Libérez la puissance de votre datalake avec le data-first marketing cloud

Tous les spécialistes du marketing digital savent que toute campagne efficace est pensée et activée à partir de données et d'informations précises, collectées en temps réel et exploitables. Les entreprises tech le savent aussi, et c'est pourquoi, au cours de la dernière décennie, nous avons assisté à l'émergence de trois types de plateformes différentes pour permettre aux spécialistes du marketing de mener des campagnes basées sur les données. Il y a d'abord eu la plateforme de Customer Relationship Management (CRM), conçue pour collecter et stocker des données sur tous les clients et prospects connus, puis ensuite la Data Management Platform (DMP), qui héberge également des données sur les clients et prospects connus, mais aussi des données 2nd et 3rd party qui peuvent être utilisées pour cibler de nouveaux clients. Puis est apparue la Customer Data Platform (CDP), un système géré par le responsable marketing qui crée une base de données clients persistante et unifiée, connectée à d'autres systèmes.


L’avènement des data lakes contrarié

Au même moment, les départements data ont investi dans les data lakes (un référentiel centralisé qui stocke toutes les données structurées et non structurées) et les data scientists, qui développent des solutions de machine learning et des algorithmes dans un data lake pour prédire les résultats futurs. Récemment, il est devenu évident que les données sont la clé du succès commercial et marketing : les entreprises ayant investi massivement dans les données ont aujourd’hui les valorisations boursières les plus élevées. De plus, les données étant devenues très à la mode, les grandes entreprises ont créé des départements data, dirigés par un Chief Data Officer qui ont été les moteurs de la création de data lakes.

Là où cette stratégie a échoué, c'est que les équipes marketing mettaient déjà en œuvre des techniques de personnalisation avec des outils existants, tels que les plateformes CRM. Lorsque les deux départements se sont réunis, il est devenu évident que, puisque les données circulaient dans le data lake en temps réel, les équipes de data science pouvaient construire de meilleurs modèles pour optimiser les marges et les CTR en utilisant les données du data lake. Le problème était qu'il n'y avait pas de tuyaux pour connecter le data lake aux outils d'activation marketing. En fait, c'est comme avoir une idée géniale mais pas de mots pour l'exprimer.

L'ironie de la chose, c'est qu'en exploitant ces systèmes en silos, les marques et les retailers recueillent plus de données que jamais, mais en font très peu usage, car les systèmes ne sont pas intégrés.


La malédiction de la fragmentation

En termes informatiques, la fragmentation amène un ordinateur à utiliser des ressources excessives (mémoire et temps CPU) pour accomplir les tâches de lecture et d'écriture des fichiers. Cela augmente inutilement le travail que votre ordinateur doit effectuer pour prendre en charge les applications que vous exécutez. Le même concept s'applique au data marketing, sauf que le problème ne se limite pas à la technologie proprement dite - il augmente aussi considérablement la quantité de ressources humaines et le temps nécessaire pour donner un sens à toutes les données et appliquer les enseignements aux campagnes de marketing.

Disposer d'un stack data marketing fragmenté et d'un data lake isolé signifie que les informations avancées qui ont été recueillies à partir de l'IA et du ML dans le data lake ne peuvent pas être intégrées dans une CDP, une DMP ou tout autre outil d'activation du marketing. En fait, c'est comme avoir un cerveau qui fonctionne parfaitement (c'est-à-dire un data lake avec une mémoire et des capacités de traitement) mais qui n'est pas relié aux muscles (c'est-à-dire aux outils d'activation marketing) du corps. Sans ces connexions, vos muscles se contractent de manière aléatoire et non synchronisée, ce qui vous empêche de vous déplacer de manière coordonnée.

Le défi auquel nous sommes confrontés consiste à créer une infrastructure ouverte qui permette à la DMP, à la CDP et au data lake de fonctionner comme un seul et même élément, en vue d'atteindre des objectifs communs.


Le catalyseur du changement

Aujourd'hui, le secteur du marketing digital est au cœur d'un changement fondamental : la disparition du cookie tiers. Cela représente un énorme défi pour les DMP,  leur récolte étant leur mission initiale. Dans un même temps, l'ensemble du secteur est préoccupé par le montant disproportionné des dépenses publicitaires qui transitent par les walled gardens. Ce dont nous avons besoin, ce sont de nouvelles méthodes pour non seulement suivre, mais aussi comprendre le comportement des consommateurs et appliquer cette compréhension à l'activation du marketing. Cela permettra aux spécialistes de ne plus dépendre des données d'intention de Google, de la modélisation de type "look-a-like" de Facebook et des données d'intention d'achat d'Amazon, mais de plutôt se concentrer sur leurs données dites “first party" pour stimuler leurs performances. Cependant, pour prendre le contrôle et exploiter efficacement leurs propres données, les marques doivent construire leurs propres stacks de data marketing.

