L’Actu de la Data

Les professionnels du marketing et plus précisément les marketeurs ont l’habitude de travailler des données structurées, notamment à partir de leur base de données clients. Les données non structurées, quant à elles, restent le plus souvent sous-exploitées, car plus complexes à appréhender. 

Mais qu’est ce qu’une donnée non structurée ?

Les données structurées sont formatées pour permettre leur utilisation, au travers par exemple de fichiers Excel et de bases de données marketing, par des humains ou des logiciels ( fichiers de vente, de produits ou encore les bases de données de clients).

Les données non structurées ne sont quant à elles pas spécifiquement formatées. Il peut s’agir de rapports, de fichiers texte, de fichiers audio ou vidéo, mais aussi d’e-mails et d’interventions sur les réseaux sociaux.

Les données non structurées sont encore peu exploitées

Une enquête de Forrester Consulting de 2021, réalisée auprès de 150 professionnels du marketing d’organisations américaines, nous révèle qu’il existe encore une sous exploitation des données non-structurées, à des fins de marketing ou d’optimisation de l’expérience client.

Les marketeurs priorisent encore la collecte de gros volumes de données par rapport à l’analyse plus fine de données qualitatives

Parmi les professionnels questionnés, 84% d’entre eux perçoivent bien la valeur des données et retours terrain non structurés. Mais seulement 30% des données aujourd’hui collectées sont non structurées.

Les marketeurs priorisent encore la collecte de gros volumes de données par rapport à l’analyse plus fine de données qualitatives. Pourtant, les données non-structurées, notamment celles issues des interventions sur les réseaux sociaux, sont des contenus qualitatifs par nature. Ils procurent en effet des éclairages en temps réel sur l’interaction entre le client et la marque à des moments clé du parcours client.

Collecter des données non-structurées n’est pas simple

Néanmoins, les 2/3 des décideurs sondés déclarent être tout à fait conscients de l’importance des données non-structurées pour atteindre leurs objectifs d’optimisation de l’expérience client. Mais ils avouent rencontrer des difficultés à collecter ces données.

Ils sont 43% à déclarer avoir du mal à analyser et comprendre les retours clients et les données ainsi collectées. Enfin, 40% de ces professionnels considèrent que leur entreprise est trop focalisée sur les données structurées, et pas assez sur les données non-structurées.

Seul 1/3 des professionnels questionnés déclare utiliser des solutions unifiées d’analyse de données ou d’agrégation de différentes sources de données.

Des plateformes proposent donc le regroupement des communications des clients dans une seule solution d’analyse.

Moins de 50% pensent donc pouvoir utiliser, pour l’amélioration de l’expérience client, les retours clients et données issues des points de contact. Pourtant près de 90% affirment partager ces informations avec leurs équipes, mais aussi ne pas exploiter ces informations de manière significative. Seuls 1/3 de ces marketeurs pense offrir des réponses satisfaisantes aux attentes de leurs clients avec leur stratégie actuelle.

Prolifération des plateformes d’analyse des données marketing 

Des plateformes proposent donc le regroupement des communications des clients dans une seule solution l’analyse.

C’est même la catégorie de solutions logicielles qui ces deux dernières années a connu la croissance la plus rapide sur le marché des outils technologiques du marketing.  70% de la croissance du nombre d’éditeurs dans cette catégorie « data » est directement due à la demande croissante des solutions de gouvernance des données, de conformité et de protection de la vie privée.

L’optimisation de l’expérience client est assujettie à une bonne connaissance client. Avec l’essor permanent des solutions et médias de communication, un grand nombre de points de contact et d’interaction entre le prospect/client et les marques sont aujourd’hui possibles. Certains soulignent ce qu’ils appellent de l’infobésité ; d’autres, à juste titre, y voient l’opportunité d’accéder à un nombre incroyable d’informations exploitables pour une réelle optimisation de l’expérience client.

Un prospect/client émet au fil des années, dans le cadre de sa communication avec la marque, nombre d’informations non ou mal exploitées (communication par courriel, plaintes, commentaires sur les médias sociaux, etc…) : ce sont des données non structurées. En effet, selon MongoDB, environ 90% des données produites et collectées par les entreprises ne seraient pas structurées. Les données non structurées sont des données non formatées. 

