Il y a beaucoup de confusion quand il s'agit de données volumineuses. Certains l'associent à une quantité toujours croissante de données. Mais c'est plus complexe que cela. Il est donc essentiel de comprendre ce qui se cache derrière ce mot à la mode et ce qui a vraiment changé dans le monde des affaires.
Les mégadonnées ne sont pas seulement une grande accumulation de données
Ceci, en ce sens, n'est pas très nouveau et des entreprises comme Amazon ou Walmart disposent de quantités astronomiques de données à l'échelle internationale.
Quand on parle de big data, il faut savoir que les données ne sont pas stockées et traitées statistiquement. Sont trop:
– Interprété à l'aide d'outils sémantiques (catégorisation, etc. ),
– Étendu à la sphère des comportements (clics, visites, géolocalisation, interactions sociales),
– Combiné avec des sources de données externes (notamment open data),
– Étudié sous l'angle des signaux faibles (datamining) et des techniques probabilistes
Grâce aux technologies de communication web et mobile, ces données sont directement générées en temps réel par l'activité de l'utilisateur client.
Un « data shift » difficile à affronter pour certaines entreprises
Il ne s'agit plus seulement de cibler des segments comme au temps du CSP+ et de la ménagère de 50 ans. Il ne s'agit plus simplement, grâce aux statistiques, de placer un individu dans une catégorie aux comportements plus ou moins prévisibles. Il s'agit plutôt de prédire le comportement d'un individu en temps réel compte tenu de tout ce que l'on sait sur lui, ou de trouver les individus susceptibles de réagir comme on le souhaite à un message donné. Il correspond aussi à la marque, comme le propose le marketing 3. 0, dans un scénario idéal, pour mettre le consommateur au centre, lui donner de la valeur ou au moins reconnaître la valeur que le consommateur génère à travers son activité.
Pour certaines entreprises ou industries axées sur les produits et les revenus générés, ce transfert de données et cette transformation des stratégies marketing ne seront pas faciles à négocier. Tout l'enjeu pour la marque est de répondre adéquatement aux besoins fluctuants du « client acteur », en conciliant ses différents objectifs et contraintes. Entre la segmentation traditionnelle de type RFM et cette nouvelle vision du ciblage, la logique n'est pas la même, ni les principes mathématiques ni les profils de compétences.
Il semble donc que l'on se dirige vers une multi-spécialisation des compétences en marketing et plus précisément en marketing digital. C'est l'ère du data scientist et de l'analyste de données capables d'interpréter pleinement les informations que les solutions logicielles et informatiques modernes collectent et analysent.
Ciblage digital et segmentation traditionnelle : 2 approches complémentaires
Bien sûr, la segmentation est toujours utile et pertinente. Nous en avons parlé récemment lorsque nous avons défini les différences entre le marketing push et pull. D'abord parce qu'on ne sait pas toujours tout. Deuxièmement, parce que la mise en place de systèmes de ciblage numérique représente un investissement en technologie et en compétences. Enfin, pourquoi il serait dommageable de nier l'évidence.
Quant au contenu en particulier, tout ne concerne pas tout le monde : un traité d'électromécanique n'exaltera guère un comptable et la plupart des biologistes resteront insensibles aux propositions de régulation bancaire de l'accord de BALE III. Les directions marketing ont donc tout intérêt à maintenir une segmentation de qualité, quitte à l'améliorer progressivement grâce au ciblage digital.
Le cycle de vie client est un flux d'opportunités qu'il faut saisir au bon moment. Ainsi, si une jeune femme achète des vêtements pour bébé, il est intéressant de savoir si cet achat lui est destiné ou s'il est réservé à un proche. Les technologies de mégadonnées aident à répondre à ce genre de questions, mais nous devons faire attention à la dérive.
Le point clé du big data : différencier la notion de rappel et de précision
Les experts du secteur utilisent deux concepts qui sont le rappel (la complétude de l'inventaire des opportunités) et la précision (le nombre de cas exacts parmi ceux détectés). Ces deux notions sont en quelque sorte antagonistes et le marketeur doit arbitrer entre le risque de perdre une opportunité et le risque de perdre la pertinence et donc la rentabilité de ses actions marketing.
Au-delà de toutes les opportunités qu'offre le big data en termes d'orientation e-commerce, il faudra surveiller la qualité et la véracité des données collectées, ses interprétations et la qualité de la réflexion en amont pour s'assurer que la technologie est utilisée à bon escient. Il faut également veiller à ne pas créer un phénomène de rejet chez le consommateur face à des démarches trop intrusives et trop automatiques. Comme dans le renseignement, le contact avec le terrain restera un complément indispensable à la technologie si l'on ne veut pas perdre de vue la réalité et reproduire les erreurs qui ont pu se produire avec le trading haute fréquence (HFT).