Entre le 17e et le 19e siècle, le marketing (ou plus exactement ses ancêtres qui sont la publicité et la promotion des ventes) se basait principalement sur l’intuition. Depuis l’apparition des premières études de marché autour de 1920, il est devenu plus structuré et perspicace.
Mais les données obtenues, bien qu’utiles, n’étaient pas très nombreuses en raison de la charge de travail importante qu’elles impliquaient. Une nouvelle forme de marketing axé sur les données était née. Puis sont apparues les études de marché plus élaborées et l’émergence de George Gallup (auteur de la célèbre méthode statistique de mesure de l’opinion publique), ainsi que d’autres personnes de son acabit. Ils sont à l’origine des prémices de la science des données marketing.
Grâce aux progrès constants dans le domaine des études de marché et de leur analyse, les données deviennent de plus en plus volumineuses, de meilleure qualité, de plus en plus fiables et de plus en plus souvent utilisées par les agences de publicité et les spécialistes du marketing pour prendre des décisions et justifier leurs dépenses et leurs motivations.
Le développement d’Internet auprès du grand public en 1993, ainsi que les progrès rapides de l’informatisation et de la technologie numérique ont à nouveau changé la donne. L’ère du big data et de la data science était arrivée. Aujourd’hui, environ 4,7 milliards de personnes utilisent Internet et 4,2 milliards sont présentes sur les médias sociaux. En 2021, un volume incroyable de 2,5 quintillions d’octets de données est créé chaque jour (un quintillion est un million de fois un trillion, ou un 1 avec 18 zéros derrière) et ce nombre devrait doubler tous les deux ans.
Cela équivaut à un grand nombre de données marketing potentielles et d’informations sur les clients pour les spécialistes du marketing. À condition, bien sûr, que la data science puisse trier le bon grain de l’ivraie et qu’un expert analytique puisse déterminer les éléments utiles à des stratégies marketing particulières. Il est important de faire la différence entre données volumineuses et données utiles. Une data science performante peut rendre les données volumineuses très « utiles » à des fins de marketing. Dans ce blog, nous allons découvrir de quelle manière les équipes marketing peuvent analyser les données qu’elles collectent afin d’améliorer l’efficacité de leurs campagnes.
Table des matières
Le marketing data-driven : la solution de demain
Pourquoi le recours à la data science n’est-il pas universel ?
Développer une stratégie de campagne data-driven
Exemples de campagnes data-driven réussies
Les campagnes de marketing data-driven : en bref
Le marketing data-driven : la solution de demain
Le marketing data-driven représente une solution d’avenir. Lorsque le marketing s’associe à la data science pour exploiter efficacement le big data, les spécialistes du marketing obtiennent généralement d’excellents résultats pour leurs campagnes. En quoi consiste une stratégie de marketing data-driven ? Voici quelques définitions.
Définition d’une stratégie data-driven
AT Internet, l’un des pionniers de l’industrie numérique en France, définit ainsi une stratégie data-driven : « Une approche data-driven permet aux entreprises d’examiner et d’organiser leurs données dans le but de mieux cerner leurs clients et leurs consommateurs. En utilisant les données pour piloter ses actions, une organisation peut contextualiser et/ou personnaliser les messages à ses prospects et clients, pour une approche plus orientée vers le client. » Ce processus, ajoute AT Internet, peut également être appelé « analyse des données » ou même « démocratisation des données » dans la mesure où « le processus de démocratisation des données consiste à rendre les données accessibles au plus grand nombre de personnes possible au sein d’une entreprise ».
DialogTech, une entreprise de Chicago spécialisée dans l’analyse et l’optimisation des données téléphoniques pour les entreprises, donne également la définition suivante : « Une stratégie marketing qui utilise les données, acquises grâce aux interactions avec les consommateurs et les tiers, pour avoir une meilleure vision des motivations, des préférences et des comportements des consommateurs. Les spécialistes du marketing créent alors des messages et des expériences personnalisés qui offrent le meilleur retour sur investissement (ROI) possible. »
Cela nous amène à d'autres questions :
Qu’est-ce que le marketing data-driven ?
Il s’agit de l’utilisation de données obtenues auprès de différentes sources, qui sont analysées et exploitées afin d’orienter les actions de marketing d’une organisation. Les données viennent nourrir la stratégie.
Pourquoi le marketing data-driven est-il si important ?
Parce qu’il utilise l'éventail le plus large possible d’informations récentes et actuelles pour orienter la stratégie. Il ne repose pas sur des hypothèses, sur un savoir limité ou sur des échantillons de recherche obsolètes.