Le challenge pour les organisations, est d’exploiter et de valoriser ces données non exploitées, avec pour objectifs de les rendre utiles et actionnables.

Elles sont dans la majorité des cas stockées dans des data lakes, tandis que les données structurées le sont dans des data warehouses. Le challenge pour les organisations, est d’exploiter et de valoriser ces données non exploitées, avec pour objectifs de les rendre utiles et actionnables. Utiliser l’intelligence artificielle, notamment pour analyser les documents, va générer ce surplus de productivité.

Le souci majeur identifié par les entreprises est bien la gestion et l’exploitation des données informatives, qu’elles proviennent de l’organisation comme de l’extérieur. Leur défi réside dans leur capacité de traitement de ces informations, parfois inconnues (dark data). Ainsi, l’utilisation de l’Intelligence Artificielle offre la possibilité opérationnelle, au travers de l’analyse des documents, d’extraire et d’analyser chaque mot dans chaque conversation.

L’objectif, pour l’organisation, est de nourrir ses prises de décisions à partir des données (démarche data driven), de faire bénéficier d’une économie le temps de traitement de l’information à ses collaborateurs et de la rendre exploitable.

En effet, si en 2021 la prolifération des médias de communication et des interactions entre les prospects/clients et les marques produisent un immense flot de données, les organisations ne peuvent plus ignorer ce sujet.

Analyser des données non structurées permet également de respecter les politiques de conformité. L’Intelligence Artificielle va ainsi pouvoir identifier des contenus inappropriés dans des tchats, messages instantanés ou des échanges suspects dans des courriels, … mais aussi permettre la mise en conformité de l’organisation au RGPD. Le secteur des banques ne s’y est pas trompé. Un challenge important pour ce domaine d’activités qui gère un très grand nombre d’informations sur ses contacts, présentes au sein de différents départements et systèmes d’informations. Et qui, pour promouvoir ses produits d’investissement (actions, obligations, fonds de placement…), doit délivrer à leurs clients une information précise sur les risques encourus. Dans ce contexte, l’Intelligence Artificielle permet de vérifier que les communications téléphoniques entre conseillers et clients sont bien respectueuses des standards de qualité. 

La problématique de la gouvernance des données et de leur exploitation est absolument centrale pour les organisations qui sont en cours de transformation, surtout quand celles-ci ne se sont pas encore dotées d’un CDO pour gérer le sujet. En effet, si en 2021 la prolifération des médias de communication et des interactions entre les prospects/clients et les marques produisent un immense flot de données, les organisations ne peuvent plus ignorer ce sujet. En d’autres termes, administrer des données coûte cher, leur non-exploitation coûte encore plus cher…

Alors que le contexte économique lié à la pandémie impacte et ralentit fortement l’activité et la rentabilité de nos entreprises, celles des géants du numérique (les GAFA) ont progressé comme jamais.

Bien que la transformation numérique, pour la plupart de nos organisations, semble correctement initiée, l’exploitation des données numériques, quant à elle, est encore trop peu mise en œuvre. 

Même s’il est encore difficile de définir exactement les contours de l’économie numérique, on peut aujourd’hui considérer que celle-ci représente de 4,5 % à 15,5 % du Produit Intérieur Brut mondial. La transformation numérique d’une entreprise qui consiste à migrer vers un modèle d’affaires numérique lui donne l’opportunité de pouvoir créer et capter de la valeur. 

Savoir analyser des données est désormais strictement nécessaire pour rester compétitif.

Ces données digitales sont aujourd’hui produites par nos activités personnelles, sociales, transformées en information par les organisations, constituent un nouveau terreau économique. En revanche, il faut prendre en compte que d’ici à 2025, 66 % des données seront créées par les organisations (à comparer à 45 % en 2012) et vont progresser de 43 % par an dans les années à venir. Bien que le volume des bases de données augmente sans cesse et de façon importante, nos organisations n’en exploitent qu’un peu plus de 30%.

Cette déficience d’exploitation des données, si les entreprises ne réagissent pas rapidement, les handicapera de façon considérable pour saisir les opportunités offertes lors de la sortie de la crise actuelle.

