Comment tirer parti des données pour fidéliser ses clients ?

Quoi de plus frustrant et décevant pour un consommateur que de recevoir une réduction sur un produit qu'il a récemment acheté ? Au risque de perdre la confiance et la fidélité de ce client, les entreprises doivent faire preuve de vigilance. Une proposition commerciale à contretemps ou dépourvue de sens pour le consommateur s'avère contre-productive voire destructrice de valeur. D'où l'importance de miser sur la connaissance client. Pour Raphaël Savy, directeur général d'Aprimo - e-circle : " la connaissance client est essentielle, car elle permet d'interagir avec un client en temps réel, via le bon canal, sur le bon produit. Les entreprises qui n'ont pas pris ce virage sont amenées à connaître de grandes difficultés. " À l'heure du big data, les marques possèdent une quantité infinie de données. Encore faut-il savoir en tirer parti pour avoir une vision unifiée du client. " Dans les années quatre-vingt-dix, les banques géraient des contrats. Aujourd'hui, elles ont totalement revu leur stratégie. Elles ont une vision unique comprenant l'historique et le parcours client : divers contrats souscrits, encours total, saisonnalité des versements, prélèvements automatiques, etc. ", souligne Frédéric Grelier, ancien directeur marketing d'Acxiom*. Grâce à cette connaissance plus fine, les marques optimisent leur stratégie, avec, à la clé, un développement potentiel du business. Comme l'indique Yan Claessen, président d'ETO, dans une tribune, " les entreprises qui exploitent intelligemment les données ont en moyenne une productivité supérieure de 5% et une rentabilité supérieure de 6% par rapport à leurs concurrents. " (Harvard Business Review, novembre 2012). L'enjeu consiste donc à faire ressortir des bases de données exhaustives de vraies informations pour fidéliser et améliorer la valeur client.

1) Définir un objectif pour sélectionner les données pertinentes

Pour monter un projet de gestion et d'analyse des données, quelle que soit son ampleur, il peut être utile de s'entourer de spécialistes : agences conseil, brokers, gestionnaires de base de données, etc. Également, avant d'entrer dans le vif du sujet, la première étape incontournable repose sur une question : Quel est l'objectif du projet à mettre en place? " Il faut déterminer, parmi la quantité infinie de données que possède l'entreprise, de quelles informations pertinentes elle a besoin. En fonction, il faudra alors trouver celles qui sont déjà disponibles et celles qui manquent ", souligne Hélène Gombaud-Saintonge, directrice générale de CI6, (département consumer intelligence et big data de FullSIX). Bien que l'entreprise possède déjà un grand nombre d'informations, il lui faut parfois enrichir sa base, de données nécessaires au projet. Par exemple, il peut lui être utile de récupérer la composition familiale des foyers, ou encore la date de naissance des clients, une information très souvent occultée lors de la collecte. Pour cela, il convient de croiser les données existantes avec une base de données mutualisée externe (mégabase) disponible chez des prestataires spécialisés (Mediaprism, Acxiom, Conexance, Experian, etc.).

2) Faire un tri dans l'ensemble des données

Parmi toutes les données disponibles, il existe des typologies provenant de sources différentes : les données identitaires et déclaratives (nom, adresse postale, adresse mail, numéro de téléphone, date de naissance, etc.), les données transactionnelles (issues de l'achat), les données de contact (historique des interactions sur les différents canaux), et les données comportementales (provenant de la navigation web, du comportement sur les réseaux sociaux, etc.). Au-delà des données transactionnelles classiques, les entreprises disposent désormais d'informations comportementales grâce au Web et aux médias sociaux. Mais selon Fatima Aliane, responsable datamining chez Acxiom, rien ne sert de multiplier la quantité de sources d'informations : " Les données basiques provenant du CRM permettent déjà d'avoir des informations sur le potentiel d'un client. En revanche, c'est à l'entreprise de définir les data qui lui semblent les plus pertinentes. Par exemple, il est important de définir en amont, si un internaute qui consulte souvent le site d'une marque automobile, est une cible plus intéressante qu'un client qui a un pouvoir d'achat élevé et qui a acheté un ancien modèle il y a dix ans. "