Que signifie l’expression « data-driven » ?
Il s’agit de décisions ou d’actions qui sont guidées par la collecte et l’analyse de données.
Comment faire du marketing data-driven ?
Voici les actions principales à mettre en place :
- Définissez vos objectifs
- Rassemblez et analysez les données
- Définissez une stratégie de marketing basée sur les données collectées
- Exécutez le plan d’action
- Analysez les résultats
Pourquoi le recours à la data science n’est-il pas universel ?
L’utilisation de la data science correspond à la théorie et aux principes qui se cachent derrière les campagnes data-driven. Mais toutes les entreprises l’utilisent-elles ? Et quelles sont les conséquences lorsqu’elles renoncent à utiliser la data science pour mener des campagnes réussies ?
Le manque de spécialistes des données peut être à l’origine de ce manque d’intérêt. Cela peut également s’expliquer par la nature décourageante, ainsi que par le coût de l’analyse et de l’utilisation efficace de volumes importants de données marketing. Une étude récente sur la pénurie de scientifiques spécialisés dans les données, réalisée par SnapLogic, a révélé que 73 % des entreprises britanniques ont déclaré manquer de compétences pour mener à bien des initiatives en matière d’intelligence artificielle, d’apprentissage automatique et de data science. Quanthub, une plateforme de gestion des compétences en matière de données, suit cette pénurie de spécialistes. Elle a constaté qu’en 2020, il en manquerait environ 250 000.
Selon le magazine économique Forbes, près de 36 % des entreprises n’utilisent pas toutes les big data à leur disposition et 47 % n’envisagent pas de mettre en place un outil d’analyse des données avant un certain temps. Le même article cite le rapport Meaningful Brands 2019 de Havas Group, qui prévoit que 81 % des marques européennes pourraient disparaître si elles ne créent pas de contenu pertinent et ne proposent pas d’offres personnalisées.
Selon Havas, seulement 19 % des entreprises procèdent à une analyse du comportement des clients, segmentent correctement leurs audiences et personnalisent leurs campagnes promotionnelles. Fort de ce constat, Forbes souligne que l’utilisation de la data science pour produire de telles informations permettrait à ces organisations de « savoir ce que les clients veulent et quand ils le veulent ». Le fait que les équipes de marketing ignorent ces informations peut mener une entreprise à sa perte.
Vlad Flaks, PDG d’OWOX BI, une plateforme complète d’analyse marketing, constate que les entreprises qui ne se préoccupent pas de l’analyse et de la data science risquent également de gaspiller leurs budgets publicitaires. Cela est dû au fait que leur équipe de marketing en sait trop peu sur les taux de clics, les taux de conversion et autres paramètres clés qui déterminent le parcours du client et son adhésion aux campagnes. « Comment savoir quelle publicité est efficace, combien d’argent dépenser sur chaque segment, et quels produits se vendent mieux ensemble ? » sont des questions courantes.
Amir Orad, PDG de Sisense, une entreprise de veille stratégique basée en Israël, a déclaré lors d’une conférence technologique à New York en 2019 que les entreprises qui ne parviennent pas à mettre en œuvre la data science pour utiliser correctement le big data à leur disposition risquent de faire faillite.
Développer une stratégie de campagne data-driven
Il semble donc que le recours effectif aux données marketing pour piloter les campagnes soit encore quelque peu inégal, en raison du manque de confiance des directeurs marketing, de la réduction des budgets marketing, des ressources humaines limitées, de la complexité de la data science et de la rémunération élevée des data scientists. Par conséquent, on peut supposer que les organisations capables de mener à bien une stratégie de marketing data-driven devraient bénéficier d’un avantage concurrentiel notable.
Si vous vous demandez « comment faire du marketing data-driven ? », voici quelques tendances clés que les professionnels du marketing doivent connaître.
Tendances clés pour les campagnes de marketing big data
Privilégier les données primaires
Le règlement général sur la protection des données (RGPD) de l’UE ainsi que d’autres réglementations toujours plus strictes en matière de protection des données des consommateurs dans le monde entier sont à l’origine de la multiplication des restrictions relatives aux données de tiers. Par conséquent, les données primaires, c’est-à-dire les données précises que les organisations ont recueillies auprès de leurs propres clients et analysées à l’aide de la data science, deviendront plus importantes pour les campagnes à l’avenir.
