C’est quoi Data Driven ? Concept et Définition
“Data-driven”, un adjectif anglais, peut se traduire en français par « piloté par la donnée » et signifie que les progrès dans une activité sont dirigés par les données (data) plutôt que par l’intuition et l’expérience personnelle.
Cette définition contraste avec le marketing tel qu’il est encore pratiqué dans beaucoup d’entreprises ! Prêts pour la révolution de l’approche data driven ?
La Data c’est Quoi ?
Que veut dire Data ? Data signifie donnée en anglais, c’est d’ailleurs un mot d’origine latine qui a donné « date » en français.
Les données ont une place de choix dans la nouvelle économie numérique. C’est pourquoi le mot « data » est souvent employé tel quel en français, y compris dans des expression comme « la data » (un peu comme certaines disent « la growth« ). Des notions diverses comme big data, data lake, data warehouse, data scientist… sont à la mode dans le monde du business et du marketing.
Aujourd’hui nous faisons le point sur « data driven ».
Le Marketing Data Driven : Une Révolution ?
Si le marketing direct s’est toujours appuyé sur les données, d’autres disciplines marketing sont le règne de l’intuition et des idées non vérifiées.
“Personne ne devrait être autorisé à créer des publicités avant d’avoir fait son apprentissage en marketing direct”
– David Ogilvy
Pourtant la possibilité de mesurer les données a rendu le digital marketing bien plus data driven que toutes les autres disciplines publicitaires, faisant enfin mentir ce vieil adage :
“La moitié de mes dépenses en publicité est gaspillée ; le problème c’est que je ne sais pas quelle moitié.”
– John Wanamaker
Mais de quelles Data, ou données, parle-t-on ?
Exemples de questions qui méritent d’être traitées de façon data driven
- selon quel rythme devons-nous relancer nos prospects ?
- est-ce que mon produit est séduisant ?
- est-ce que mon argumentaire est vendeur ?
- est-ce que mon action marketing porte ses fruits ? Est ce que c’est rentable ?
- quel canal est le plus rentable ?
- où est ce que je perds de l’argent ?
- mon agence fait elle du bon travail ?
- est-ce que je devrais essayer un nouveau canal ?
- quels produits me rapportent le plus ?
- où sont mes meilleures clients ?
- etc.
Quelques exemples de données utiles pour répondre aux questions marketing
- Marge brute segmentée
- CPL (coût par lead)
- ROAS (retour sur dépense publicitaire)
- LTV (CA total sur le cycle de vie du client)
- Taux de Conversion comparé (efficacité d’un argumentaire / design / offre)
- Distribution des délais de conversion
- Etapes de conversion, chemins de conversions courants
Toutes ces données doivent être segmentées intelligemment
Enfin les données c’est du quantitatif mais aussi du qualitatif
Où trouve-t-on les Données pour un Marketing Data-Driven ?
Les exemples les plus courants :
- plateforme eCommerce
- CRM
- ticket manager / outil de helpdesk
- outil de comptabilité
- Google Search Console
- Google Analytics ou autre outil
- Facebook, Youtube, Instagram…
- plateforme de publicité (Google Ads, Facebook Ads)
Toutes ces sources de données peuvent être consolidées pour générer des données composites et répondre aux questions business.
Le Marketing Data Driven dans les PME et ETI en France
Nous avons identifié 6 types de marketers et comment ils peuvent devenir plus data driven. Vous pouvez parcourir cet article amusant et éclairant sur le marketing data driven. Nous avons aussi enregistré une vidéo sur ce sujet important pour le marketing des PME.
Comment Devenir Data Driven
1. Devenir Data Driven avec la qualité des données (data quality)
Le niveau zero pour devenir Data Driven c’est d’avoir des données correctes !
Commencez par nettoyer vos outils, Google Analytics par exemple…
2. Devenir Data Driven en Créant de Bonnes Habitudes
Marketing is a process not an event!
