Conférence coheris 1 emarketing 2012

Conférence E-Marketing – 23 janvier 2012

Ordre du jourLa multitude de données hétérogènes produites par les réseaux sociaux, lesinteractions sur le web de vos clients, vos plateformes e-commerce, votrewebanalytics forme un des plus grands défis reconnus du marketeur moderne.Pour autant, ces sources contiennent des gisements de connaissance client,connaissance dont vous ne pouvez pas vous passer pour transformer voscampagnes en succès, sous peine de vous faire dépasser par la concurrence.Nous vous proposons une méthode actionnable et compréhensible, illustrée denombreux exemples concrets, qui va vous permettre de réellement tirer parti dece défi, pour concevoir des campagnes marketing qui vont faire la différence. 2

AgendaPrésentation des interlocuteurs, de Coheris et de SPAD 1/ Les bénéfices de l’approche proposée pour un client E-commerce 2/ Stratégie online : les questions auxquelles vous devez savoir répondre - Avez-vous hiérarchisé les données selon leurs intérêt ? - Savez-vous exploiter toutes les données disponibles ? - Possédez-vous la boite à outil indispensable pour un marketeur online d’aujourd’hui ? - A quoi doit aboutir votre stratégie online ? 3/ La méthode proposée et exemplesConclusionQuestions et réponses 3

Vos interlocuteursDidier Gaultier Directeur de la Business Unit SPAD by Coheris Professeur de marketing quantitatif & datamining à l’EPF Tiffany Colas Expert produit Coheris (CRM, SFA, BI et Datamining) 8 ans d’expérience Dans le secteur des « produits de grande consommation » Panels distributeur et consommateur Gestion de la fidélité & Moyens promotionnels – GMS 4

Présentation de Coheris Activité & Chiffres clés!   Editeur français de référence sur le marché européen de la relation Chiffres Clés client, de la Business Intelligence •  Création en 1994 et du datamining •  200 collaborateurs! 3 « grandes » lignes de produits : -  Customer Relationship Management •  CA 2010 : 21.3 M€ -  Business Intelligence •  Part de linternational : 20% -  Datamining •  Investissements R&D : 15%! Des « Professional Services » •  Plus de 1 200 clients grands de haut niveau comptes …! Label Entreprise Innovante •  … dans 80 pays Coheris est cotée sur Euronext 5

Présentation de Coheris Ils nous font confianceBanque Assurance FinanceGrande distribution, Grande consommation, VPC Telecom, MédiaTransports, Industrie Santé Secteur Public, Association, Service 6

AgendaPrésentation des interlocuteurs, de Coheris et de SPAD 1/ Les bénéfices de l’approche proposée pour un client E-commerce 2/ Stratégie online : les questions auxquelles vous devez savoir répondre - Avez-vous hiérarchisé les données selon leurs intérêt ? - Savez-vous exploiter toutes les données disponibles ? - Possédez-vous la boite à outil indispensable pour un marketeur online d’aujourd’hui ? 3/ Comment faire aboutir votre stratégie online ? La méthode proposée et exemplesConclusionQuestions et réponses 7

Exemple de bénéfice clientCas client - retail online Etape 1 : Optimisations des campagnes d’acquisition Etape 2 : Optimisations des campagnes Etape 3 : Optimisations pour la logistique Optimisation d’acquisition Optimisation de campagnes Optimisation de la logistiqueObjectifs Compréhension Augmentation du Augmentation de des problèmes Chiffre d’Affaires la marge brute Marge brute additionnelle générée : plusieurs M€ par an 8

Méthode utilisée pour transformer des données en intelligence Que peut-il arriver de mieux ? Optimisation Que va-t-il arriver ? Analyse prédictive Que se passe-t-il si l’on projette ces tendances ? ProjectionAvantage compétitif Pourquoi est-ce arrivé ? Analyse descriptive Alertes Quelles sont les actions à mener ? Requête détaillée D’où vient le problème ? Rapport à la demande Combien, à quelle fréquence, où ? Rapport prédéfini Que s’est-il passé ? Données nettoyées Données brutes Information Connaissance Intelligence 9

Type d’approche Phase 1 Phase 2 Phase 3ROI ROI +30 à +40 % Mise en place des ETL Intégration des Analyse descriptive Effort systèmes client / prospects Prédictif sur campagnes et Client au centre du produits prédictif et étude du Automatisation cycle de vie client Croissance organique sans datamining 6 mois 12 mois temps 10