Utilisation accrue de l’intelligence artificielle et de l’apprentissage automatique
Une autre tendance que nous observons est l’importance croissante de l’intelligence artificielle et de l’apprentissage automatique dans les utilisations de la data science, comme par exemple l’analyse prédictive et les chatbots intelligents. Selon le site Towards Data Science, les stratégies d’analyse des robots et de développement des chatbots auront, à l’avenir, « un rôle dans l’amélioration, voire la restructuration des processus d’entreprise ». Le magazine Chatbots observe des tendances similaires.
Meilleure personnalisation des opérations marketing
Il s’agit déjà de l’une des pierres angulaires de la réussite des campagnes data-driven. Mais l’hyperpersonnalisation se développe de plus en plus, en raison des attentes des consommateurs. Une étude de 2017 a révélé que 80 % des personnes interrogées sont plus susceptibles de concrétiser un achat auprès d’une entreprise si elle propose des expériences personnalisées et 90 % ont indiqué être sensibles à la personnalisation. Ces chiffres ont probablement augmenté dans les années qui ont suivi.
La progression continue du marketing multicanal
Le nombre de points de contact que les gens utilisent pour interagir avec les marques ne cesse d’augmenter : visites en magasin, sites Web, canaux de médias sociaux, téléphones mobiles, tablettes et, qui sait, MarTech à l’avenir. Cela signifie plus de possibilités pour les entreprises de recueillir des données et des informations clés, mais également plus de possibilités d’ajuster la stratégie de campagne pour qu’elle s’adapte à chaque canal.
Une attention particulière accordée à la sécurité des données et à la mise en place de politiques adéquates
Compte tenu de la disparition apparemment inévitable des données de tiers en raison de pressions législatives et autres, il est vital d’obtenir des données primaires auprès de consommateurs consentants. Mais ces derniers doivent être convaincus que votre utilisation des données personnelles est éthique et que vous avez mis en place des protocoles appropriés de sécurisation des données.
Décloisonnement
Nous constatons également une meilleure collaboration entre les concepteurs des campagnes et les data analysts et data scientists en coulisse. Une approche cloisonnée qui sépare les data scientists et les équipes marketing est contre-productive. Des échanges réguliers qui maximisent la compréhension du parcours du client sont bien plus bénéfiques. Il en va de même pour les KPI destinés à rendre l’équipe de marketing plus orientée vers les données. Pour briser ces cloisons, les grandes marques introduisent progressivement plus de profils d’analystes de données marketing.
Les principales tendances en matière de données marketing
Certaines de ces tendances sont-elles plus importantes que d'autres pour le marketing big data en 2021 ?
Marketing personnalisé
Ils sont tous extrêmement importants, mais la personnalisation est sans doute le facteur le plus déterminant pour la réussite des campagnes. Même le cours de marketing en ligne le plus élémentaire vous l’apprendra : une relation personnalisée avec le client potentiel est le Saint Graal de tous les spécialistes du marketing.
Si des activités de marketing « à la chaîne » ont existé par le passé, c’est uniquement parce qu’il n’existait pas de moyen viable de diffuser le message à un public cible unique, sauf dans des circonstances très spécifiques. Les spécialistes du marketing B2B ont généralement été en mesure de le faire plus facilement, simplement en raison de leur clientèle bien définie. Mais aujourd’hui, la technologie moderne et le big data rendent effectivement viable la diffusion de messages hyperpersonnalisés, que ce soit par le biais d’interactions ciblées sur le site Web, de campagnes par e-mail, de points de contact sur les médias sociaux, de la diffusion d’un contenu de qualité à des publics très spécifiques ou d’autres mécanismes ciblés.
Essentiellement, le marketing data-driven s’appuie sur une philosophie marketing vieille de 25 ans, exprimée pour la première fois par Don Peppers et Martha Rogers : la philosophie alors révolutionnaire du marketing personnalisé « one-to-one ». Le fait de se concentrer sur chaque prospect et client grâce à un marketing data-driven a permis de porter le concept de personnalisation à un niveau supérieur, qui n’a pu être atteint que par les progrès technologiques », observe DemandJump, une société américaine de logiciels marketing, dans un article de blog.
Marketing multicanal
Le marketing multicanal est également vital, tout simplement parce que le nombre de canaux, et donc de points de contact, sur lesquels des campagnes peuvent s’adresser aux consommateurs ne cesse de croître. TikTok, par exemple, était un média social largement inconnu il y a seulement quelques années. Ainsi, une entreprise moderne prospère doit être présente partout et communiquer de différentes manières.
Une stratégie de contenu diversifiée
« Vous devez également diversifier largement votre stratégie de contenu afin d’atteindre le plus grand public potentiel sur davantage de canaux », conseille Social Media Week. « Cela permettra également à votre projet de renforcer sa notoriété, ce qui est essentiel pour la rétention, la réduction des désabonnements et la fidélité globale à la marque.
