En plus d’un demi-siècle, les trois règles d’or du commerce de distribution n’ont pas changé, ce sont toujours l’emplacement, l’emplacement et l’emplacement. Quoi que, est-ce toujours le cas dans un quotidien post-COVID ? De même, les trois piliers du marketing sont toujours identiques : données, données et données. Ceci étant dit, de quelles données parlons-nous ? Qui en a la maitrise ? Comment peut-on en faire un avantage compétitif ? Là encore, nos certitudes sont ébranlées, car toutes les marques ou organisations ne sont pas sur le même pied d’égalité en matière de donnée, non pas pour une question technologique (capacité de traitement), mais plutôt pour une question culturelle (bonne compréhension et bonne utilisation).
À moins que vous ayez passé ces dernières années dans une grotte, vous avez nécessairement pris conscience de l’importance, voir de l’obsession pour la donnée dans les pratiques de e-marketing. Si jusqu’à récemment le marché de la donnée ressemblait au Far West, la mise en application du RGPD en 2018 a marqué la fin de l’âge d’or. Ces régulations sont effectivement les bienvenues pour accompagner la crise de croissance du web, mais elles compliquent la tâche des acteurs indépendants et renforcent la position dominante des GAFA.
Quoi qu’il en soit, la donnée ou plutôt la maitrise de la donnée reste un facteur-clé de succès pour n’importe quelle marque ou organisation souhaitant exploiter les canaux numériques. J’irai même plus loin en vous proposant cette maxime provocatrice : pas de données, pas de business ! (pour faire écho au célèbre “No parking, no business!”).
Ceci nous amène naturellement à parler de l’utilisation de la donnée dans un contexte marchand, donc de mise sur le marché, donc de marketing. L’occasion pour moi de faire le point avec vous sur la genèse, l’évolution et les enjeux du data marketing.
La donnée a toujours été au coeur des pratiques marketing
Avant toute chose, il m’importe de rétablir la vérité et de rappeler que le marketing a toujours été une discipline très “technique”, du moins faisant appel aux données pour n’importe quelle action : estimation du potentiel d’une zone de chalandise, définition d’une audience en fonction de critères quali / quanti, mesure de la présence en rayon, surveillance de l’efficacité publicitaire et commerciale… Ceci étant dit, la grande différence est qu’avant il fallait payer pour produire de la donnée, alors qu’aujourd’hui la production est systématique et quasi gratuite (cout marginal de création et de stockage des fichiers logs). En fait, c’est lorsque vous voulez utiliser les données des utilisateurs ou clients des autres que les choses sont devenues compliquées !
Cette précision maintenant faite, il faut bien reconnaitre qu’au fil des ans, le marketing et ses pratiques sont passés par différentes phases correspondant à des modèles conditionnés par l’évolution des usages et des outils. Pour résumer : plus nous avançons dans le temps et plus forte est la recherche de précision et d’efficacité, notamment grâce à une utilisation systématique de la donnée, voir systémique, comme c’est le cas avec la publicité en ligne. Le modèle ultime étant celui qui repose sur l’apprentissage machine et l’automation, même si nous avons maintenant le recul pour comprendre que l’intelligence artificielle n’est ni magique ni miraculeuse.
Je n’aborderai pas dans cet article l’utilisation d’IA (certains parlent de synthetic marketing), car ça a déjà été fait (cf. Panorama des solutions d’intelligence artificielle pour le marketing publié en 2017), et car le débat ne se porte plus sur les algorithmes, mais sur la donnée qui est réellement le nerf de la guerre (Oubliez la singularité et concentrez-vous sur vos données publié également en 2017). Effectivement, aujourd’hui personne ne peut nier que la donnée est un actif stratégique pour les entreprises. Vous noterez d’ailleurs que cette assertion a été formulée il y a plus de 10 ans par le Forum Économique Mondial : Personal Data: The Emergence of a New Asset Class.
Bref, le Chief Marketing Officer est-il en train de se transformer en Chief Metric Officer ? Non, car encore une fois, l’exploitation des données et tableaux de bord est intrinsèque aux disciplines du marketing. En revanche, ce qui change, c’est la diffusion de ces pratiques dans l’ensemble de l’entreprise. Tout comme le marketing est devenu une fonction chapeau qui nourrit l’ensemble des métiers, les problématiques liées à la gestion et l’exploitation de la donnée touchent maintenant tous les services.
