A l’heure de l’entreprise 3.0, la segmentation client par CSP remplacée par le Big Data
Avec chaque contact qui devient une expérience à part entière, l’entreprise 3.0 ne doit plus seulement attirer, acquérir et fidéliser les clients mais optimiser l’expérience qu’elle leur propose sur tous ses canaux et médias d’interactions, qu’ils soient directs et intermédiés, digitaux et physiques.
Aujourd’hui et demain plus encore, l’entreprise ne doit plus seulement chercher à vendre un produit mais à satisfaire d’abord un besoin en marketant intelligemment son savoir-faire et son expertise. Pour ce faire, elle doit faire en sorte d’interagir régulièrement avec ses parties prenantes avec pour objectif de faire évoluer les interactions en conversations via du crowdsourcing, et de façon subtile (via de l’in-bound marketing) ou ludique (via de la gamification). Ce lien se veut désormais plus intime et plus fréquent et son analyse doit se faire de façon prédictive et plus précise pour ne pas gérer d’insatisfaction ou de communication erronée. A défaut, l’entreprise risque de rater le primo-objectif qui reste de transformer tout visiteur en client et de fidéliser chaque client, à minima ceux qui présentent le plus d’attrait.
La conséquence directe est qu’il devient impératif de coller au comportement individuel, d’opérer un profilage en temps réel à un grain suffisamment fin pour adapter de façon optimale le scénario d’interaction proposé, d’anticiper les actions et de devancer les besoins de l’individu en relation avec l’entreprise, visiteur, prospect ou client. Tous les signaux captés, même les plus faibles, deviennent importants.
Pour ce faire, on ne peut plus se contenter des traditionnelles visions à 360° (identité, catégorie socioprofessionnelle, lieu de résidence, données budgétaires, équipements produits/services, situation personnelle, patrimoniale, professionnelle, loisirs/centre d’intérêt, projets…) ni des analyses de risque (défaut de paiement, interdit bancaire, antécédents…) pour segmenter et scorer le client. Il faut passer d’une segmentation de masse à une micro-segmentation affinée en continu et basée sur une vision holistique, multicanal et sociales d’informations qui vont au-delà des données traditionnelles client.
La valeur client ne se situe plus seulement dans sa rentabilité vis-à-vis de l’entreprise mais dans sa valeur globale vis-à-vis de l’entreprise et la performance de la relation client se mesure sur l’ensemble de l’expérience vécue par le client avec l’entreprise, y compris au travers de ses intermédiaires et partenaires.
Une évolution qui nécessite que la segmentation client intégre de nouvelles masses de données pour comprendre finement ce qui pilote la logique d’achat et plus globalement son comportement et son attitude. Il faut comprendre sa sphère d’influence, son leadership d’opinion, son aptitude à devenir ou non un ambassadeur de la marque. Il faut connaître son graphe relationnel, savoir avec qui et avec quoi il est connecté. Il faut pouvoir opérer un voyage dans le temps entre ses actions d’hier, d’aujourd’hui et anticiper celles de demain.
C’est là qu’intervient le Big Data en renfort aux méthodes traditionnelles de segmentation client. Il sert à croiser à la volée des données opérationnelles (data in use, data in motion) et historiques (data at rest) de toute nature : contextuelles, transactionnelles, conversationnelles, sociales, structurées et non-structurées, internes et externes. Des informations dont la variété, le volume et la vélocité explosent mais dont la valeur et la véracité sont incertaines.
Cette évolution des méthodes marketing impose de redéfinir la valeur client. En effet, il faut permettre au client d’accéder à l’ensemble des informations détenues par l’entreprise et l’autoriser à les modifier selon des processus qui en garantissent l’intégrité. Une tâche qui peut se révéler ardue selon le niveau d’intégration de l’entreprise puisque que l’information client peut se retrouver distribuée entre de multiples acteurs en cascade : l’entreprise, ses distributeurs et ses fournisseurs. Il faut également permettre à l’ensemble des métiers de tirer parti de cette manne d’information opérationnelle et historique, la décloisonner entre les lignes métiers et offrir des capacités d’investigation à la demande, de puissants outils d’accès, de recherche, d’interrogation et de visualisation de ces Big Data.
