Depuis environ 20 ans, tu ne peux prétendre être un directeur marketing, commercial ou communication, un planner stratégique ou que sais-je sans te présenter comme un expert de la data / crm / cro / mon vier. Pourtant, on voit encore des marques internationales bourriner des campagnes emailings monde entier à toute leur base, des clubs de sport laisser glisser 90% de leur data riche jour de match ou mieux encore : des communautés en dizaine voire centaine de millions de fans offrir leur data aux GAFAS que sont Google, Meta et les autres. C’est assez fascinant le delta qu’il existe entre la puissance du buzzword DATA et son application réelle notamment en France. Alors on fait comment ?
« La Data » : déjà qu’est-ce que t’appelles data ?
C’est quoi la DATA au juste? La base client de tes acheteurs sur ton site e-commerce ? La donnée indépendante qui impacte ton marché comme par exemple les bulletins méteo de ta ville depuis 1974 ? Est-ce que la data pourrait aussi être une base de prospection que t’aurais aspiré sur Scrap.io ? Et si la data c’était le contenu analysé sur les comportements de ton site internet ? Doit-on considérer que le mec qui compte chaque passage en boutique crée de la data ? Est-ce qu’elle doit obligatoirement venir de l’entreprise la data ?
Bref, la DATA je ne me risquerais pas à affirmer qu’une définition claire existe pour la décrire parfaitement. Pour moi la DATA c’est l’ensemble de l’information qu’une entreprise est capable de sourcer pour améliorer son analyse et infirmer ou confirmer des hypothèses stratégiques.
1000 outils zéro passerelle !
Le plus gros souci sur le sujet de la donnée, c’est la diversité de l’environnement technique. Car si vous êtes une marque au contact de ses clients en physique et via le digital, vous n’êtes pas au bout de vos peines. A chaque refonte depuis 20 ans, vous perdez une partie de vos données. Les outils branchés à vos anciens outils doivent être rebranchés. D’un coup, l’outil magique arrive sur le marché et embarque 5 ou 6 outils historiques. Sauf que problème il n’est pas compatible avec un autre outil dont vous avez totalement besoin. C’est la galère. Heureusement en 20 ans les éditeurs de Solutions ont progressé… mais quand même… Elles sont dures à créer les passerelles entre les sources de données et les outils de stockage ou de classification de la donnée. Avec l’IA un espoir demeure… mais pour l’instant difficile d’en avoir totalement la preuve.
Qui sont les rois de la Data alors ?
Sourcer la donnée, l’analyser, la confronter à des hypothèses stratégiques, tester ces hypothèses pour en retirer des bénéfices : ce serait ça en réalité, travailler correctement sur la data. Non? Sauf que lorsqu’on on écoute les « data champions » en France, il y a souvent des trous dans la raquette…
Une donnée sourcée partiellement
Dans le sport par exemple, on accède partiellement à la donnée stratégique. Certains clubs se prévalent d’une stratégie de DATA pour recruter leurs talents sportifs. La source est souvent statistique : combien de Kilomètres par match, combien de passes réussies, combien de Xg créés , etc. Sauf que l’ensemble des données qui régissent la performance d’un sportif est bien plus larges que la data disponible jour de match. Comment vérifier les corrélations entre le nombre d’heures de sommeil et le joueur, sa nutrition, le nombre d’heures d’écrans par jour, sa vie sociale, sa vie de famille, sa nourriture favorite, son rapport aux changements de climats, etc? La data stratégique est tellement large que fier son choix à la data purement sportive et déjà partielle relève du miracle.
La data confiée aux Gafas
La donnée comportementale est aujourd’hui offerte aux Google, Facebook et autres membres de la team GAFAS. Dior compte 100M de fans sur Insta ? Très bien, les Data scientists de Meta vous remercient de les avoir aidés à centraliser un segment fan de mode et stylisme dans le monde entier. De quoi alimenter de magnifiques campagnes publicitaires que l’on pourra vendre à Dior mais aussi à ses concurrents. Brillant ! La data 1st Party a pour l’instant perdu la bataille contre la 3rd Party. Gafa 1 – Marques 0.
Une donnée abondante mais souvent illisible
Certaines entreprises ont des tonnes de données stockées sur leurs serveurs. Pour quel résultat ? Parfois (souvent) auune ressource n’est capable de l’architecturer correctement de manière à la rendre exploitable. Avec l’arrivée de la loi CNIL 2, le RPGD renforce la quantité de donnée inexploitable : que l’on doit mettre à jour régulièrement, que l’on doit supprimer si elle n’a pas été consentie. Ces lacs de données sont immenses mais finalement très peu d’acteurs sont capables de les exploiter! On source partiellement, on stocke en empilant, on exploite finalement très peu cette donnée alors que l’on paie un énorme espace de donnée. C’est un peu l’histoire de l’abonnement iCloud à 5€/mois parce que t’es infoutu d’effacer des tonnes de photos que tu ne veux plus voir.
Disneyland+Data = Dataland.
En 25 ans j’ai croisé une personne qui m’a expliqué en 3 phrases simples comment elle avait réussi à dompter la data. Une seule. Cette personne c’est Juliette Bron qui est passée entre 2018 et 2022 chez Disneyland Paris en tant que VP Data, Tech & Digital pour le parc Européen de Disney.
