Le Big Data bouleverse le marketing. Ces nouvelles technologies qui permettent de collecter, stocker et surtout de centraliser des milliards de données, issues de multiples canaux, génèrent des analyses de plus en plus fines quant à nos comportements en tant que consommateur. Aujourd’hui, le marketing développe des outils de Big Data qui permettent de mieux comprendre nos motivations à l’achat, mais aussi de déployer des campagnes de communication ultra personnalisées.
Le marketing : comprendre pourquoi les clients achètent
Pourquoi ce consommateur est-il sensible à telle ou telle marque ? Est-ce pour des raisons de budget, d’image ; de valeurs véhiculées par la marque ? De proximité géographique avec l’un magasin distributeur ou peut-être est-ce tout à la fois ? Chaque être humain a son propre rapport à la consommation et c’est dans ce contexte que le marketeur fonde ses réflexions : comment toucher sa cible pour déclencher l’acte d’achat ?
L’outil d’analyse traditionnel est l’étude de marché ; document offrant des tendances et des statistiques quant aux habitudes, attentes, freins, budget et rapport qu’entretient un panel de consommateur avec la marque. Mais avec le Big Data, la manière d’aborder le marketing change et se peaufine.
Le Big Data pour mieux comprendre le comportement client
Le Big Data est formidable en ce qu’il permet de corréler un volume considérable de données entre elles pour en tirer des analyses fines : données issues de nos navigations Web, nos interactions sur les réseaux sociaux, des services de messagerie ou encore de nos objets connectés ; données de géolocalisation, des informations d’ordre général et/ou mondial qui peuvent changer la donne, comme la météo du jour, le cours de la Bourse ou une catastrophe climatique qui impacterait les modes de consommation ; enfin des données internes à l’entreprise issues de ses différents services (facturation, service commercial…). L’objectif du service marketing est ici de détecter quelles données il sera judicieux de collecter et de centraliser ; le but de la manœuvre étant de mieux comprendre le comportement client. Pourquoi achetons-nous ? Telle est la question et le Big Data peut y répondre, bien mieux qu’une étude de marché, puisque les résultats d’analyse se basent sur des données personnelles, individualisées selon le comportement de chacun d’entre nous.
Parmi ces méthodes de collecte, de centralisation et d’analyse des données, le lead scoring et le content scoring sont pertinents pour le marketeur.
Du lead scoring au content scoring, deux analyses distinctes vers un objectif commun
Le lead scoring pour qualifier ses contacts
Le lead scoring est une méthode qui consiste à qualifier chaque consommateur inscrit dans une base de données en fonction de son niveau d’intérêt pour la marque ; soit ses interactions et engagements sur les différents messages que le service marketing lui a envoyés sur différents canaux (publication sur les réseaux sociaux, emailing, clic sur bannières…).
Prenons un exemple simplifié. À partir de l’achat de cookies (données de navigation Web) de consommateurs qui disposent d’un profil concordant avec l’image de l’entreprise, le marketeur détient une première base de données vers laquelle il pourra diffuser une proposition de participer à un jeu-concours. Un certain nombre de consommateurs s’inscrit au jeu, générant une base de données de leads (des contacts) susceptibles d’être intéressés par la marque. Parmi ces leads, certains vont consommer la marque, d’autres seront simplement intéressés par le cadeau généré par l’inscription au jeu. Pour faire le tri, le marketeur va donc relancer une campagne de publicité auprès de ces leads et qualifier leur degré de réceptivité et d’engagement à la marque, au-delà du jeu-concours. In fine, seuls les leads réellement intéressés seront conservés dans la base de données.
En résumé, le lead scoring permet de noter chaque contact selon son degré d’interaction avec la marque, de mobiliser le budget marketing vers les consommateurs les plus enthousiastes à l’achat, voire d’anticiper ceux qui consommeront et à quel moment. La base de données de contacts est moins volumineuse, mais qualitative et « prête à l’emploi ». Transmise au service commercial, celui-ci n’aura plus qu’à agir en conséquence.
Le content scoring pour qualifier les messages diffusés
Le content scoring ne qualifie pas le consommateur. Il qualifie le contenu diffusé par la marque, selon l’impact qu’il provoque sur chacun de ses leads.
Dans notre exemple ci-dessus, la première étape consiste à qualifier chaque lead généré dans la base de données (le fameux lead scoring). Ensuite, le service commercial entame ses campagnes de publicité personnalisées au profil et aux habitudes de chaque lead sur lequel il souhaite intervenir.
Le second scoring intervient alors. Il s’agit de noter la valeur du contenu proposé au lead en question : a-t-il réagi positivement à telle bannière – telle publication sponsorisée sur les réseaux sociaux – tel e-mail ? Quel contenu sera le plus pertinent et le plus engageant pour lui ?
Du lead scoring vient alors le content scoring et une vision ultra affinée de la stratégie à mettre en œuvre pour faire réagir le consommateur et déclencher l’acte d’achat.
Conclusion
Comme vous pouvez le constater, le Big Data engendre des méthodes de scoring et même de scoring du scoring… Pour des résultats toujours plus personnalisés. Désormais, le marketeur sait ce à quoi nous sommes réceptifs, en matière de valeur, de message véhiculé et même de format et de canal de publicité préférés. In fine, ces techniques servent le même objectif : identifier pourquoi le client achète votre marque et de fait, adapter votre offre et votre manière de communiquer ; pour le conquérir… Et le conserver !
Voir aussi
