Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

By 4$$!|\/| By 4$$!|\/| « Le [data marketing], c’est comme le sexe chez les ado

By 4$$!|\/| By 4$$!|\/| « Le [data marketing], c’est comme le sexe chez les adolescents : tout le monde en parle, personne ne sait vraiment comment le faire, tout lemonde pense que tout le monde le fait, donc tout le monde prétend le faire. » Et les chiffres donnent raison à Dan Ariely, auteur de cette métaphore : selon une récente étude conduite par l’institut Morar, 72 % des entreprises n’exploitent pas les données qu’elles collectent, déboussolées face à la complexité technologique, scientifique et organisationnelle introduite par l’afflux massif de données sur les consommateurs. Bible du data marketing, cet ouvrage propose de manière inédite une méthode robuste pour exploiter le plein potentiel de la donnée. Il permettra notamment au marketeur moderne de : comprendre les mécanismes de collecte, de stockage et de réconciliation des données ; maîtriser les principaux outils du data marketing (DMP, CRM 360, marketing automation, écosystème adtech…) ; démystifier les concepts mathématiques appliqués au marketing (clustering, scoring, marketing prédictif…). Ingénieur des Ponts et Chaussées, Julien Hirth est le co-fondateur de Scibids Technology, solution technologique intégrant l’intelligence artificielle au cœur des stratégies d’achat publicitaires. Il fut auparavant consultant au sein du cabinet Artefact et a accompagné de nombreuses entreprises dans la définition et la mise en œuvre d’une stratégie data marketing omnicanale efficace. Il anime également un compte Twitter (@JulienHIRTH) commentant les dernières tendances du data marketing : un bon complément à la lecture de cet ouvrage ! By 4$$!|\/| Julien Hirth Le data marketing La collecte, l’analyse et l’exploitation des données au cœur du marketing moderne By 4$$!|\/| Groupe Eyrolles 61, bd Saint-Germain 75240 Paris Cedex 05 www.editions-eyrolles.com Chez le même éditeur : – Réussir sa transformation digitale, Cindy Dorkenoo, Aurore Crespin, Laura Lombardo, Frédéric Klotz et Hamza Moulim – Stratégie digitale, Cindy Dorkenoo – Le guide de la transformation digitale, Vincent Ducrey et Emmanuel Vivier – Le consommateur digital, Nicolas Riou En application de la loi du 11 mars 1957, il est interdit de reproduire intégralement ou partiellement le présent ouvrage, sur quelque support que ce soit, sans autorisation de l’éditeur ou du Centre français d’exploitation du droit de copie, 20, rue des Grands-Augustins, 75006 Paris. © Groupe Eyrolles, 2017 ISBN : 978-2-212-56473-0 By 4$$!|\/| Sommaire Préface Avant-propos La digitalisation de nos vies… … couplée à l’augmentation de la puissance de calcul… … changent le métier du marketeur Objectif de ce livre PRÉAMBULE Concevoir son projet Data Un vaste champ des possibles Spécifique : quel est le but précis poursuivi par le projet ? Un objectif n’est pas un moyen Un objectif n’est pas une finalité Un objectif doit être précédé d’un constat Un objectif doit être simple à comprendre Une méthode efficace pour déterminer un objectif spécifique : l’arbre d’équivalence Mesurable : avec quels indicateurs évaluer la réussite du projet ? Mesurer l’efficacité du projet : les KPI Déterminer les actions qui pèsent le plus : l’attribution Mesurer la pertinence d’un modèle : la matrice de confusion Comparer les gains par rapport aux coûts : le ROI Atteignable : par quels cas d’usages atteindre son objectif ? De la théorie… … à la pratique Réalisable : quelles contraintes opérationnelles vont se dresser sur votre chemin ? Les données en silo ralentissent les projets Les outils en place ne permettent pas la réalisation de tous les cas d’usages L ’organisation de l’entreprise n’est pas centrée sur la donnée Temporellement défini : et maintenant place à l’action ! By 4$$!|\/| Viser des livrables régulièrement… … et s’inspirer des start-ups ! Sources PARTIE A Collecter et stocker Autodiagnostic Chapitre 1 – Faire connaissance avec ses données Comment classer ses données compte tenu de leur variabilité ? Les critères de classification utilisés par les « data scientists » Les critères de classification utilisés par les statisticiens Les critères de classification utilisés par les responsables informatiques Les critères de classification utilisés en publicité Les critères de classification utilisés par le marketing Les critères de classification utilisés par les juristes Quelles données occupent le plus de volume ? Vos données sont-elles utiles ? Fiabilité et qualité des données : le V de « véracité » Obsolescence et capacité à être mobilisé en temps réel : le V de « vélocité » Exploitables à travers des cas d’usages : le V de « valeur » Sources Chapitre 2 – Boîte à outils pour passer de datas éparpillées à des données centralisées Rapatrier ses données : aperçu des principales méthodes de collecte de données et de tracking Le cookie, clé de voûte de la collecte de données web Le Tag Management System (TMS), plus qu’un simple utilitaire L ’« API », trois lettres et tellement de possibilités Comment stocker la donnée ainsi collectée ? Structurer la donnée avant de la stocker : la façon « traditionnelle » de procéder Stocker la donnée brute : plongeon dans le « lac de données » SQL vs NoSQL : l’arbre qui cache la forêt Agréger les données autour d’un identifiant unique Un grand nombre d’identifiants se rapportent à un même utilisateur Relier des identifiants entre eux : état de l’art en 2016 By 4$$!