58 % des organisations redoutent que le volume de leurs bases de données progresse trop vite avant qu’elles puissent avoir mis en œuvre les dispositifs ad hoc.

Formidable solution d’aide à la prise de décision et à l’optimisation des activités d’entreprise, l’analyse des données est désormais strictement nécessaire pour rester compétitif.

Cependant,si plus de 9 entreprises sur 10 considèrent leur transformation numérique comme essentielle et stratégique, 28 % d’entre elles estiment en revanche qu’elle est non urgente. Ces différences au niveau du choix de leur transformation numérique expliquent à la fois la mise en œuvre ou non d’un plan d’investissement et une planification ou non de la transformation numérique (60% des organisations détiennent les deux, 25% ne possèdent que l’un ou l’autre et 6 % ne détiennent aucun des deux). 

Face à cette urgence d’accélérer leur transformation numérique pour éviter une forte perte de compétitivité et ainsi adopter une culture numérique.

Et comme si cette transformation n’était déjà pas assez complexe et difficile à mettre en œuvre, 66 % d’entre elles affirment que plus de 50% de leurs données digitales sont non traitées, déstructurées, voire inconnues. 

Les entreprises n’ont plus d’autre choix que d’entreprendre une véritable réflexion quant à leur modèle d’affaires numérique, afin de se mettre en capacité d’évoluer pour d’une part mieux contrôler la chaîne de valeur de leur domaine d’activité et d’autre part comprendre de manière beaucoup plus affinée les besoins de leurs clients finaux. 

L’objectif final est de faire le nécessaire pour adopter un modèle numérique à forte valeur ajoutée et procéder à l’intégration des chaînes de valeur de l’économie numérique.

La science des données pourrait totalement révolutionner les pratiques du commerce de détail, de l’optimisation de la tarification à la personnalisation du ciblage des clients. Pour autant, pour que cela devienne opérationnel, l’entreprise n’a pas nécessairement besoin de data scientists diplômés. Il est en effet beaucoup plus judicieux pour les commerçants de doter leurs équipes des compétences ad hoc. Grâce à leur formation et à des solutions logicielles adéquates, les employés peuvent eux-mêmes analyser les données de manière efficace.

La pandémie a provoqué un incroyable essor de la transition numérique.

Les magasins devant temporairement fermer, les pénuries d’approvisionnement… sont parmi les nombreuses difficultés auxquelles les commerçants doivent faire face en raison de la pandémie et qu’ils doivent gérer… Si les commerces dits « essentiels » et e-commerces sont moins impactés, les autres souffrent particulièrement de la crise. Afin de tenter de résister, ces commerçants « non essentiels » ont trouvé comme planche de salut : Internet. D’après une enquête de la Fevad de janvier 2021, l’activité du e-commerce a atteint 112 milliards d’euros en 2020, en hausse de 8,5%. Cette augmentation est principalement due à la progression des ventes de produits sur internet, estimée à +32%. Par ailleurs, en 2020, on comptait 17 400 sites supplémentaires par rapport à l’année précédente.

Une analyse fine des données collectées peut aussi expliquer les raisons de la vente de certains articles ou de ce qui a motivé les clients à visiter le magasin.

Pour autant, l’essor des offres en ligne n’est pas suffisante pour rester compétitif. Les commerçants et e-commerçants doivent s’adonner à une analyse fine de leurs données.

En effet, grâce à des informations obtenues à partir de l’analyse des données, l’optimisation de la tarification, du placement des produits ou encore du déploiement du personnel est rendue possible. Par exemple, les tarifs peuvent être dynamisés par l’identification du jour de la semaine et à quelle heure certains articles ont été vendus. Une analyse fine des données collectées peut aussi expliquer les raisons de la vente de certains articles ou de ce qui a motivé les clients à visiter le magasin. La relation avec les fournisseurs qui revêt une importance particulière en période de crise, peut aussi être optimisée grâce à l’analyse des bonnes données, notamment pour déterminer quelles marchandises doivent être commandées afin d’éviter les goulots d’étranglement dans l’approvisionnement.

C’est en combinant ces informations avec l’analyse humaine que l’on créé de la valeur 

Pour autant, les quantités de données générées ne valent pas grand-chose à elles toutes seules. Bien que les solutions logicielles puissent les analyser, l’intelligence humaine est nécessaire pour prendre les bonnes décisions à partir de ces informations.

