Il existe beaucoup de confusion quand on parle de big data. Certains l’associent à une quantité de données de plus en plus importante. Mais c’est plus complexe que cela. Il est donc essentiel de comprendre ce qui se cache derrière ce buzz word et ce qu’il a réellement changé dans le monde de l’entreprise.

Le Big Data ne consiste pas simplement en une vaste accumulation de données

Cela, en ce sens, n’a pas grand-chose de nouveau et des firmes, comme Amazon ou Walmart détiennent des quantités de données astronomiques à l’échelle internationale.

Quand on parle de big data, il faut savoir que les données ne sont pas simplement stockées et traitées de manière statistique. Elles sont aussi :

  • Interprétées grâce à des outils sémantiques (catégorisation…),
  • Étendues à la sphère comportementale (clicks, visites, géolocalisation, interactions sociales),
  • Combinées avec des sources de données externes (open data notamment),
  • Etudiées sous l’angle des signaux faibles (datamining) et des techniques probabilistes

Grâce au web et aux technologies de communication mobiles, cette data est directement générée en temps réel par l’activité de l’utilisateur client.

Un « virage data » difficile à aborder pour certaines entreprises

Il ne s’agit plus seulement de segmenter les cibles comme à l’époque des CSP+ et de la ménagère de plus de 50 ans. Il ne s’agit plus simplement, grâce aux statistiques de faire entrer un individu dans une catégorie au comportement plus ou moins prévisible. Il s’agit plutôt, soit de prévoir en temps réel le comportement d’un individu compte tenu de tout ce que l’on sait sur lui, soit de trouver les individus les plus susceptibles de réagir de la façon que l’on souhaite à un message donné. Il s’agit aussi pour la marque, comme le prévoit le marketing 3.0, dans un scénario idéal, de mettre le consommateur au centre, de lui donner de la valeur ou pour le moins de reconnaître la valeur que le consommateur engendre de par son activité.

Pour certaines entreprises ou industries centrées sur le produit et le CA généré, ce virage de la data et de la mutation des stratégies marketing ne sera pas facile à négocier. Tout l’enjeu pour la marque consiste à répondre de façon adéquate aux besoins fluctuants du « client acteur » tout 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, les principes mathématiques et les profils de compétences non plus.

Il semble ainsi que l’on s’achemine vers une multi spécialisation des compétences en marketing et plus particulièrement en marketing digital. C’est l’ère du data scientist et du data analyst capables in fine, d’interpréter les informations que les logiciels et solutions informatiques modernes récoltent et analysent.

Le ciblage digital et la segmentation traditionnelle : 2 approches complémentaires

Bien sûr la segmentation reste utile et pertinente. On en parlait dernièrement en définissant les différences marketing entre push et pull. D’abord parce que l’on ne sait pas toujours tout. Ensuite parce que la mise en place de systèmes de ciblage digital représente un investissement en technologie et en expertise. Enfin, parce qu’il serait dommageable de nier l’évidence.

En matière de contenu notamment, tout ne concerne pas tout le monde : un traité d’électromécanique a peu de chance de passionner un comptable et la plupart des biologistes resteront de marbre face aux propositions réglementaires bancaires de l’accord 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 du client est un flux d’opportunités qu’il faut savoir saisir au bon moment. Ainsi, si une jeune femme fait un achat layette, il est intéressant de savoir si cet achat lui est destiné ou s’il est réservé à quelqu’un de son entourage. Les technologies big data aident à répondre à ce genre de question mais il faut faire attention aux dérives.

Le point clé dans la big data : différencier le concept de recall et précision

Les experts du métier utilisent deux notions qui sont le recall (l’exhaustivité du recensement des opportunités) et la précision (le nombre de cas exacts parmi ceux détectés). Ces deux notions sont d’une certaine façon antagonistes et le marketeur devra arbitrer entre le risque de rater une opportunité et celui de perdre en pertinence et donc en rentabilité de ses actions marketing.

Au-delà de toutes les opportunités apportées par le big data en matière de ciblage e-commerce, il faudra être vigilant quant à la qualité et à la véracité des données recueillies, à leurs interprétations et à la qualité de la réflexion en amont pour être certain d’utiliser la technologie de façon adéquate. Il faudra être également attentif à ne pas créer chez le consommateur un phénomène de rejet face à des approches trop intrusives et trop automatiques. Comme en matière de renseignement, le contact avec le terrain restera un complément indispensable de 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 (THF).