Mobile first, voire Mobile Only
Chez Disney Paris pas de chichi quand il s’agit de prendre en main sa stratégie data. A son arrivée, Juliette a décidé de focaliser son attention sur le Mobile. Pourquoi ? Tout simplement pour minimiser le nombre de sources potentielles de données. On centralise sur un outil, on source toutes les informations comportementales grâce à cet outil et on fait en sorte que 100% des utilisateurs du Parc utilisent cet outil.
En proposant la totalité des services et des produits du Parc sur l’application mobile, Disney a été capable de capter la quasi totalité des comportements de ses utilisateurs : pas de google, pas de facebook. A partir du moment où tu arrives au parc, que tu entres à l’hôtel, que tu achètes un sandwich ou une place en VIP pour la parade de Mickey, Disney le sait.
Côté client, l’app mobile Disneyland Paris est présentée comme la Baguette Magique pour une expérience optimisée sur le parc. Et c’est réellement ce qu’il se passe ! D’un coup d’APP, on peut ouvrir sa chambre d’hôtel, commander sa place pour une parade, choisir son menu, réserver un coupe file pour le Space Mountain ou téléphoner à Mini en scred dans le dos de Mickey.
Step 2 : Repenser le parc à la lumière des données comportementales.
Bon déjà, cette première étape a coûté un oeil à Disney. Mais au vue des enjeux business, c’était un investissement cohérent, donc « assumable ». De là, des données sont apparues. A l’époque le parc accueillait jusqu’à 90k visiteurs par jour. Sauf que l’abondance des files d’attentes sur les sites de food, de merchandising ou sur les attractions avaient tendance à réduire la satisfaction client de manière conséquente. Alors Juliette et le board ont décidé de réduire la capacité quotidienne d’accueil du parc.
Parallèlement à cela, la team Data a défini un « Parc idéal », celui dans lequel on optimiserait le développement business : réduction des files d’attente et globalement de l’ensemble des points de friction pour les utilisateurs : possibilité de programmer, anticiper, préempter … Mieux encore, c’est le parc qui construit l’audience idéale en modélisant une typologie de public chaque jour d’ouverture. De cette façon on étale sur la journée entière les temps de restauration, les temps d’attraction, les temps de repos et les temps dédiés au merchandising.
En captant quasi 100% de la donnée comportementale, on connaît parfaitement le fonctionnement de son parc. Dès lors on sait dire où sont les potentiels points de friction comme les produits et services favoris. On réduit les temps d’attente inutiles que l’on convertit en temps de « kiff ». L’expérience est améliorée, le consommateur est ravi … et un consommateur ravi, consomme.
C’est toujours à ce jour le seul exemple concret de stratégie DATA que je connaisse. Exemple majeur étant donné qu’en 4 ans le parc français est passé 2e parc mondial devant le parc de Californie. Une performance historique très probablement liée à la finesse de cette approche data.
C’est quoi la conclusion à cet article ?
Pour conclure sur le sujet, je dirais que pour engager une stratégie data gagnante, mon vécu me fait croire qu’il vaut mieux faire peu pour faire mieux.
D’une part, l’enjeu premier est de maîtriser ses sources de données. Si j’ai un commerce physique, comment digitaliser l’information ? Si j’ai un commerce hybride, alors comment faire communiquer la donnée en point de vente physique et celle issue des points de vente digitaux. Cette donnée doit être la plus complète possible et tracer une très grande majorité des comportements de mes clients. Sans quoi, la data ne serait pas assez riche.
D’autre part, je me poserais la question de la data indépendante disponible et facteur d’analyse de mon business. Si je suis gérant d’une station de ski, j’ai sûrement besoin d’analyser les taux d’enneigement sur ma station, peut-être de l’évolution du prix des transports (essence, transports en commun, etc). Et cette donnée, elle n’est pas uniquement sur mon site internet ou dans mes bases de données. La data indépendante provient de mon environnement direct ou indirect et elle peut avoir un impact puissant sur mon activité. On a la chance avec l’IA de simplifier x1000 l’accès à la data publique indépendante. Il y a énormément de business pour lesquels ce serait une aubaine d’y accéder.
Autre point, il faut que j’arrête d’offrir ma donnée à ceux qui vont l’utiliser pour me la faire payer ensuite. Je suis une marque, mes clients ont un comportement sur mon site ou sur mes pages de réseaux sociaux et c’est systématiquement un membre des GAFAS qui en tire directement profit. Toutes les marques n’ont pas la puissance pour dépasser les GAFAS. Mais si je suis un club pro ou une marque dotée d’une forte communauté, je dois évidemment me poser la question de l’émancipation des GAFAS. Comment moins dépendre de Google ? Comment considérer META comme un panneau publicitaire plutôt qu’un outil conversationnel ? Créer un point de contact unique, où l’ensemble des comportements seront tracés, sans fuir sur des plateformes tierces, c’est sûrement l’avenir des marques indépendantes qui veulent faire parler leur data. à date seule la data client est traçable (partiellement). Les marges de progression sont gigantesques.
Enfin et pour conclure, il faut commencer à travailler sur la stratégie DATA le jour où la vision stratégique de l’entreprise est posée. Parce qu’au fond c’est souvent là le problème : on se focalise sur un outil (la data) alors que le plan de la maison n’est pas clairement défini. Et souvent le résultat n’est pas bien satisfaisant.