DATA ANALYSE

Ciblage, mesure et optimisation

Data analyse

L’extraction et la segmentation de la data permet, à l’aide d’algorithmes et de programmes, d’opérer une analyse fine & granulaire des comportements consommateurs vis-à-vis des marques.
Il s’agit plus concrètement de repérer des corrélations, des points de contacts entre une entreprise et ses clients puis de compiler, centraliser et exploiter ces informations
L’objectif de nos data scientists et data analysts est d’adapter la communication aux usages et aux supports de consommation de contenus en ligne et ce quel que soit le device.
Pour cela, ils explorent, analysent et modélisent une très grande quantité de données, communément appelée la “Big Data” ou encore “mégadonnée”. Le rôle de ces analystes 2.0 est de croiser les données de sources variées pour accompagner nos clients dans une prise de décision rationalisée.

Quelles sont les sources actionnables de collecte de datas ?

  • Google Analytics
  • Pixels de conversion qui permettent de suivre l’efficacité des publicités
  • Des outils CMR/GRC (Gestion de Relations Clients
  • Les registres de transactions
  • Les cookies, qui collectent des informations concernant les utilisateurs et tracent leurs habitudes de consommation

Pourquoi le traitement de la Big Data est-il indispensable ?

De plus en plus de données sont collectées et mises à disposition. Cependant, celles-ci ne sont pas toujours structurées et par conséquent difficilement exploitables. Le traitement des données permet d’organiser les informations et de les utiliser de manière bien plus performante.

Le traitement de la Big Data est également nécessaire avec l’avènement de la distribution des espaces publicitaires (notamment sur Facebook), qui fonctionne de plus en plus sur un système d’enchère (dans le cadre de la vente en programmatique). La valorisation de cette donnée a ainsi contribué à l’inflation des coûts des emplacements d’achat publicitaires premium et native. Il est donc devenu indispensable pour la marque de se saisir de la data et de bien maitriser sa valeur, pour être certaine de toucher son cœur de cible dans le respect des contraintes et des normes imposées par le RGPD, notamment.

Data Anlayse Facebook

Quel est le profil et le champ d’intervention d’un data scientist ?

Puisque le data scientist est chargé de penser la conception de modèles et d’outils conçus pour un traitement, une collecte ou un stockage efficient des données, il s’apparente à un expert de l’analyse quantitatives et qualitatives. Son travail permettra à l’entreprise qu’il accompagne de dessiner les profils type de ses clients, leurs habitudes de consommation et d’achats, afin de créer des clusters.

Le data scientist a donc plusieurs compétences clés : l’analyse de données quantitatives comme qualitatives, la programmation (SQL,MongoDB,etc...), la gestion de données non structurées (en provenance des réseaux sociaux, mais aussi des flux vidéo ou audio), etc. Le data scientist maîtrise également les logiciels propres à son domaine technique. SPSS d’IBM ou les logiciels SAS sont très utilisés, par exemple. Enfin l’anglais professionnel est une aussi une compétence nécessaire à l’exercice du métier.

Comment résoudre un problème et aider la prise de décision grâce à la data ?

Les data scientists transforment les problématiques rencontrées par une entreprise en une somme d’équations solvables par le traitement statistique et mathématique. Pour réaliser ce travail, la data pourra provenir de deux sources majoritaires. La data Offline, ou données consommateurs, qui est récoltée dans les points de vente (les programmes de fidélité en magasin par exemple), et la data online, dont le traitement est piloté en temps réel, à lumière du comportement et des choix effectués par le consommateur sur internet. On parlera alors de behavioural data.

Utilisation publicitaire de la data : quels sont les outils les plus efficaces ?

  • Les DMP (Data Management Platforms) permettent de récupérer, centraliser, gérer et utiliser les données relatives aux prospects et clients afin d’améliorer ses actions marketing.

  • Les Datalakes sont des espaces de stockage dans le cloud centralisant les données brutes d’une entreprise. Celles-ci sont exploités grâce à des algorithmes ou via du machine learning afin de créer une architecture décisionnelle (création de rapports, visualisation, analyse, apprentissage automatique)

  • Les plateformes SaaS, telles que Hubspot ou Marketo, permettant d’améliorer la productivité des actions marketing en centralisant, sur un même espace, les outils les plus éfficients pour récolter la data, traiter, tracker et automatiser les actions marketing.

Pourquoi la data permet-elle de mieux solliciter ses futurs clients ?

Nous avons insisté sur ce point dans cet article, l’utilisation de la data permet d’approcher le client de manière plus intelligente et personnalisée, et donc de pouvoir anticiper une relation à plus long terme. A défaut de développer et d’internaliser cette compétence, les entreprises peuvent s’appuyer sur nos experts pour avancer d'ores et déjà sur Verticaly pour développer sa stratégie en matière de data analyse.

Comment VerticalY utilise la data Facebook pour améliorer la prise de décision dans ses campagnes d’influence marketing?

La data doit se trouver au cœur de du processus de prise de décision stratégique. C’est en partant de ce constat qui se veut agnostique que Verticaly a créé sa méthodologie. En amont de la campagne, nous étudions et nous compilons la data de notre client. C'est sur la base de cette analyse que nous pourrons construire notre stratégie d’achat et de ciblage. La data annonceur sera dédupliquée afin de pouvoir élargir le bassin d’audience (création de profil jumeau, dit look alike), crées sur la base d’une audience déjà définie. Il s’agit de comparer les données de notre première audience avec les données d’une autre afin de cibler les utilisateurs au comportement similaire à celui de notre audience de base

Lean Startup

Tracking

Tech

Big Data