L'innovation par les données - Le marketing direct

La conquête de nouveaux clients constitue un facteur clé dans toutes les entreprises commerciales. La transformation d’un simple prospect en client représente un coût important, il est donc essentiel de disposer de processus performants et maitrisés.

Problématique

• Mesurer l'efficacité d'une campagne de marketing
• Valider le coût d'acquisition d'un nouveau client
• Transformer des prospects en clients

Bénéfices

• Un coût de mise en œuvre maitrisé
• Une solution évolutive
• Agilité et partage de la solution

Le marketing direct : Capture des réponses et analyse du profil des clients

Lors d’une campagne de marketing direct, l’une des principales phases concerne le ciblage d’un profil de client. Il est d’ailleurs habituel de comparer ce ciblage avec un groupe témoin sélectionné aléatoirement sur la base de données marketing. En effet, cette approche permet de valider la pertinence du ciblage.

Une fois la campagne exécutée un ensemble de nouvelles informations peuvent être disponibles :

• • Un bon de réponse accompagnant l’offre, avec idéalement des informations complémentaires

• • Un coupon de réduction en caisse, permettant au passage d’identifier le magasin de prédilection d’un client

• • Un jeu gratuit accompagné d’un questionnaire

• • Ou tout simplement les retours avec les NPAI (n’habite plus à l’adresse indiquée)

La capacité d’une équipe marketing à définir de manière plus précise le profil des clients concernés, et à définir avec la plus grande justesse un nouveau ciblage permet de diminuer le coût d’acquisitions de nouveaux clients en augmentant le ROI de l’opération.

Il est donc essentiel de comprendre et de segmenter les clients que nous souhaitons contacter. Etendre une gamme de produit chez un client captif nécessite d’identifier les principales relations que la société entretient avec ce client, il peut s’agir :

• D’un client fidèle depuis longtemps
• D’un acheteur occasionnel
• D’un premier achat
• D’un client à la recherche d’une information
• …

Par conséquent, chaque profil nécessite une série d’actions distinctes et adaptées au contexte spécifique de la personne ciblée.

Le cycle classique de gestion de la relation client est composé de 4 grandes étapes, et chacune nécessitant une action spécifique :

Présentation de la solution

La solution présentée dans cet article a pour objectif de fournir, aux équipes marketing, les informations nécessaires pour :

• Normaliser et dé-dupliquer les adresses

• Enrichir une base existante

• Définir un profil des clients de la campagne

• Appliquer ce nouveau profil à des clients jamais contactés auparavant

Cette solution se décompose en deux grandes étapes :

• L’identification des clients ayant réagi positivement à la campagne

• La mise en place d’un modèle partagé permettant un ciblage plus performant

Dans l’exemple ci-dessous, nous pouvons visualiser les différentes formes que peuvent prendre les adresses remontées par les campagnes marketing :

Une fois que les données en entrée sont normalisée, et dé-dupliquées avec notre base de données marketing, nous allons pouvoir non seulement enrichir la base avec de nouvelles informations, mais en plus récupérer les données socio démographiques à notre disposition.

Cependant, à l’issue d’une campagne, la première question qui se pose, est de connaitre le taux de réussite de l’opération. Il est habituel lors de la construction d’une campagne marketing de contacter deux populations distinctes, la première n’est pas ciblée et correspond à une sélection aléatoire, et la seconde qui répond à des critères très précis. Une fois l’ensemble des adresses nettoyées, il est très simple de comparer les 2 cibles sur une carte à l’aide de Power Map.

Il est d’ailleurs possible d’intégrer des informations provenant directement des instituts de sondages et de les visualiser sur une carte, ou encore de construire une analyse complète à l’aide Power Pivot. Avec la suite Power BI, les équipes métiers peuvent en toute autonomie, analyser et intégrer toutes les informations à leurs dispositions

En parallèle les équipes de statisticiens peuvent construire un nouveau modèle de segmentation, avec des données propres et validées.

Cette segmentation permettra de toucher une nouvelle population, que nous n’avions pas contactée lors de notre première campagne, mais très proche de celle ayant réagi positivement à notre offre.

Architecture de la solution

La solution décrite précédemment est architecturée de la manière suivante :

• Les informations sont collectées à l’aide d’un ETL, en l’occurrence Azure Data Factory

• Lors du chargement les composants de Fuzzy Look Up et de Look up sont utilisés afin de rapprocher les données avec la base existante. Si l’ETL sélectionné est Azure Data Factory, alors nous utiliserons une fonction de phonétisation classique. Il reste possible d’intégrer des composants tiers dans ce mécanisme de rapprochement des données

• La segmentation et l’application du modèle s’appuient sur une solution dans le cloud utilisant les méthodes de Machine Learning appelée Azure Machine Learning

• Ce modèle est partagé en mettant à disposition un web service, ce qui permet d’interconnecter Excel, ou tout autre outil et ainsi de qualifier en temps réel une demande (par exemple dans le cas d’un call center)

L’architecture présentée ici est hybride : une partie des données spécifiques à la filiale est dans une base de données SQL Server classique, une autre partie des données accessibles à toute l’entreprise est stockée dans une base de données Azure SQL géo-répliquée dans le cloud.

Une approche de cloud hybride permet de profiter des avantages du cloud (Machine Learning, élasticité, géo-réplication, disaster recovery, etc…) par-dessus une architecture physique déjà existante.

De plus, Azure Machine Learning permet de concevoir un modèle prédictif et le partager sous forme de web service.

Ce web service, identifié par une adresse URL et une clé d’authentification, peut alors être appelé depuis n’importe quel fichier Excel à l’aide d’une simple fonction :

Synthèse

Cet article a illustré la manière de procéder à une étude de marketing direct, d'un point de vue fonctionnel et technique

Produits concernés :

- SQL Server 2014

- SQL Azure

- Azure Data Factory

- Azure Storage (Blog, Table)

- Azure Machine Learning

- Excel - Power BI

Des solutions innovantes avec Microsoft Consulting Services

Les architectes et consultants MCS sont formés sur l’ensemble de l’offre applicative et infrastructure de Microsoft, afin de proposer à leurs clients des solutions innovantes permettant de répondre à leurs enjeux opérationnels, et de s’engager dans une démarche de transformation numérique.

Pour plus d’informations sur les offres packagées Microsoft Consulting Services, rendez-vous sur https://www.microsoft.com/france/services

Plus d’informations sur les blogs « L'innovation par les données ».