– moi
Prenez l’habitude de regarder et comprendre les rapports, faites vous aider au besoin.
- Que voyez-vous ?
- Que comprenez-vous ?
- Qu’est ce qui est nouveau ?
- Qu’est ce qui est positif ? Negatif ?
- Qu’est ce qui ne sert à rien, n’impacte rien ?
- Qu’est ce que vous ne voyez pas ? Est-ce que ça a de l’impact ?
- Qu’est ce qui arrive trop tard ? Trop tôt ?
- Etc.
3. Devenir Data Driven en posant les bonnes questions
Poser les bonnes questions est le début de l’illumination.
Selon Jung :
Poser la bonne question, c’est résoudre à moitié son problème.
– Carl Jung
et pour Elon Musk :
Souvent, la question est plus difficile que la réponse. Si vous pouvez formuler correctement la question, alors la réponse est la partie facile.
– Elon Musk
Les Analystes Web Marketing sont d’accord ! Posez leur de bonnes questions business au lieu de demander des tableaux, des données… ce qu’Avinash Kaushik appelle des « Data Pukes », des régurgitations de données.
Marketing, Web Analytics et Big Data : GA4 et Big Query
Avec l’avènement de GA4, la synchronisation entre le data warehouse de Google, Big Query, et Google Analytics, devient gratuite et relativement simple. L’avenir des web analytics s’annonce sous le signe de la Big Data, pour une approche du marketing encore plus data driven.
Le Marketing Data Driven face à la RGPD, iOS14 et iOS 15
La guerre entre facebook, Apple et Google, (les GAFA), ainsi que les évolutions règlementaires comme la RGPD mettent à mal le tracking des conversions et les web analytics avec le blocage des cookies et l’arrivée de solutions alternatives comme les API de tracking.
Vidéo : 3 Types de Marketers (pas très) Data Driven
Le Vocabulaire de « la Data » – Quelques Définitions
Un peu de culture générale et jargonante peut aider à démystifier le sujet des données. Profitez de notre glossaire ci-dessous et envoyer vos demandes de définition.
Data Driven Advertising
La publicité, généralement en ligne, optimisée et gérée selon l’approche data driven, c’est à dire selon des performances quantifiables. Par exemple une campagne Google Shopping ou encore Instagram optimisée régulièrement selon son ROAS (return on ad spend).
Data Driven Design
Le design aussi peut s’appuyer sur la donnée.
Est-ce que cette nouvelle fonctionnalité est utile ? Est-ce que cette page produit est ergonomique ?
Les outils d’analyse comme Google Analytics, Mixpanel, Hotjar, etc. nous aident à répondre à ces questions avec des données quantitatives et qualitatives, pour prendre des décisions design, UX et UI plus data driven.
Data Set
N’importe quel ensemble de données.
Data Lake
Un Data Lake (lac de données) est généralement un « stock unifié de données », en « dépôt » (repository) qui conserve une grande quantité de données brutes dans leur format natif jusqu’à ce qu’elles soient nécessaires pour des travaux d’analyse.
Alors qu’un entrepôt de données (data warehouse) est hiérarchique et stocke les données dans des fichiers ou des dossiers, un « data lake » (lac de données) utilise une architecture plate pour stocker les données.
Data Warehouse / Entrepôt de Données
En informatique, un entrepôt de données (DW ou DWH pour DataWarehouse), également connu sous le nom d’entrepôt de données d’entreprise (EDW – Enterprise DataWarehouse), est un système utilisé pour le reporting et l’analyse de données, et est considéré comme un composant essentiel de la business intelligence (BI). Les dataWarehouses sont des dépôts centraux de données intégrées provenant d’une ou plusieurs sources disparates.
Selon l’utilisation du terme c’est un quasi synonyme de Data Lake.
