Antoine Riguidel est consultant Data Science SPSS, il travaille pour la partie digitale/expérience client au sein d’une agence de communication. Il accompagne ses clients dans la conception d’études d’identification de besoins marketing et dans la mise en place de stratégies visant à densifier leur activité. Dans cette interview, il répond à nos questions concernant les usages de la Data Science pour le marketing.
Comment utilisez-vous la Data science au quotidien pour vos usages marketing ?
La Data science permet d’identifier de l’information et son potentiel. Quand, comment, et quel message peut-on envoyer à une cible qui ne consomme pas un produit mais qui a un fort potentiel de pouvoir le faire ? En croisant toutes les données et en analysant les comportements des consommateurs, on peut trouver des combinaisons de comportements permettant la mise en place de certaines stratégies d’activation.
Par exemple, grâce à un « welcome process » adressé aux nouveaux clients, on analyse à quel moment il est judicieux d’envoyer le premier message et les suivants. Quels sont, dans le parcours client, les moments clés à ne pas rater ? On sait que le moment clé en début de vie permet, plus tard, d’assurer une fréquence intéressante.
Quelles données sont exploitables et comment les utilisez-vous avec la technologie de Data science IBM SPSS pour le marketing?
Toutes les données fournies par le client sont exploitables. C’est le cas de programmes de fidélité (par exemple, une carte permettant de cumuler et de convertir des points) ou de l’enregistrement de transactions. A partir de ces données, le Datascientist produit des études d’analyses et conçoit des stratégies marketing d’activation.
Nous pouvons prendre pour exemple les fast-foods et leurs programmes de fidélité (cumul de points à convertir selon des paliers, récompenses par des produits). Nous récoltons, via ces programmes, les données nous permettant d’identifier des profils différents, d’identifier des habitudes de consommation et d’élaborer des stratégies pour les contacter au bon moment, avec le bon message. L’analyse des plateaux, via des règles métiers et d’autres, issues d’analyses statistiques, nous permet d’identifier différents profils de clients et habitudes de consommation, et de créer de nouveaux segments d’activation.
Le consommateur communique ses données démographiques (genre, âge…) lors de la création d’un compte mais cela n’est pas obligatoire. Nous exploitons donc peu ce type de données.
Quelles actions marketing pouvez-vous mettre en place grâce à la data science?
Des campagnes marketing, souvent digitales, e-mails, SMS… Pour le lancement d’un nouveau produit, on s’appuie sur les caractéristiques de ce produit afin d’identifier auprès de qui on communique en priorité. On peut mettre en avant le nouveau produit. Cela peut être via une newsletter par exemple, si l’on considère que les contacts ont le potentiel de se transformer, s’ils consomment des produits similaires, de la même gamme. L’objectif est d’aller le plus le plus loin possible dans la personnalisation. Adresser le bon message à la bonne personne au bon moment. Dans un objectif de conquête, il s’agit de créer de nouveaux moments de consommation. Nous proposons des possibilités auxquelles le consommateur n’a pas pensé, en étudiant le comportement de profils qui se ressemblent. On sait que l’offre peut les intéresser potentiellement parce qu’ils ont le même profil.
Mesurez-vous l’impact des actions mises en œuvre ?
En tant qu’agence de communication et de conseil, notre métier est de proposer des solutions à mettre en place à nos clients. Nous mesurons automatiquement l’impact des décisions sur le comportement des clients. On s’assure que les actions sont judicieuses, on rectifie les paramètres qui n’ont pas donné les résultats escomptés. On s’assure toujours de l’impact de l’efficacité des dispositifs que l’on met en place.
Quels objectifs vous fixez-vous à partir de ces études ?
L’objectif général est d’augmenter l’activité, la fréquence, faire entrer de nouveaux clients tout de suite dans un cycle de fréquence, éviter l’inactivité. On met en place des systèmes que l’on mesure et adapte en fonction des résultats. On compare l’activité d’un client avant et après une action marketing/une prise de contact. Nous mesurons également l’activité des personnes n’ayant pas été contactées mais ressemblant aux consommateurs habituels pour évaluer l’efficacité du message.
Comment la Data science et le marketing ont géré la RGPD ?
Toutes les données sont anonymisées : nous ne sommes pas en mesure de rattacher un identifiant à une personne physique. Nous n’utilisons pas de données personnelles.
Nous avons fait un gros travail de conseil auprès de nos clients pour être en accord avec la RGPD sur toutes les bases de données. Les données sensibles, comme les noms ou prénoms par exemple, ont été effacées. Si l’on trouve encore des données personnelles, nous les signalons et supprimons tout de suite. La donnée personnelle permet d’identifier nommément un client. Les habitudes d’achat sont ne sont pas considérées comme des données personnelles car elles ne sont identifiables que sous forme de chaîne de caractères qui n’est pas rattaché à une personne. En revanche, nous pouvons obtenir tous les achats de cette chaîne de caractères. On analyse les paniers pour identifier des habitudes mais il est impossible d’identifier un individu en particulier. »
Découvrir aussi : « Le travail du Datascientist et sa boite à outils : IBM SPSS, Python... »