« Oui, tenez un blog. C’est un excellent outil de référencement et vous devriez déjà savoir comment cibler les mots-clés. Mais en plus de cela, faites des vidéos, créez des infographies, lancez un podcast, soyez invité sur d’autres podcasts et chaînes YouTube, adoptez des réseaux comme TikTok et Instagram, et participez à d’autres blogs. Vous devez produire en permanence des contenus diversifiés pour être en mesure de vendre sur différents canaux. »
Exemples de campagnes data-driven réussies
Voici une sélection de campagnes efficaces qui ont utilisé une stratégie data-driven et la data science de façon optimale.
Campagne marketing d’IBM Watson
Le lauréat du Campaign Tech Award 2020 au Royaume-Uni récompensant la meilleure utilisation Data/Insight est IBM Watson, le système informatique capable de répondre en langage naturel à n’importe quelle question posée.
Ainsi, comme le raconte la publication Campaign Live, les responsables marketing d’IBM, pour fêter leurs 30 ans de collaboration avec le tournoi de tennis de Wimbledon, ont voulu mettre en avant tout le potentiel de l’intelligence artificielle de Watson pendant le championnat de 2019. Cependant, une question se posait à l’équipe marketing. Comment atteindre la population sachant que la plupart des matchs se jouent en semaine et que l’accès aux diffusions en direct est difficile pour les Londoniens qui prennent le métro ?
En réponse à cette question, une campagne complexe et surprenante a été mise en place. Ils ont fait appel à l’intelligence artificielle pour créer des images fortes à diffuser sur des supports numériques extérieurs. Watson réalisait un montage à partir de plusieurs heures de séquences en utilisant des données non structurées (telles que le bruit de la foule et les émotions des joueurs, comme le fait de taper du poing) pour créer un clip en moins de deux minutes. Chaque détail des six courts a dû être analysé simultanément pour que les clips puissent être diffusés sur les écrans de Londres.
Les analyses d’IBM ont fait apparaître une forte augmentation de ses scores de notoriété « Top-of-Mind ». Ils sont passés de 8 % avant Wimbledon à 21 % après le tournoi. Ils ont également enregistré une augmentation significative de la part de voix de l’IA sociale pendant la campagne, de 14 % à 22 %.
Selon Campaign Live, le prix a été décerné en reconnaissance d’une activité de marketing innovante fondée sur une connaissance des clients par les données.
Campagne « La politique de votre alimentation »
Grubhub, la plateforme américaine de commande et de livraison de repas en ligne, a pour stratégie de créer du contenu intéressant à partir des données qu’elle collecte lors des échanges avec ses clients. Elle s’associe ensuite avec des éditeurs, qui utilisent ces histoires produites par les données pour créer une publicité native qui semble naturelle.
Dans un blog, Triggerbee, société d’analyse et d’automatisation basée en Suède, explique : afin d’étendre ses partenariats à des éditeurs spécialisés dans la politique, GrubHub a analysé la corrélation entre les choix alimentaires de ses utilisateurs et leurs tendances politiques, puis a établi un lien entre ces choix et les districts du Congrès américain détenus par les républicains ou les démocrates.
Le concept créatif consistait à « tester la politique de votre alimentation », ce qui a généré quelques histoires intéressantes sur le fait que, par exemple, les démocrates sont plus susceptibles de commander des hamburgers végétariens et les républicains des hamburgers.
« [Les] résultats étaient plutôt intéressants et ont potentiellement permis à l’entreprise de [fournir] plus facilement ses données afin de conclure de nouveaux partenariats avec des éditeurs politiques », a commenté Triggerbee. « Il est facile de voir comment cette même technique pourrait être appliquée à d’autres industries, leur permettant d’élargir leur base de publicité native et d’augmenter leurs bénéfices. »
Comment le big data a influencé la campagne du Roi Lion
L’étude de cas du film Le Roi Lion est un exemple de la manière dont les données marketing peuvent inspirer vos campagnes. Meltwater, en tant qu’entreprise data-driven, a fourni une solution aux responsables du film et à l’équipe marketing qui souhaitaient s’assurer que le remake de 2019 du classique de 1994 ne subirait pas la spirale descendante de l’ambivalence et de la méfiance du public qui caractérise tant de remakes. Les informations obtenues par Meltwater à partir des médias sociaux ont permis aux responsables marketing du film d’affiner leur stratégie.