Il est évident qu’aujourd’hui, grâce aux solutions disponibles en libre-service, il n’est pas nécessaire d’être un Data Scientist pour relever le défi de la transformation numérique. L’important est donc de fournir aux employés des solutions logicielles intelligentes, de les former à leur utilisation, pour les aider dans l’interprétation des données.

Par conséquent, le challenge pour les commerçants est désormais de transformer leurs propres employés en Citizen Data Scientists.

La crise sanitaire a montré que les décisions fondées sur le numérique et les données sont désormais incontournables. Il faut convaincre les employés que se nichent dans les données de puissantes informations pouvant aider à faire passer les ventes et l’expérience client à un tout autre niveau. Une fois les employés convaincus, c’est aux dirigeants de leur fournir les bonnes solutions logicielles. C’est le sésame pour mettre en œuvre leurs compétences analytiques et bénéficier réellement de tous les avantages de la transformation numérique.

Google indique que les nouvelles capacités d’apprentissage machine qu’il propose ont pour but d’aider les marketeurs à travailler sans cookies et autres identifiants sur les sites web et les applications.

Le géant californien vient d’effectuer une mise à jour de ses produits de mesure et d’analyse. Il a notamment procédé à une profonde évolution de la confidentialité de sa solution phare : Google Analytics. La société déclare que les nouvelles capacités de sa solution sont la conséquence directe de ses investissements dans l’apprentissage machine et la modélisation, et ont été développées pour aider les marketeurs à travailler sans cookies et autres identifiants sur les sites web et les applications.

Sur le terrain de la confidentialité, le géant de Mountain view précise qu’il va sous peu intégrer dans sa solution d’analyse et ses dispositifs avancés d’apprentissage machine des rapports ayant attrait aux comportements.

En fin d’année 2020, Google avait annoncé la plus grande évolution de Google Analytics depuis près d’une décennie. Cette refonte avait donné naissance à de nouvelles capacités d’apprentissage machine, à des rapports unifiés pour les applications et le web, à des intégrations natives et à certaines mises à jour de la confidentialité.

Cette nouvelle mise à jour est dans la continuité de celle de 2020, avec la proposition de fonctionnalités inédites visant à assister les professionnels du marketing, notamment dans leur capacité de répondre aux nouvelles attentes en matière de confidentialité et aux évolutions des comportements des consommateurs.

Le suivi du parcours des clients sans faire appel aux cookies

Par exemple, dans les rapports concernant l’acquisition d’utilisateurs, les modèles d’apprentissage machine pourront fournir le nombre de nouveaux utilisateurs acquis au cours d’une campagne. Le but est donc de permettre aux marketeurs d’effectuer le suivi des parcours clients sans faire appel aux cookies.

Google Analytics est la solution d’analyse web leader du marché depuis 2005.

Google indique qu’il a mis au point une autre solution, respectueuse de la vie privée, pour fournir des mesures de conversion aussi précises lorsque les cookies sont absents. Les nouvelles conversions améliorées de la société permettent aux balises d’exploiter des données consenties de first party pour générer des informations liées aux performances, comme la progression du nombre de conversions, et pour optimiser la qualité de mesure dans les cas où une annonce est visualisée sur un appareil et cliquée sur un autre. Google déclare que les données sont hachées pour une parfaite préservation de la confidentialité et de la sécurité des utilisateurs.

« Il était temps de développer de nouvelles techniques de protection de la vie privée afin de vous offrir la garantie que vos mesures restent précises et exploitables », précise V. Srinivasan, VP de l’ingénierie pour Google Ads. « Et même si cela peut sembler difficile, notre objectif actuel est de vous accompagner dans votre réussite dans un monde avec moins de cookies et autres identifiants, avec de nouvelles pratiques respectant le consentement des utilisateurs, techniques de mesure des conversions et de déblocages des informations granulaires à partir de vos sites et applications. »

Google Analytics est la solution d’analyse web leader du marché depuis 2005. S’inscrire et utiliser la version standard de Google Analytics, idéale pour les particuliers ou les TPE/PME, est gratuit. Les grandes organisations opteront plutôt pour la version premium : Google Analytics 360.