3) Traiter les données

Après avoir listé les données utiles, il convient de les rassembler, mais aussi et surtout de procéder à leur traitement. Le nettoyage de la base de données est une étape indispensable. " Si un programme CRM ou de fidélisation ne contient pas de données correctes, l'entreprise peut rapidement rencontrer des problèmes de logistique ", prévient Mohamed Messaoudi, directeur du pôle IT d'ETO. Les données nominatives, par exemple, sont " vivantes ", à l'inverse d'une donnée de transaction : elles peuvent comporter des fautes de frappe, omettre un chiffre dans un numéro de téléphone, etc. Pour exploiter la donnée au maximum, tout l'enjeu réside dans la qualité de celle-ci. Selon Mohamed Messaoudi, il y a donc trois dimensions à prendre en compte. " D'abord la "contactabilité": les adresses postales, e-mails, numéros de téléphone sont-ils corrects ? Il faut vérifier que l'on peut facilement joindre le client et qu'on ne manque pas d'informations nécessaires. Ensuite, l'unicité des données consiste à éviter les doublons pour obtenir un contact client unique. Il y a un risque d'avoir deux contacts pour un seul individu notamment lorsqu'un consommateur a communiqué ses coordonnées via plusieurs canaux. La troisième dimension est la péremption. Les données nominatives évoluent en fonction de la vie du client : déménagement, changement de nom, de numéro de téléphone, etc. " Le traitement des données doit s'effectuer régulièrement, dès qu'une nouvelle information intègre la base. Pour cette étape, il est conseillé de faire appel à un prestataire, dont c'est le coeur de métier, et qui dispose notamment d'adresses correctes et actualisées.

4) Analyser les données

Une fois le traitement effectué, l'entreprise peut procéder à l'analyse des données. Une pratique que l'on appelle communément le data mining ou l'intelligence client. Cette étape consiste à transformer la donnée brute en information, permettant ainsi de mettre en place la stratégie visée. Il existe deux grands types d'analyse : la segmentation et le scoring client. La segmentation consiste à intégrer des profils clients dans des groupes selon un ou plusieurs critères géographiques, socio-économiques (âge, CSP, niveau de revenu...), psychologiques, situationnels, etc. Le scoring client s'appuie, quant à lui, sur une technique de hiérarchisation des données permettant d'évaluer par une note la probabilité qu'un individu réponde à une sollicitation. Le score de chaque client ou prospect est obtenu à partir de données quantitatives et/ou qualitatives : données socio-économiques, achats, réponses aux sollicitations commerciales, etc. L'utilisation de cette technique permet d'optimiser les résultats des campagnes en sélectionnant uniquement les cibles ayant la plus forte probabilité de répondre à l'offre. Grâce à ce résultat d'analyse prédictive, il est possible d'évaluer le potentiel d'un client et son "appétence" pour certains produits.

5) Mesurer la performance

Sans mesure de la performance, la gestion des données n'a aucun sens. La finalité est de mettre en place des campagnes et d'évaluer le ROI. Depuis l'arrivée du Web, la communication auprès des clients se fait de façon personnalisée et en continu. De cette façon, les marques peuvent modifier le contenu du message en temps réel en fonction du comportement du consommateur. Les objectifs sont multiples : offre promotionnelle en cas de fin d'abonnement du client à un service, offre de lancement d'un produit complémentaire à un achat précédent, offre de rendez-vous commercial suite à une recherche d'information, etc. Pour mettre en place des tests, il convient au préalable de définir un échantillon représentatif du profil de clients ciblés. Il faut également prévoir les critères de mesure. Par exemple, pour l'envoi d'un e-mail, il est nécessaire de placer des tags pour suivre la réaction des destinataires. Ces indicateurs peuvent concerner différents critères : ouverture ou non de l'e-mail, profondeur de la navigation, zones de la page cliquées, achat ou non, etc. La méthode d'analyse dépend de chaque canal : échantillon témoin pour un courrier, trafic en magasin, etc. " Tout dépend de l'objectif défini dès le départ. Au final, c'est le chiffre d'affaires additionnel qui est mesuré : il permet d'évaluer l'impact de la campagne mise en place ", conclut Mohamed Messaoudi.

* Frédéric Grelier est récemment devenu directeur data de Weborama