Big Data
On utilise le terme Big Data pour qualifier une collection de données dont le volume est énorme et qui croît de manière exponentielle avec le temps. Il s’agit de données dont la taille et la complexité sont telles qu’aucun des outils traditionnels de gestion des données ne peut les stocker ou les traiter efficacement. On qualifie parfois de Big Data une donnée individuelle de taille énorme.
Les énormes sets de données (big data) sont utiles pour trouver des patterns et entrainer des réseaux de neurones (intelligence artificielle), par exemple le logiciel Autopilot de Tesla.
Data Viz / Data Visualisation
La Data Viz ou visualisation des données est la représentation de données ou d’informations dans un graphique, un diagramme ou tout autre format visuel. Elle communique les relations entre les données à l’aide d’images. C’est important car cela permet de voir plus facilement les tendances et les modèles.
Data Analytics
L’analyse des données est la science qui consiste à analyser des données brutes afin de tirer des conclusions sur ces informations. De nombreuses techniques et processus d’analyse des données ont été automatisés en processus mécaniques et en algorithmes qui travaillent sur des données brutes pour la consommation humaine.
Les techniques d’analyse des données peuvent révéler des tendances et des paramètres qui seraient autrement perdus dans la masse d’informations. Ces informations peuvent ensuite être utilisées pour optimiser les processus afin d’accroître l’efficacité globale d’une entreprise ou d’un système.
Data Labelling
Dans le domaine de l’apprentissage machine (machine learning), l’étiquetage des données (data labeling) est le processus d’identification des données brutes (images, fichiers texte, vidéos, etc.) et l’ajout d’une ou plusieurs « étiquettes » ou « label » significatives et informatives pour fournir un contexte, afin qu’un modèle d’apprentissage automatique (réseau de neurones…) puisse être entraîné avec ces données.
Data Quality
La Data Quality (qualité des données) fait référence à l’état qualitatif ou quantitatif des données. Il existe de nombreuses définitions de la qualité des données, mais celles-ci sont généralement considérées comme de haute qualité si elles sont « adaptées aux utilisations prévues pour les opérations, la prise de décision et la planification ».
Quand on a dit ça on a rien dit. Quelques questions simples :
- a-t-on toutes les données ?
- les données sont elles fiables et vraies ?
- le format est-il exploitable et cohérent ?
Par exemple si l’on veut analyser vos données de CRM :
- est-ce qu’il manque 15% (ou 80%) des transactions ?
- est-ce que 20% des transactions est dans la mauvaise devise ?
- est-ce que la date de closing est la date réelle ou juste une date cliquée au hasard lors d’un nettoyage de fin de mois ?
- etc.
Analyser des données fausses est un gros gaspillage (au delà d’une phase d’exercice).
En Détail : Qu’est ce que l’approche marketing data driven en 2021 ?
Le marketing piloté par les données est un processus par lequel les spécialistes du marketing obtiennent des informations et des tendances sur la base d’une analyse approfondie étayée par des chiffres.
Le marketing piloté par les données fait référence à des stratégies basées sur des informations tirées de l’analyse de données importantes, collectées par le biais d’interactions et d’engagements des consommateurs, pour former des prévisions sur les comportements futurs. Cela implique de comprendre les données déjà présentes, les données qui peuvent être acquises, et la manière d’organiser, d’analyser et d’appliquer ces données à de meilleurs efforts de marketing.
L’objectif visé est généralement d’améliorer et de personnaliser l’expérience du client. Une pratique classique est l’étude de marché, une approche plus agile est la campagne de test.
Les outils d’analyse (Analytics, BI) permettent un marketing ciblé et personnalisé auprès du client. Les entreprises utilisent les évaluations des clients et les conversations de support client pour extraire des données en vue de planifier la stratégie marketing. En approchant un public avec une campagne ciblée, on augmente les chances de conversion. Les spécialistes du marketing peuvent désormais comprendre le comportement des clients et prendre des décisions éclairées sur la base des données, ce qui permet un ciblage pertinent.