Les métiers du digital continuent d'être cloisonnés alors que le web n’a jamais eu autant besoin
de transversalité. Un exemple tout simple : le
journaliste aspire à devenir « développeur éditorial ou data journaliste». Vous l’aurez compris : la technique et le marketing ne forment plus qu’un. Le contenu
et l’analyse statistique aussi. Et le Big Data en est la parfaite concrétisation.
Tout le monde en parle sans réellement l’expérimenter. Le
mot fait peur et rêver à la fois. Derrière ce terme se cacherait un métier, une expertise que
seuls les plus aguerris peuvent maîtrisés. Mais quels sont les réels enjeux de ce terme à la mode ? Comment le Big Data transforme le digital et
nous a fait passer du marketing éditorial au matching éditorial ?
Longue traine et
hyper fragmentation : nous sommes tous des médias et générateurs
de données
Nous sommes tous des médias et créateurs de données, infidèles, volatiles :
du blogueur, à l’internaute qui laisse un cookie, aux twittos qui commentent en 280 caractères.
La marque, plus que jamais, est aussi devenue un media qui communique sur ses produits et services mais n’hésite pas aussi à éditer des médias en marque blanche ! Face au ras-le-bol publicitaire, des sujets plus généralistes sont traités. Le contenu n’est plus forcément publicitaire. Le but de ce contenu : un développement de visibilité, un moyen d’approche, de conversation avec la marque/ de faire converser autour de la marque ou du secteur de la marque.
La marque a tout intérêt à collecter toutes ces données. Face à l’explosion des « média », il n’y a plus de support phare, des carrefours d’audience sur lesquels il faut absolument communiquer (de toute façon, un support n’a pas UNE audience homogène) mais il faut s’affairer à capter le bon profil (volatile et infidèle) au bon moment pour lui proposer un contenu personnalisé qui matche avec ses attentes du moment. L’heure est à la Longue Traine médiatique et au temps réel (dont le RTB exploite pleinement le principe).
Les avancées techniques au service du matching éditorial :
Les avancées techniques notamment celles liées au Big Data
permettent maintenant de mener des analyses très poussées, de tout centraliser et interconnecter des données innombrables, mettre en place des algorithmes pour ensuite « retargeter » le bon message personnalisé au bon moment (matching). On ne diffuse plus un large message à une audience « globale »
(marketing). Plus besoin de chercher, on propose ce dont a envie le
profil (pratique face à un internaute
adepte du moindre effort).
Résultats :
- une audience plus réceptive donc des campagnes plus efficaces (ROI),
- Des indicateurs performants sur les éléments dont le ROI est difficilement mesurable (réseaux sociaux entre autres)
Approche méthodologique :
exploiter la richesse de vos datas !
On est face à une explosion des points de contacts. Il n’y a
plus un moyen de communication mieux qu’un
autre (emailing ou réseaux sociaux, publicité ou stratégie d’influence). Il
faut tester, analyser, suivre en temps
réel et créer des algorithmes à partir de ces données pour avoir des modèles prédictifs, généraliser ce qui marche, ajuster, définir du contenu « on
demand » (fiche produit, promo, articles, interview, vidéos, etc.) qui va
plaire, détecter les tendances, prédire les attentes, anticiper et analyser les
actions de la concurrence, hyper cibler etc.
Big Data : exemple d'exploitation des données
Prenons le cas d'un internaute arrivé sur notre
site. On va suivre son comportement pour tenter de convertir. Il faut créer des scenarios marketing et éditoriaux en fonction des situations analysées, à enrichir
en temps réel et au fur et à mesure :
-
Situation : Abandon de panier
o
Action 1 :
envoi d’un mail pour inviter à valider le panier
§
Cas 1 :
l’internaute valide, fin de l’action
§
Cas 2 :
l’internaute n’ouvre pas le mail : mail de relance avec un autre objet (utilisant des mots clés qu'il a pu utiliser dans sa recherche, qui lui ont fait ouvrir d'autres mails, etc.)
§
Cas 3 :
l’internaute ouvre le mail mais ne clique pas sur le mail, on garde l’objet
mais on propose un nouveau contenu (qui s'appuie sur ses données)
§
Cas 4 :
l’internaute clique mais ne valide pas, nouveau mail avec une promotion (qui s'appuie sur ses données)
§
Etc.
o
Action 2 :
pop-up personnalisé quand il navigue sur le site ou mise en avant dans le chat d’assistance
o
Action 3 :
RTB sur les produits qu’il a mis dans son panier
D’où l’importance d’avoir une approche transversale et ne
pas être juste spécialisé dans l’emailing ou le RTB ou de l’optimisation on site (même si l’achat
media peut être largement délégué).
Tout récolter
c’est bien, même ce qui sert à rien ?
« C’est possible donc je le fais ». On n’aurait
pas tous un peu de Big Brothers en nous ? Il faut prioriser, mettre les Big Data
au service de nos objectifs, notre stratégie, quitte à avoir que des « Datas » dans un premier temps.
On peut tout traquer mais il vaut mieux y aller progressivement quant à l’analyse
et l’exploitation des données qui sont très chronophages (sauf si on a toutes les ressources nécessaires évidemment).
Cette frénésie autour du Big Data me rappelle un peu les
débuts des réseaux sociaux (oui j’y étais) où avoir une page Facebook était un
objectif en soi quitte à n’avoir rien à dire (analyser/proposer). L’important
était juste d’être dans l’ère du temps, faire comme le concurrent.
Et si pour une fois on ne laissait pas la technologie guidée les pratiques mais si on mettait la technologie au service de notre stratégie pour innover et pourquoi pas (soyons fous) être bénéfique pour notre business ?
Et si pour une fois on ne laissait pas la technologie guidée les pratiques mais si on mettait la technologie au service de notre stratégie pour innover et pourquoi pas (soyons fous) être bénéfique pour notre business ?
Commentaires
Enregistrer un commentaire