Jusqu'à présent, les marques capables d'offrir un échange de valeur significatif, par exemple les détaillants, ont poussé les utilisateurs à se connecter à leurs sites Web et à leurs applications, puis à stocker et à activer ces données à l'aide d'une CDP. Les marques qui ne sont pas en mesure d'établir des relations individuelles avec les consommateurs, comme par exemple les produits de grande consommation, ont utilisé la petite quantité de données 1st party qu'elles ont assemblé à des données 2nd party et ont construit des modèles de look-a-like pour le ciblage d'audience.

En termes programmatiques, ces audiences sont petites, mais elles peuvent être utilisées comme seed audiences pour suivre le comportement et les profils des utilisateurs. Les algorithmes de machine learning peuvent alors être utilisés pour construire des modèles de look-a-like, définir les meilleurs canaux, zones géographiques et audiences, et les relier aux utilisateurs de l’open web. Lorsque ces seed audiences sont également envoyées dans des walled gardens, vous résolvez le problème de la mise à l'échelle en l'absence de cookies.

L'intelligence artificielle (IA) et le machine learning(ML) ont le potentiel de transformer l’utilisation des données marketing sans les limitations de la programmation "sur étagère" qui n'est tout simplement pas physiquement capable de prendre en considération le nombre énorme de variables qui influencent le comportement des consommateurs et les décisions marketing. Lorsque l'IA et le ML opèrent dans un data lake, les algorithmes créés sont basés sur toutes les données disponibles et pas seulement sur des segments de données. En outre, comme un data lake est construit et contrôlé par des data scientists, la perspicacité et le raisonnement humains rendent les algorithmes encore meilleurs.


Comment l'un des 10 principaux retailers mondiaux a créé une vue centralisée des données avec mediarithmics

Un groupe de distribution comprenant 25 détaillants, avec un chiffre d'affaires annuel de plus de 60 milliards d'euros, a construit un data lake contenant des données "froides" provenant des 100 millions de cartes de fidélité du groupe, ce qui lui a permis de recueillir des informations précieuses sur le comportement des consommateurs dans toutes les marques. Cela leur a permis d'avoir une vue unique de chaque client, toutes marques confondues. Cependant,  les informations dont ils disposaient ne pouvaient pas être activées par le marketing.

Le défi pour ce groupe était donc de trouver une plateforme capable d'ingérer toutes les données de leur data lake sans compression ou agrégation tout en gardant les données de chaque marque séparées sans fuite de données. mediarithmics a développé une solution qui leur a donné une plateforme avec des "compartiments" séparés, avec des identifiants uniques, pour le CRM de chaque marque et un identifiant client commun à toutes les marques pour chaque client. Cela a permis au groupe de maintenir une vue centralisée des données inter-marque et de contrôler la distribution des données à chaque marque.

mediarithmics a alors été en mesure de collecter des données à partir de campagnes marketing, de sites Web et d'applications en utilisant une clé de correspondance commune (l'identifiant du client, l'identifiant CRM et les adresses e-mail hachées) pour les réconcilier dans le data lake, créant ainsi une vue du client intermarques à 360 degrés. En créant cette connexion entre le data lake et le CDP, l'équipe data science du groupe de distribution a été en mesure d'affiner les algorithmes qui calculent les scores d'audience et d'exporter ces scores vers chaque marque pour une optimisation en temps réel.


Transformer la publicité pour le mieux, l'année prochaine et au-delà

Il ne fait aucun doute que le secteur de la publicité digitale est à l'aube d'une nouvelle ère. Alors que de nombreux changements sont à venir au cours des prochains mois et des prochaines années, il est impératif d’arrêter d’investir dans une technologie sous prétexte qu’elle vient de sortir ou qu’elle est à la mode.

Lors de l'évaluation des partenaires technologiques, en particulier ceux qui sont sous-tendus par l'IA et le ML, les marques doivent avoir une vision claire sur des objectifs qu'elles veulent atteindre et bien challenger l'infrastructure et les capacités de toute plateforme qui va être en lien avec leurs données. L'unification de tous les composants data permet aux marques de répondre à tous leurs besoins en matière de data marketing, de la collecte à la segmentation, en passant par l'activation, le reporting et les insights.

Les entreprises technologiques doivent prendre les devants et proposer des solutions réellement personnalisables et construire des plateformes capables de fonctionner à grande échelle et de manière “compliant”. C’est essentiel pour entrer dans un monde où toutes les campagnes marketing, les décisions sont fondées sur des données solides, où l'on établit des relations individuelles personnalisées tout au long du tunnel de conversion et où l'on crée des expériences nouvelles pour les consommateurs.

Dans la même thématique

Nos articles triés par secteur d'activité

Inscription à la newsletter

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.