Dans la mesure où il n’est pas question de créer une Direction spécifique à la gestion de la donnée (pour éviter de complexifier les organigrammes), c’est naturellement au département marketing que revient la charge de diffuser la bonne parole. Les enjeux auxquels les Directions marketing doivent maintenant faire face sont les suivants :
- s’assurer de la bonne compréhension de ce qu’est la donnée (data literacy) et de la bonne appréciation des usages (ce que l’on peut / doit faire avec) ;
- expliquer les bénéfices, les limites et les risques (ex : questions éthique) ;
- garantir une bonne utilisation malgré ou grâce à l’évolution rapide des outils (+ performants) et des pratiques (+ sophistiquées).
Ayant pu constater le déficit de connaissances et de compétences chez mes clients, je n’insisterai jamais assez sur la nécessité de faire un gros effort pédagogique pour expliquer, rassurer et même définir.
Chaque entreprise a sa propre définition
Autant le dire tout de suite : il n’existe pas de définition unanimement adoptée par les professionnels. Nous avons soit des définitions floues comme celle du Data-driven marketing (“un processus qui permet aux marketeurs de récolter des enseignements ou tendances grâce à une analyse en profondeur des chiffres”), soit des définitions trop classiques comme celle proposée par le Mercator : “Un marketing fondé sur la collecte, le traitement et l’exploitation de masses de données numériques afin de mieux connaître les clients, de mieux prédire leur comportement et de mieux adapter sa politique marketing (offre, prix, distribution, communication…)”.
Avec le data driven marketing nous avons néanmoins des approches intéressantes comme celle-ci où il est question de la chaine de traitements (profilage, segmentations, activation) : What Is Data-Driven Marketing? – Definition, Examples and Case Studies.
Comme on n’est jamais mieux servi que par soi-même, je vous propose la définition suivante : “Le data marketing désigne l’utilisation systématique des données pour mieux comprendre et anticiper le comportement des consommateurs, améliorer la performance des actions et enrichir l’expérience des clients”.
Dans cette approche, il est simplement question de marketing, quels que soient les canaux, et pas spécifiquement de numérique, car les domaines d’application du data management s’étendent bien au-delà des frontières du web et touchent l’ensemble des collaborateurs.
Un réel besoin de diffuser une culture de la donnée
En 2006, le mathématicien anglais Clive Humby lançait la célèbre phrase “Data is the new Oil” pour décrire le fait que les données sont devenues la matière première de l’économie, celle qui aujourd’hui génère une très grande partie de la croissance. La donnée est effectivement une matière première, donc forcément brute. Si son exploitation semble être une évidence pour tous, c’est le niveau d’utilisation et les investissements relatifs à son utilisation qui diffèrent d’une organisation à une autre. Je ne parle pas ici de faire de l’informatique décisionnelle et de créer 2 ou 3 tableaux de bord pour surveiller l’activité, mais plutôt de faire une utilisation systématique : faire en sorte que chaque décision soit conditionnée par des données et non par l’intuition ou l’expérience, deux attributs utiles au siècle dernier, mais qui sont aujourd’hui inopérant face à un marché instable et volatil.
L’intérêt de la métaphore de Clive Humby est de faire comprendre que les données ont besoin d’être raffinées pour être exploitées. Ainsi, le pétrole à l’état brut ne vaut pas grand chose, il coûte très cher à extraire, il en faut de très grandes quantités pour que son exploitation soit rentable (raffinage, stockage, distribution…). Une configuration de marché très proche du web où les GAFA règnent en maitres grâce à leur galaxie de services permettant de collecter des tonnes de données ainsi que leurs infrastructures techniques gigantesques pour pouvoir les traiter (The world’s most valuable resource is no longer oil, but data).
L’oligopole des géants du pétrole est en apparence très proche de celui des géants du numérique, mais la comparaison s’arrête là. Le pétrole est en effet présent en quantité limitée, contrairement aux données numériques qui sont disponibles en abondance et réplicables à l’infini (du moins dans la limite des supports de stockage).
