Web analytics, CRM et Datamining : la trilogie gagnante du marketing relationnel selon Equancy

« Nous l’avons vu en 2011, les directions marketing prennent de plus en plus le leadership sur les activités web. Nous constatons cette approche globale des canaux chez Disney, chez Accor et beaucoup d’autres entreprises.» A ce constat réalisé par Hervé Mignot, partenaire associé de l’agence Equancy, s’en ajoute aussi un autre, le besoin d’analyse de plus en plus sophistiquée des données récoltées par les canaux numériques. Toutefois, les données, qu’elles soient transactionnelles ou issues du parcours client, restent encore mal captées sur le web affirme Hervé Mignot et surtout peu analysées, « Prenez les réservations, les commandes…Elles sont traitées de manière brute, mais ce qui se passe après, par exemple une annulation de commande, est rarement pris en compte. » Un manque lié à la fois à l’absence de croisement des données, mais aussi au peu de maturité des analyses digitales, surtout de la part des entreprises issues du « mortar » pour qui cette pratique reste neuve et souvent réalisée « pour voir » avec des outils peu onéreux. «Très vite, le besoin de croiser les données émergera et les entreprises devront se poser la question d’un rapprochement entre les données issues du web et les autres données de l’entreprise, que ce soit vers l’outil transactionnel ou vers l’entrepôt de données », prédit Hervé Mignot. Un plaidoyer pour la mise en place d’une approche fondée sur un datamining depuis un entrepôt de données global et unifié (datawarehouse) plutôt que la mise en oeuvre des passerelles complexes entre les silos de données.

Cette démarche de datamining permet d’apporter des réponses à des questions classiques du marketing client ? Par exemple « mon site est-il bien organisé pour couvrir tous les types de visites ? » Le datamining permet de segmenter et traiter ce genre de requête : « il suffit de récupérer les visites et de segmenter les comportements les plus similaires. Une technique qui permet d’identifier les raisons de venues sur le site afin de maximiser les visites et l’orientation des internautes, mais aussi de créer du rebond et/ou relancer le client »,explique Hervé Mignot.
La concrétisation de ces analyses doit être tangible et incarnée par une structuration du contenu du site pour chaque visiteur, à l’exemple d’un site comme Amazon dont les 2/3 de la page sont personnalisés. « A l’extrême, on peut imaginer que 2 personnes ne voient pas le même site. Grâce à un moteur de recommandation, il est possible de pousser les stocks à écouler, les préférences clients, mais aussi optimiser l’affichage publicitaire. L’objectif est de créer un modèle itératif en fonction des informations recueillies en temps réel. »

Au-delà de l’analyse, la vraie difficulté et la véritable innovation résident dans la mise en place au sein d’une organisation d’équipes transversales. Une nécessité pour avoir des données unifiées. « Cet alignement est en cours dans la distribution et dans l’hôtellerie. Chez Accor par exemple cela se met en place en liaison avec la direction marketing », détaille Hervé Mignot. Mais cette approche est d’autant plus complexe que les compétences requises pour exploiter au mieux les résultats sont multiples : informatique (pour le plan de taggage entre autres) ; dataminineurs (statisticiens), analystes et « marketeurs digitaux ». En l’absence de compétence unique, les entreprises arriveront, par nécessité, à ce « désilotage » tant vanté par les tenants du 2.0.

Quelle méthodologie pour analyser ses données avec pertinence ?

Hervé Mignot détaille la méthodologie mise en œuvre par Equancy pour recueillir les données à analyser.

1) Nous commençons par définir les objectifs métiers et le déclinons en tagage sur le site avec des KPI. Très souvent nous constatons que le tagage du site est en effet réalisé avec une mauvaise connaissance des objectifs (infos non utiles) pour le web analytics. Donc nous construisons le plan de tagage et les alignons avec les KPI. En parallèle nous assurons l’éducation des équipes sur les web analytics et ce que cela peut rapporter en le croisant avec d’autres types de données (datamining).

 2) Dans un second temps nous définissons les métriques pour les différents KPI mesurant ces objectifs métiers.

3) Ensuite, nous optimisons la dépense en marketing digital (achat de trafic) avec la prise en compte des problématiques de multi-attributions (modèle du last click. Typiquement, une partie de l’audience peut avoir été amenée par une campagne tierce, mais concrétisée sur une recherche directe du site. Cette analyse, permet de bien attribuer des budgets selon la conversion, l’acquisition etc. en prenant en compte l’environnement qui a amené l’internaute avant le dernier clic afin d’éviter de couper une campagne.

4) Search marketing : achat ou non de mots clés avec une analyse fine du trafic généré. Passer d’un niveau basique sur l’analyse à un objectif.

5) Architecture du site en lui-même d’après les analyses de navigation entre les pages, les sections d’après les clusters de visites avec identification des besoins de l’internaute.
Après, nous réalisons une réflexion plus globale sur les recommandations en ligne afin de réexploiter les données pour être plus pertinent auprès du client en termes de recommandation.