Les questions que tous les marketeurs online se posent! Pour 90% des marketeurs, les données « online » sont importantes(*)! Mais pour 57 % d’entre eux, comprendre et transformer ces actions en connaissance sont leur plus grand défi(*)! D’ailleurs 62 % estiment avoir des difficultés à transformer les données en action(*) •  Quelle stratégie pour surmonter les difficultés rencontrées ? •  Quelles types de données à prendre en compte ? •  Par ou commencer ? (*) chiffres basés sur une étude auprès de 300 marketeurs 12

Avez-vous hiérarchisé les données selon leurs intérêt ? Priorité 1 : les données transactionnelles -  Liées à un ID client -  Factuelles (non déclaratives) - Précises et structurées : nb d’achat, fréquence, catégories produit et quantités achetés… Les achats passés en disent long sur les achats futursCes données vont vous permettre de : -  développer les achats : fréquence / quantité (cross sell – up sell) -  constater l’inactivité et le churn pour essayer de retenir le clientAvec des espaces de communication propices à l’interaction client : -  Les emails de validation de commande ou de suivi de la livraison sont des communications systématiquement lues par vos clients è profitez-en ! 13

Avez-vous hiérarchisé les données selon leurs intérêt ? Priorité 2 : Les données issues de l’emailing -  Liées à un ID client – opt-in -  Factuelles -  Précises et structurées, principalement pour qualifier l’intérêt & l’engagement du client vis-à-vis de la marquePar exemple : -  Taux d’ouverture : efficacité de l’objet, confiance et force de la marque -  Taux de désabonnement : pertinence, engagement des clients, respect des attentes -  Taux de clics : pertinence, qualité du contenu et de l’offre, création et design, niveau d’engagement - Taux de cooptation / de parrainage : intérêt de l’abonné, possibilités virales du message -  Temps d’activation : temps moyen qui s’écoule entre le premier message ouvert et le premier clic/achats… mesure d’efficacité d’un plan marketing online 14

Avez-vous hiérarchisé les données selon leurs intérêt ? Priorité 3 : Les données issues de des webanalytics -  % non liées à un ID client -  Factuelles et structurées% -  Peu précises, notamment sur les raisons des abandons Non exploitables Exploitables si opt-in Challenge : être réactif grâce à des campagnes automatisées de type déclenchement sur événement client (abandon panier d’achat …) via un outil de re-marketing 15

Avez-vous hiérarchisé les données selon leurs intérêt ? Priorité 4 : Les données issues des réseaux sociaux -  Rarement liées à un ID client -  Peu factuelles & Peu structurées Etude menée par l’agence DDB et Opinion Way : - 40% des internautes devenus fans d’une marque, n’hésitent pas à changer d’avis et à « unliker » sa page. - Les français suivent en moyenne 5 marques contre 9,1 aux USA. - Dans 60% des cas, le fan n’a jamais consommé ses produits. - En moyenne seuls 30 % des fans reçoivent les fils d’info des marques auxquelles ils adhèrent dans leur rubrique « news », et ce sans garantie qu’il lisent les news en questionAcquis : une marque doit être présente sur les réseaux sociauxMais elle aura des difficultés à en exploiter les données pour alimenter sa stratégie online 16

Savez-vous exploiter toutes les données disponibles ? e- ERP Commerce (facturation, livraison) e-mail Webanalytic s Web – Un référentiel client 360 réseaux est obligatoire pour sociaux utiliser efficacement toutes ces données Call Center Sources de données Datawarehouse 17

Possédez-vous la boite à outil indispensable pour un marketeur onlined’aujourd’hui ? Ce référentiel client unique permettra : 1/ D’enrichir votre connaissance client afin de trouver des idées pour alimenter votre stratégie marketing online 2/ D’exécuter la stratégie choisie dans les temps voulus - De cibler les communications adaptées vers les bons clients via le bon canal - De cibler réactivement (panier non validé) 3/ Puis de scénariser vos campagnes 4/ Tout en les optimisant en fonction des résultats observés 18

Règle d’or N°1 : Disposer d’un accès aux données transactionnelleset aux achats Objectif : mesurer la valeur client Segmentation par rapport aux achats •  Ambassadeur Adepte •  Il consolide votre image et votre CA •  Intérêt grandissant pour la marque et son offre produit En progression • A développer Valeur Client •  Client volatile, il achète certainement des produits Occasionnel concurrents • A consolider • Client irrégulier Décrocheur • Marque un décrochage dans sa fréquence d’achat • Action de rattrapage à entreprendre • Pas d’achat au cours des dernières périodes Inactif • A reconquérir 20