Ceci étant dit, la formule plait et a inspiré d’autres métaphores comme Big Data is the new Oil Sand où l’auteur nous explique que tout comme les sables bitumineux demandent une surcharge de travail pour pouvoir extraire le pétrole du sable avant de le raffiner, les big data (données non-structurées) demandent une surcharge de travail pour être exploitées. Dans la même veine, il y a aussi Data was the new oil, until the oil caught fire où l’auteur aborde les nombreuses failles de sécurité ainsi que les travers des intelligences artificielles entrainées avec des données biaisées.
Maintenant que nous bénéficions d’un minimum de recul, certains s’efforcent d’expliquer la réalité de la data science (No, Data Is Not the New Oil) tandis que d’autres cherchent de meilleures métaphores comme Data Is the New Sand. Dans cet article, Tim O’Reilly nous explique que le sable est une matière première que l’on trouve en abondance, donc qui ne vaut quasiment rien, mais qui peut servir à fabriquer des matériaux à très forte valeur ajoutée si l’on maitrise le bon processus industriel (ex : transformation en verre, silicium…).
J’arrête là les métaphores et autres réflexions philosophiques sur la nature de la donnée pour recentrer le débat sur une réalité opérationnelle : le niveau très faible de conscience et de connaissances en gestion de la donnée que l’on trouve dans la plupart des organisations. C’est effectivement un énorme frein pour les entreprises qui veulent accélérer leur transformation et développer, voir généraliser l’exploitation des données. La promesse qui est formulée par l’ensemble des éditeurs de solutions se heurte ainsi à la méconnaissance générale des utilisateurs : on achète des voitures que les salariés ne savent pas conduire, les rares chauffeurs étant eux complètement débordés.
(oups, désolé pour cette nouvelle métaphore)
Malgré cela, force est de constater que le data management est un business gigantesque, dont on a du mal à définir les contours, mais que l’on parvient néanmoins à valoriser en France : Le marché de la Data dépasse les 2 milliards d’euros.
Pour avoir une idée plus précise de ce que couvre ce marché, je vous recommande la dernière édition de l’Observatoire de la data où sont notamment répartis en 5 catégories les acteurs du data management :
Ceci nous donne une vision plus concrète de ce que signifie “gérer la donnée”.
Des usages bridés par de nombreux prérequis
Celles et ceux qui sont impliqué(e)s dans des activités numériques ou dans la transformation digitale de leur organisation savent à quel point il est illusoire de vouloir motiver les troupes avec des injonctions comme : “Nous devons tous faire de la donnée” ou “Il faut que tout le monde mette les mains dans le cambouis”. Personnellement, je n’arrive pas à comprendre de quel cambouis on parle, ni ce que veut dire “faire de la donnée”… C’est un peu comme de dire “Tout le monde doit faire du digital”.
Sans rentrer dans les détails, la gestion et l’exploitation opérationnelle des données ne peut se faire dans de bonnes conditions qu’avec un certain nombre de prérequis :
- Une infrastructure technique pour collecter et stocker les données dans de bonnes conditions (en conformité avec le RGPD) ;
- Un référentiel unique pour agréger différentes sources afin de les capitaliser et d’éviter de transformer votre “lac de données” en “marais de données” ; (et bim ! une autre métaphore…)
- Un processus robuste pour alimenter de façon régulière et automatique les outils d’analyse (les fameux “data pipelines”) ;
- Un socle culturel sur lequel développer de nouvelles habitudes (la littératie de la donnée) ainsi qu’un socle de compétences pour éviter une trop forte dépendance aux prestataires externes ;
- Une vision stratégique de ce que l’on cherche à accomplir pour pouvoir cadrer les initiatives et affecter les bonnes ressources.
Comme vous pouvez le constater, il ne s’agit pas simplement d’écrire de belles phrases dans un diaporama ou de souscrire à une solution hébergée dans le cloud, il y a de nombreuses conditions à réunir pour que les projets de data marketing génèrent les gains espérés. Contrairement à ce que l’on peut croire, la dimension technologique n’est pas, ou du moins n’est plus un problème, car les solutions prêtes à l’emploi ont fait de gros progrès en termes de fiabilité et d’accessibilité. Le plus compliqué est ainsi de trouver le bon équilibre entre l’ouverture (collecte et partage des jeux et flux de données, forte autonomie des équipes…) et la maitrise (définition de règles, adoption de standards…), c’est à dire d’assurer une montée en puissance progressive tout en limitant les risques. C’est d’ailleurs pour ça que les grandes entreprises mettent en place des principes de gouvernance des données ou appointent des Chief Data Officers dans leur Comex.