Par exemple, en analysant plus de 5 000 mentions dans l’actualité à travers le monde et plus de 2 millions de mentions sociales rien qu’en novembre 2018, il est apparu clairement l’importance de promouvoir le retour de James Earl Jones dans le remake (il jouait également un personnage clé dans l’original).
Les fans étaient ravis d’entendre la voix de baryton omniprésente de Jones (qui jouait le personnage de Mufasa) dans la bande-annonce du remake et se sont imprégnés de la nostalgie de ce classique remis au goût du jour. En comparaison, la participation de la mégastar mondiale Beyoncé au projet n’a fait l’objet que d’un nombre relativement faible de mentions sociales au cours de la même période. Cette information intéressante a révélé que même la présence d’une superstar incontestablement talentueuse comme Beyonce ne pouvait pas égaler le niveau de nostalgie qui devait être souligné et exploité lors de la promotion de la nouvelle version du film.
Si vous souhaitez savoir comment l’intelligence média de Meltwater peut être utilisée pour alimenter votre propre stratégie de marketing basée sur les données, remplissez le formulaire ci-dessous et nous vous contacterons !
Si vous souhaitez savoir comment l’intelligence média de Meltwater peut être utilisée pour alimenter votre propre stratégie de marketing basée sur les données, et nous vous contacterons !
Autres exemples d’utilisation efficace de l’analyse des données
Voici d’autres exemples d’utilisation efficace de l’analyse des données marketing :
- La chaîne américaine The Weather Channel analyse la localisation géographique des millions de visiteurs de son site web pour vendre des opportunités publicitaires très ciblées aux annonceurs. Par exemple, des produits anti-frizz pour les cheveux à l’intention des visiteurs provenant de climats humides, ou des produits hydratants pour la peau pour les personnes vivant dans des régions sèches du pays.
- Les constructeurs automobiles analysent les données que les voitures modernes high-tech transmettent en permanence via le cloud, afin d’adapter des offres personnalisées de nouveaux produits aux clients. Par exemple : des accessoires, une formation spécialisée à la conduite, voire de nouveaux véhicules mieux adaptés à leur style de vie.
- YouTube, Netflix et d’autres plateformes de streaming vidéo utilisent une analyse constante des données relatives aux préférences des clients pour suggérer d’autres vidéos, films et musiques susceptibles de plaire à ces clients.
- GreenPal, une entreprise d’entretien des pelouses et de tonte des pelouses, a analysé les données de recensement de sa ville et a créé une campagne publicitaire en ligne ciblant une banlieue en plein essor où les gens voulaient faire entretenir leur pelouse, mais étaient sensibles aux prix. En soulignant que GreenPal pouvait offrir un service rentable à un prix bien précis, le taux de clics a augmenté de 200 % et la conversion sur la page a augmenté de 30 %.
Les campagnes de marketing data-driven : en bref
Pour citer à nouveau le chroniqueur de Forbes, Vlad Flaks, l’utilisation efficace de l’analyse des données vous donne un avantage concurrentiel lorsque vous planifiez des campagnes.
« L’expérience et même les hypothèses vérifiées ne constituent pas une base suffisante pour la prise de décision », dit-il. « Votre opinion ou ce que vous avez fait pendant des années peut être complètement différent de ce que vos clients veulent aujourd’hui et sont prêts à payer. La personnalisation et la conception d’interactions intelligentes sont les deux principales caractéristiques des leaders du marché. Votre travail consiste à tout savoir sur vos clients et à prévoir leurs prochains souhaits et achats. »
Comme l’observe l’entreprise de logiciels marketing DemandJump : « À mesure que se généralisent les outils exploitant l’IA pour combiner et analyser diverses sources de données, vous pouvez vous attendre à ce que le marketing data-driven devienne la norme dans tous les secteurs. Commencez à appliquer les principes du marketing data-driven dans votre entreprise, c’est le meilleur moment. »
En bref, si vous souhaitez que votre entreprise connaisse une croissance stratégique extraordinaire, le marketing data-driven peut être la solution. Collectez des données massives ; utilisez l’apprentissage automatique ; employez des spécialistes des données ; adoptez la data science ; utilisez l’analytique. C’est la clé du succès !
Vous avez des astuces concernant le fonctionnement des campagnes data-driven, l’optimisation de l’analyse des données marketing, ou peut-être avez-vous un exemple de data marketing que vous aimeriez partager avec nous ? Nous serions ravis de vous lire, alors écrivez-nous sur Twitter en mentionnant @MeltwaterFR. Sinon, si vous souhaitez en savoir plus sur l’utilisation des données médias pour guider votre stratégie, remplissez le formulaire ci-dessous !