La donnée devenant un actif clé pour la relation client, il est nécessaire d'en connaître les principes, les différentes natures & typologies afin de mieux appréhender les problématiques et la valeur qu'on peut tirer de la donnée. Aujourd'hui, découvrons les données de type transactionnelles, déclaratives et comportementales.
La donnée transactionnelle pour l'analyse des préférences et des caractéristiques de vos contacts.
La donnée transactionnelle est une donnée, comme son nom l'indique, reliée à une action de type transaction. Une transaction consiste en la réalisation d'une action engageante, la finalisation d'un accord par un prospect ou un client. De manière générale, une transaction en relation client va correspondre à un achat, à la demande d'un devis ou encore à une prise de rendez-vous. D'un point de vue technique, cela va engendrer un enregistrement, en base de données, qu'il convient de conserver dans l'historique client de manière claire et précise.
La donnée transactionnelle peut servir à chaud, comme à froid (*). A chaud, car la prise d'un rendez-vous est une indication importante d'une intention client, de même que la demande d'un document en ligne. Cependant, de manière générale, on réserve plutôt un usage à froid à ces données. L'analyse d'un historique d'achat va permettre d'analyser le profil d'un client et d'en tirer des informations clé pour adapter la relation client. Est-ce un client fidèle qui revient régulièrement ? est-ce un client premium dont le panier moyen est plus important que la moyenne ? Ou encore est-ce un contact engagé qui réalise régulièrement des devis ?
(*) L'usage à chaud d'une donnée consiste en la réutilisation rapide d'une donnée lors d'actions marketing et de relation client. C'est généralement une intention détectée et donc à saisir. A contrario, l'usage à froid consiste à analyser un historique de données acquise sur une période de temps plus longue qui permettra de personnaliser/cibler ultérieurement un client ou prospect. On parle, ici, d'adapter la relation selon les préférences et sensibilités d'un client.
Les données transactionnelles génère une valeur client forte et sur le long terme, en ce sens qu'elles sont persistantes et reliées à un profil connu et, enfin, qu'elles correspondent à des actions engageantes. Elles vont donc être révélatrices des préférences du contact. En revanche, ces actions étant plus rares, le volume est plus faible limitant parfois le niveau de connaissance pour les nouveaux clients ou prospects. D'où le fait de faire appel aux autres types de données.
Le plus souvent, les sources de ce type de données sont les CRM, les ERP ou encore les applicatifs métier. On est en général sur un usage quotidien au mieux.
La donnée comportementale pour la facilité de collecte et la détection d'intentions.
La donnée comportementale est une donnée de visite ou une interaction simple. De manière générale, par donnée comportementale, on entend la visite d'un site web, d'une application mobile, le fait d'ouvrir des e-mails et de cliquer dedans pour lire un contenu spécifique ou encore une visite en magasin qui sera captée par une connexion wifi ou un signal bluetooth. D'un point de vue technique, cela va engendrer un enregistrement brut dans un système de collecte adapté à la gestion de grands volumes de données. En effet, enregistrer toutes les visites de site web et toutes les pages vues peut vite générer un volume de données très important.
La donnée comportementale est, plutôt, utilisée à chaud. Si cette donnée représente souvent une valeur moindre qu'une donnée transactionnelle (liée à une action moins engageante), elle présente, en revanche, l'intérêt d'être collectée plus tôt dans le parcours client. Par exemple, à la première visite du site web lors d'une recherche de produit. Dès lors, il est possible d'engager plus rapidement une démarche de re-sollicitation avec des messages adaptées dans l'objectif de générer un 1er contact avec un vendeur.
Cette donnée peut aussi être utilisée à froid. Cependant, ce type de donnée présente un inconvénient majeur. C'est une donnée peu persistante dans la mesure où elle est, en général, associée à des cookies. Et, le cookie a une durée de vie limitée (13 mois, légalement et en pratique, plutôt entre quelques jours et 3 mois). Cela limitera donc l'usage à froid de ce type de données.
La donnée comportementale, prise unitairement, a une valeur client moins importante que la donnée transactionnelle. En effet, à partir d'une page vue ou d'un clic vers une page de détail, il est difficile d'en tirer un enseignement définitif. Ce n'est pas parce qu'une personne visite la page de présentation de la nouvelle Peugeot 3008 qu'elle a un projet d'achat automobile.
En revanche, là où réside une valeur forte, c'est dans le volume généré. Dès qu'un utilisateur va revenir sur votre site web, alors l'information sera captée. Et ces data étant récupérées très tôt dans le parcours client, ce sont donc les 1er signes d'intention d'un client. Ainsi, il est possible d'additionner tous ces micro-évènements et d'en tirer un signal fort. On parle ici souvent de signaux faibles dont la répétition génère, in fine, un signal fort. Par exemple, il existe des cas d'usages à très grande valeur où la donnée comportementale permet, très en amont, de détecter les premiers signes de lassitude et de volonté de résilier à un service. La marque peut alors enclencher un processus spécifique visant à réactiver et à fidéliser le client.
Les données comportementales proviennent, en général, de solutions du marché tel que les analytics web (tel que Google Analytics, Adobe), les DMP ou les solutions de personnalisation web. Le plus souvent, les sources de ce type de données sont les sites web, les applications mobiles et les dispositifs IoT, en parcours physique.
La donnée déclarative pour personnaliser la relation client dans la durée, à l'initiative du client.
La donnée déclarative est une donnée fournie et renseignée par l'utilisateur directement. Il s'agit, le plus souvent, de réponses à des questionnaires qui peuvent être collectées lors de sondages, d'enquêtes de satisfaction ou encore de jeux-concours.
Ces réponses peuvent être anonymes (dans ce cas, on en fera un usage analytique global) ou identifiées (ces données pourront être réutilisées pour personnaliser la relation si et uniquement si l'utilisateur a donné son consentement). Si le client vous donne ces informations, de plus en plus, il attend que vous vous en serviez pour mieux le connaître et le servir. Simplement, cet usage doit rester respectueux et gagnant-gagnant.
La donnée déclarative est utilisée à froid. C'est une donnée permettant de mieux connaître les profils et leurs préférences, ainsi que leurs caractéristiques socio-démographiques.
La valeur de la donnée déclarative est hétérogène. En effet, dans les réponses apportées, il y a toujours une relativité d'appréciation et en fonction du contexte, les informations saisies peuvent se révéler authentiques et très intéressantes et parfois, à l'inverse, mensongères. Par exemple dans le cas d'un jeu concours, les informations collectées ne sont pas toujours fiables. Il convient donc de traiter avec prudence ces données.
Les données déclaratives proviennent souvent de solutions de sondages, de recueil des avis client ou encore du CRM. ce sont des solutions du marché (ex : Critizr, Google Forms, SurveyMonkey, etc.) . Ces données se présentent comme des données structurées de base de données.
En synthèse...
Tous ces types de données prennent des formes assez différentes et ont des avantages et inconvénients spécifiques. Plus que d'être concurrentes, elles sont clairement complémentaires. L'usage de chaque type de va être, plus ou moins, recommandé, selon le contexte de collecte, l'étape du parcours client, la récence et vos enjeux.
La mise en œuvre et la bonne utilisation des données nécessite du temps et se fait étape par étape selon les cas d'usages, en gardant à l'esprit que les parcours clients et vos systèmes IT ne cessent d'évoluer depuis quelques années. Ce travail est donc un long voyage dont la destination est inconnue.