Nous en revenons au point qui était abordé dans le paragraphe précédent : la nécessité d’acculturer les dirigeants et équipes aux enjeux de la gestion de la donnée. Une tâche pas évidente, car jusqu’alors loin des préoccupations prioritaires (assurer la survie de l’activité en cette période de crises) et pénalisée par la pénurie de contenus pédagogiques en français. Le problème est que le sujet est essentiellement abordé du point de vue technique ou statistique, mais pas forcément selon un angle fonctionnel ou business.
La seule ressource valable que je connaisse est le livre “Sortez vos données du frigo“, dont je ne cautionne pas le titre, mais qui apporte un très bon éclairage sur l’exploitation intensive et responsable des données. Pour une fois que nous avons un livre en français avec des exemples français, je me fais une joie de le mentionner.
Rassurez-vous, il est essentiellement question de gestion et d’exploitation de la donnée, l’intelligence artificielle et autres traitements reposant sur le machine learning sont évoqués mais ne sont pas l’objet du livre qui se concentre avant tout sur la découverte du sujet et la sensibilisation.
La lecture de ce bouquin peut être une première étape pour qui souhaite développer des compétences autour de la donnée, mais il reste un long chemin à parcourir, car la donnée est un sujet qui sort largement du cadre de l’entreprise.
La donnée, bientôt un sujet de société ?
Il ne vous aura pas échappé qu’avec l’avènement des médias sociaux et la généralisation des smartphones, les questions de confidentialité et de souveraineté des données se sont invitées dans le débat public. Si effectivement nous avons pu constater ces dernières années une évidente dérive dans la marchandisation des données personnelles à des fins publicitaires, l’arsenal législatif qui est en train de se consolider complique la tâche des data marketeurs, surtout en Europe.
Le problème est que le sujet n’est pas simple à comprendre, car les notions de propriété et d’utilisation des données personnelles sont subtiles. Ainsi, dans le droit français on ne parle pas de vol de données personnelles, mais plutôt de soustraction frauduleuse : on ne vous dépossède pas de vos données (ex : email ou N° de téléphone), mais on les récupère sans votre consentement explicite avec une intention frauduleuse (ex : revente illégale de fichiers). De même, le fait que vous soyez l’unique propriétaire de vos données n’empêche pas les éditeurs de services en ligne de s’en servir à des fins publicitaires comme c’est généralement précisé dans les CGU (ex : profilage, ciblage…).
C’est donc un débat complexe où il n’y a pas vraiment de méchants ou de gentils, simplement des sociétés privées qui valorisent un actif (contenus ou services en ligne) à travers une offre qui est parfaitement légale (les solutions publicitaires). Comme le dit le proverbe : “Si c’est gratuit, c’est vous le produit !”. OK, mais puisque c’est gratuit, de quoi vous vous plaignez ? Comme il est très justement expliqué dans cet article, tout est histoire de marchandage ou plutôt de compromis : The Data Economy Is a Barter Economy.
Puisque l’auto-régulation ne viendra pas du secteur privé et puisque visiblement les utilisateurs ne sont pas prêts à payer pour des services en ligne alternatifs, la difficulté pour le législateur est de trouver le bon équilibre entre confidentialité (protection de la vie privée des citoyens) et croissance économique (laisser les entreprises prospérer et créer des emplois). Le rôle des gouvernements n’est pas réellement de définir une ligne de conduite à suivre (après tout, qu’est-ce qu’ils y connaissent ?), mais plutôt d’encadrer (définir des limites) et de réguler (mettre en place des organismes de contrôle et décider de sanctions).
Un exercice extrêmement périlleux, surtout s’il doit s’appliquer dans un contexte international où chaque pays à ses propres spécificités et surtout ses propres codes moraux. En témoignent les échecs des précédentes tentatives avec le International Safe Harbor Privacy Principles et plus récemment l’invalidation du EU-US Privacy Shield par la Cours Européenne de Justice. Du coup, chacun y va de sa diatribe (“méchants GAFA !”) ou de sa vision utopique : Building a better data economy, Data fairness: A new social contract for the 21st century economy et A customer-centric approach to marketing in a privacy-first world.
