de données rencontrent de plus en plus de difficultés avec les restrictions imposées par les navigateurs. Et pour continuer à mettre en place des campagnes ciblées, certains annonceurs n'ont pas d'autre choix que de se recentrer vers leur propre actif : la donnée 1st party. Sans doute un mal pour un bien puisque la donnée 1st party d'un annonceur est la plus qualitative qui soit. Sous réserve, toutefois, de savoir comment s'y prendre pour la collecter, la segmenter et l'activer correctement. Petit guide de survie avec Ludovic Moulard, head of analytics et conversion rate optimization, au sein de l'agence fifty-five.
Référencer ses données
Avant de lancer les grandes manœuvres, il est indispensable d'auditer les données dont vous disposez et d'isoler celles qui sont exploitables. Prenons l'exemple le plus basique, celui d'un annonceur qui a une présence digitale, à travers un site et des applications. "Il doit s'intéresser en premier lieu aux données analytics qu'il récolte via ces environnements et s'assurer que le marquage du site est encore à jour", recommande Ludovic Moulard. Cela permettra de répondre à des questions telles que "Quel niveau de granularité ont ces données ?" ou "Est-ce que vous pouvez les utiliser facilement ?" Le raisonnement vaut pour l'ensemble de vos outils (marketing automation, emailing, CRM, business intelligence…) qui s'apparentent parfois à un patchwork des briques peu inter-opérationnelles. "Il peut parfois être nécessaire de tout remettre à plat pour partir sur de bonnes bases, note Ludovic Moulard. Si les données sont mal structurées, vous pourrez obtenir des résultats faussés."
Définir un langage commun
Dans cette phase d'audit, il est également indispensable de s'assurer que toute donnée extraite est compréhensible de tous. En clair, que tout le monde a les mêmes référentiels. Prenons le cas d'un acteur de l'assurance dont les nouveaux contrats sont généralement souscrits par téléphone ou en agence. "Si la définition d'une souscription est différente chez l'agence et chez le call center, ça va être compliqué de réconcilier les données", pointe Ludovic Moulard. D'où l'importance de mettre en place un langage commun, pour faire en sorte que le terme de "produit" recouvre la même réalité chez les départements achats, logistique et marketing. Les entreprises les plus matures ne devront pas hésiter à mettre en place un référentiel client unique, RCU, pour disposer d'une vision unifiée et exhaustive du client. Pour y arriver, il vous faudra désiloter et fusionner les bases de données existantes dans vos outils de type DMP, marketing automation ou social media.
Embarquer ses équipes dans le projet
La réussite d'une stratégie data 1st party repose sur la technologie… mais aussi l'humain. Ludovic Moulard rappelle "l'importance des compétences et des systèmes d'organisation dans un sujet aussi structurant". Il faut pour cela détecter les silos qui freineront la bonne marche de votre projet. Ludovic Moulard égrène la liste des questions à se poser : "Est-ce que vos départements se partagent les données et, si oui, est-ce que chacun comprend les indicateurs du voisin ? Est-ce que chacun tend vers les mêmes objectifs et si oui, sur la base de quels indicateurs ?" Une réflexion qui vaut autant pour votre organisation interne que pour l'écosystème qui gravite autour : prestataires, franchisés, réseau d'agence, call centers et agences partenaires.
Bien structurer son organisation
La data étant un sujet transverse, vous avez deux options pour piloter vos projets. Vous pouvez vous appuyer sur une équipe data qui s'assure du liant entre les différentes équipes ou sur un porteur de projet data présent dans chaque équipe, chargé de travailler avec les référents des autres équipes. "Tout dépend de la maturité de l'entreprise, analyse Ludovic Moulard. La première organisation est propice aux entreprises qui manquent de compétences sur le sujet." Pour réussir sur le long terme, il vous faudra toutefois faire en sorte que ces compétences arrivent dans toutes les équipes et donc opter, tôt ou tard, pour la deuxième organisation. "Il est indispensable de demander à tout ce petit monde d'être en veille active. En matière de data, les choses bougent très vite et il ne faut pas perdre de vue de nouvelles opportunités", recommande Ludovic Moulard.
Identifier les cas d'usages… et les hiérarchiser
"Les impacts business sont toujours compliqués à estimer. Ne perdez pas des heures dans des calculs qui s'avéreront sans doute faux"
"La donnée n'est qu'un moyen. Le besoin métier est capital", rappelle Ludovic Moulard. Vous devez donc identifier les cas d'usage par département. Une fois ces derniers posés, il vous faudra faire des arbitrages, pour choisir sur lesquels vous lancer en premier. Deux critères sont à prendre en compte : l'impact sur le business (nouveaux revenus ou économies réalisées) et la complexité de la mise en œuvre. Ludovic Moulard recommande toutefois de ne pas perdre trop de temps dans vos calculs. "Les impacts business sont toujours compliqués à estimer. Mieux vaut rester dans des fourchettes larges du genre 'faible impact' ou 'fort impact' que de perdre des heures dans des calculs qui s’avéreront sans doute faux." A noter que la complexité de la mise en œuvre peut aussi bien être technique qu'humaine. "Il est parfois plus simple de réussir un projet techniquement complexe avec deux équipes très proches, qu'un autre, moins ardu, mais avec des équipes qui ne partagent rien", remarque Ludovic Moulard.
Data lake, DMP, CDP…. Avez-vous besoin du cloud ?
Pour les entreprises qui veulent s'attaquer à des cas d'usages plus complexes, le cloud est une solution naturelle… mais pas un passage obligé à en croire Ludovic Moulard. "La plupart des outils du marché sont aujourd'hui configurés pour importer et exporter des sources de données hétérogènes et externes", estime notre expert. Reste qu'à un certain niveau d'exigence, ces outils ne suffiront plus. D'où le recours au cloud et au machine learning pour faire de la segmentation et du scoring de bases de données. "La data science va vous permettre de mieux comprendre les performances que vous obtenez en matière de conversion ", illustre Ludovic Moulard. Si le cloud s'impose, il est important de regarder dans le détail les intégrations avec vos solutions existantes. "Elles seront plus ou moins poussées selon les éditeurs, prévient Ludovic Moulard. Un outil comme Google Analytics est particulièrement bien intégré à une solution comme Salesforce Sales Cloud, par exemple."