|\/| Sources Chapitre 3 – CRM et DMP : deux outils clés pour dompter la multitude de données Le CRM collecte, stocke et active les données personnelles dans une optique de fidélisation Un CRM peut en cacher un autre… Du CRM au CRM 360 : le grand chantier de la connaissance client La DMP collecte, stocke et active les données anonymes dans une optique d’acquisition Six sources de données alimentent la DMP en cookies Chaque minute, la DMP « classe » des milliers de cookies dans une vaste arborescence : la taxonomie La raison d’être d’une DMP est de créer des audiences… … et de les mettre à disposition des outils d’activation Pas une solution miracle : les limites de la DMP Petite grille d’évaluation pratique pour choisir sa DMP S’organiser dans ses données pas à pas Étape 0 : dresser une cartographie de l’existant Étape 1 : instaurer un référentiel client unique Étape 2 : mettre en place une DMP Étape 3 : relier le CRM à la DMP Étape 4 : déverser le tout dans un datalake Sources PARTIE B Extraire de l’information des données Autodiagnostic Chapitre 4 – Analyse : à la découverte de tendances et de schémas dominants Étape 1 – Découvrir et nettoyer le dataset Étape 2 – Décrire les données Analyser les grandes masses Analyser les évolutions Étape 3 – Comparer les données Comparaison de deux moyennes (ou deux pourcentages) Comparaisons multidimensionnelles Étape 4 – Établir une ou plusieurs segmentations By 4$$!|\/| Sources Chapitre 5 – Analyse exploratoire : identifier les liens entre les données La matrice de corrélation identifie les variables reliées entre elles Un peu de théorie Rendre la matrice de corrélation « sexy », c’est possible ! Application pratique : étude des corrélations entre ventes et météo L’analyse en composante principale (ACP) réduit le nombre de variables Étape 1 – Création des nouvelles variables Étape 2 – Interprétation des axes factoriels Étape 3 – Projection des individus Le clustering : segmentation en pilotage automatique Le clustering s’appuie sur une notion de distance La méthode de clustering « hiérarchique » La méthode de clustering « non hiérarchique » Sources Chapitre 6 – Data visualisation et data storytelling Chart chooser : quel type de représentation choisir pour visualiser les données ? Anatomie d’un bon graphique : quelques astuces de mise en forme L ’échelle Le titre Les couleurs La légende Autres astuces Présentation des résultats sur PowerPoint : se concentrer sur l’essentiel Mobiliser et impliquer positivement son audience Structurer sa présentation comme une histoire V os slides passent-elles le test des cinq secondes ? Le tableau de bord ne présente pas des résultats, il aide à la décision Sources Chapitre 7 – Le marketing prédictif Principes généraux du marketing prédictif Certaines variables sont plus « prédictives » que d’autres De nouvelles variables peuvent être créées L ’efficacité d’un modèle se mesure et les modèles peuvent être comparés By 4$$!|\/| Apprendre, prédire, valider Prédiction explicite à partir des variables : les modèles de régression Prédire le gazouillis des criquets Prédire le CA d’un nouveau magasin pour choisir le meilleur emplacement Prédiction d’un état : algorithmes de classification Le client va-t-il renouveler son abonnement ? Indications des conversations « tchat » ayant une faible probabilité de satisfaire le client Sources PARTIE C Activer les données Autodiagnostic Chapitre 8 – Data et publicité Qu’appelle-t-on « programmatique » ? Il était une fois… la publicité digitale Le programmatique s’impose comme le prochain standard publicitaire Le Real Time Bidding (RTB) change le paradigme de la publicité digitale Avec le RTB, l’écosystème se complexifie La data, au cœur des enjeux de la publicité digitale moderne La data pour créer une audience La data pour optimiser une campagne La data pour personnaliser le message publicitaire La publicité digitale en pratique : mesurer la performance en quatre questions clés Où la publicité est-elle diffusée ? Auprès de qui la publicité est-elle diffusée ? Objectif uploads/Management/le-data-marketing.pdf