Vous pourriez me dire qu’il suffirait de traiter le problème à la source en contraignant les exécutants, mais l’idée d’une charte éthique (l’équivalent du serment d’Hippocrate, mais pour les data scientists) a été envisagée il y a plusieurs années avant d’être abandonnée : A Hippocratic Oath for data science? We’ll settle for a little more data literacy. On en revient toujours à la même conclusion : il faut éduquer avant de légiférer ou de sanctionner.
Comme vous pouvez le constater, prendre de la hauteur sur ce sujet est une bonne chose, mais c’est avant tout une question qui se traite au niveau des entreprises, car toutes les données ne se valent pas.
Il n’y a qu’une seule réelle préoccupation : la qualité des données
C’est à ce stade de l’article que je me dois de revenir au sujet principal (l’évolution du marketing) et de poser LA question qui fâche : au final, l’exploitation intensive des données est-elle bénéfique ? Vous vous doutez qu’il n’y a pas de réponse franche, mais plutôt une ouverture sur des réflexions plus profondes.
D’un côté, les données sont censées nous aider à mieux comprendre les consommateurs et le marché, mais si elles nous éloignent du terrain est-ce une bonne chose ? Cet article nous rappelle fort justement que c’est n’est pas LA, mais une des façons d’y parvenir : Data Is Great, But It’s Not a Replacement for Talking to Customers. Effectivement, je suis bien d’accord avec l’auteur : l’exploitation massive et systématique des données ne vient pas en remplacement, mais en complément des pratiques habituelles (ex : études quali, focus groups, clients mystères…).
D’un autre côté, l’échantillonnage des clients avec lesquels vous pouvez avoir des échanges à très forte valeur ajoutée conditionne la pertinence des enseignements. En d’autres termes : contrairement à ce que l’on essaye de nous faire croire, il n’y a pas de vérité absolue (ex : “la donnée ne ment pas”), mais des signaux qu’il faut savoir capter et interpréter. Ainsi, le bon data marketeurs n’est pas celui qui manipule le mieux les algorithmes, mais celui qui apporte le plus de rigueur à la collecte des données : Pour 82 % des CDO, la qualité des données est un obstacle aux projets.
Comme cela a été expliqué tout au long de l’article, une petite équipe d’experts ne réussira jamais a faire des miracles, l’important est de diffuser une culture de la donnée pour faire en sorte que tous les collaborateurs soient mobilisés, à minima dans l’identification des sources de données et dans la validation de leur véracité (contrôler la rigueur de la collecte et la pertinence des traitements qui sont effectués). Ne vous leurrez pas : ce travail ne peut être fait que par des experts métiers, certainement pas par une IA. Au risque de me répéter : la solution n’est pas technique, mais culturelle : il faut expliquer, rassurer et former, comme c’est le cas pour les usages numériques.
En ce sens, maturité numérique et maturité data sont deux chantiers fortement liés, quasiment indissociables, l’un comme l’autre oeuvrant dans le même sens (retour rapide à la croissance, faire mieux avec moins… cf. Des entreprises augmentées aux entreprises exponentielles) et nécessitant les mêmes prérequis (acculturation, outillage, montée en compétences, gouvernance… cf. La donnée est un enjeu majeur de l’accélération digitale).
Que ce soit pour de l’acculturation, de la montée en compétences ou le développement de nouvelles capacités internes, numérique et data sont deux sujets qui ne peuvent pas être abordés séparément, ils doivent partager une même feuille de route. Ça tombe bien, car le marketing est justement la discipline qui fait le pont entre les deux, le tout au service de la performance de l’entreprise.
Non, les objectifs du marketing n’ont pas réellement changé (meilleure compréhension du marché et des consommateurs pour optimiser la commercialisation d’une offre), mais ce sont réellement les supports (ex : médias, terminaux…), pratiques (ex : SEO, ciblage individuel…), méthodes (ex : agilité, design thinking…) et outils (ex : CDP, DMP…) qui ont beaucoup évolué. Une évolution tellement forte que nous entrons dans une nouvelle phase de la discipline, celle du data marketing. CQFD.