Règle d’or N°2 : Disposer d’un accès aux donnéescomportementales Objectif : mesurer l’engagement par rapport à la marque Segment Engagement par rapport à la marque •  Très réceptif aux emails Adepte •  Fréquente régulièrement le site •  Pas d’incident remonté par le service client par rapport à la marque En progression •  Intérêt grandissant pour la marque et son offre produit Engagement •  Client volatile Occasionnel • Visite certainement les sites concurrents •  S’éloigne de la marque •  Moins réactifs aux emailing Décrocheur •  Fréquentation moins régulière du site •  Voire plainte auprès du service client Indifférent •  Client dont nous ne parvenons pas à attirer son attention 21

Quel message adresser ? Segmentation métier actionnable Comportements d’achat x Engagement par rapport à la marque 22

Règle d’or N° 3 : Construire un référentiel client métier bdd 1 bdd 2 crm enrichissement bdd 3 DM bdd 1 BI bdd 2 Sources de données Datawarehouse Datamart Prédictif 23

Règle d’or N° 4 : Utiliser très tôt les segmentations Préférez vous naviguer avec ou sans carte ? « Il n’y a pas de vent favorable pour le bateau qui ne connaît pas son port » (Sénèque) 24

Véritable carte de navigation dans vos données 25

Chaque classe forme un segment 26

Règle d’or N° 5 : Etablir les profils de vos clients types 27

Identifier les clients types Clients de longue date Clients actifs et fidèles Clients web 28

Règle d’or N° 6 : Utiliser les règles d’associations pourconstruire vos campagnes Exemples de résultats des règles d’association Antécédent Conséquent Produit 1A Produit 2A Produit 1B Produit 2B Produit 1C Produit 2C Produit 1D Produit 2D 29

Règle d’or N° 7 : Tester vos campagnes avec plusieursvariantes Exemple de test A/B sur une même cible n littérature latino-américaine n roman “policier” 30

Règle d’or N° 7 : Tester vos campagnes avec plusieursvariantes Dispositif relationnel optimal par segment ⇒  Déploiement des scenarii optimaux pour chacun des segments 31

Règle d’or N° 8 : Utiliser le scoring pour cibler voscampagnes Construire un score d’appétence à l’offre pour savoir à qui adresser la communication ü  Evaluation de la performance du modèle - Courbe de lift §  Sur le graphe présenté ci-avant, figure la courbe de reconnaissance laquelle représente % de clients « idéaux » reconnus par le modèle, pour des tailles d’échantillon variables. Taille de cible: 10% §  Ainsi, par exemple, sur le décile ⇒Lift: 3.5 supérieur (10 % des plus hauts scores), le modèle reconnaît 35 % idéaux, soit 3.5 fois plus qu’un tirage aléatoire (lift de 3.5). 32

Règle d’or N° 8 : Utiliser le scoring pour cibler voscampagnes Extraire la cible optimale au regard de mes objectifs métier pour chaque campagne Mais à solliciter dans l’optique Cible qui représente un coût de développer les parts de Appétence avérée marché Génératrice Clients à ne Forte de profit pas solliciter appétence Destructeur Génératrice de valeur de profit 33

Règle d’or N° 9 : Comprendre et scénariser le cycle de viede vos clients Développement client Niveau Client d’information Adepte client Client Segmentation fidèle Up et Cross Selling Réachat Client Réassurance répétitif Gestion du churn Personnalisation Nouveau inactifs Anciens clients Client Reactivation temps Conversion Déclenchement de l’intérêt Prospect Interaction Suspect Acquisition 34

Règle d’or N° 10 : Gérer votre pression marketing et votrechurn Un client expérimentait un taux d’attrition très élevé Conséquence d’un taux de mécontentement au dessus de la normale de son programme de Marketing online Analyse datamining : mise en évidence que le mécontentement était du à une pression commerciale trop importante sur certains segments de clientèle Résultats : -  le client a arrêté ses communication sur 1,2 % de clients de sa base -  Un taux de plainte réduit de 80 % -  Des économies importantes en cout de désabonnement sans diminuer son CA 35

Règle d’or N° 11 : Utilisez les outils Coheris 36

Un ensemble de solutions par processus métier 1 2Une BDD client 360 Connaissance client solide Dashboard pour chaque processus mé1er Un plan de couverture client maximisant le ROI Exper&se datamining et Coheris Spad – Exper&se mé&er et Coheris Liberty – BI datamining Un suivi opéra-onnel facilité 3 Relai et suivi de la stratégie dans un ou1l CRM dédié au service client, au marke1ng et/ou aux commerciaux Coheris CRM Care, Sales et Campaign 37

Conclusion 38

Questions et réponses 39

Conférence coheris 1 emarketing 2012

by Didier Gaultier on Jan 26, 2012

Accessibility

Categories

Tags

Upload Details

Usage Rights

2 Embeds 4

Statistics

Conférence coheris 1 emarketing 2012 — Presentation Transcript

http://www.linkedin.com	3
http://a0.twimg.com	1