Data / IA Archives - Ekino FR

En tout mesurant, on aurait tendance à croire qu’on a la maîtrise sur chacune des données qui sont mises à notre disposition. Cependant, choisir ce mode de reporting peut diluer l’attention que vous portez aux métriques relatives à vos priorités commerciales. En effet, avec la croissance exponentielle de la quantité de données provenant des canaux digitaux, il peut être facile de perdre la vue d’ensemble. Découvrez dans cet article nos 7 conseils pour mieux appréhender l’analyse de vos données. Bonne lecture ! 

Nos 7 conseils pour mieux comprendre et analyser vos données

1. Définir le meilleur framework pour vos données

Si un détail vous empêche d’avoir une vision globale de vos données, ou si vous perdez de vue ce qui devrait être mesuré, alors mettre en place un framework dédié peut très certainement vous aider. Un framework de mesure bien pensé et structuré vous aidera -ainsi que vos partenaires et votre organisation- à vous concentrer sur l’essentiel, et permettra ainsi d’améliorer votre prise de décision. En effet, celui-ci se concentre sur la traduction d’objectifs en indicateurs de performance facilitant l’évaluation des performances d’une campagne ou d’un projet dans son ensemble.

2. Mettre à plat les objectifs de votre campagne

Un bon framework se construit avant tout en partant des objectifs commerciaux dudit projet. Ils sont la pierre angulaire de l’analyse des performances et permettent de mettre en évidence les domaines clés de l’évaluation et de l’analyse au plus tôt. Les objectifs doivent répondre à la question suivante :

« Quel est le problème que la campagne ou le projet tente de résoudre ? ».

3. Comprendre comment votre audience cible peut avoir une influence sur vos métriques

Le choix de l’audience pour laquelle la campagne sera la plus pertinente peut avoir un impact sur les résultats. De plus, les budgets et les efforts sont souvent dirigés vers les publics ayant les plus grandes chances de conversion. 

Le taux d’engagement d’un même utilisateur pour une campagne donnée peut varier dans le temps. Il est donc d’autant plus important de comprendre comment une audience a été sélectionnée. Par exemple, les utilisateurs se comporteront-ils tous de la même manière que votre meilleur client ? La réponse est probablement non, et cela devrait également être pris en compte lors de la définition de vos KPIs.

4. Identifier les parcours utilisateur au sein de la campagne

Les parcours utilisateurs représentent le chemin qu’empruntent les usagers pour atteindre le point final de la campagne ou projet, ou pour réaliser l’action souhaitée. Ainsi, tous les points de contact avec lesquels un utilisateur peut interagir représentent des points uniques dans le parcours, depuis la visualisation d’une publicité, jusqu’à l’ajout d’un produit dans un panier et la réalisation d’un achat. Plus il faut d’étapes et de temps aux utilisateurs pour arriver à l’action souhaitée, plus le taux de conversion risque d’être faible.

Une fois que vous avez identifié les principaux composants de votre campagne : l’objectif, le public cible et le parcours utilisateur principal, vous pouvez passer à la phase suivante, à savoir la définition de vos KPIs et de vos objectifs.

5. Refléter les objectifs de la campagne à travers les métriques

Cela peut être réalisé en hiérarchisant les actions d’un parcours utilisateur. En général, un cadre de mesure se compose d’un ou deux indicateurs clés de performance (KPIs) primaires, puis d’une liste de KPIs secondaires. Les KPIs primaires se situent généralement à la fin du parcours utilisateur, tandis que les KPI secondaires représentent d’autres actions qu’un utilisateur peut entreprendre au cours de son parcours.

Par exemple, si vous publiez une offre d’emploi, un indicateur clé de performance primaire pourrait être le nombre de candidats retenus, tandis que des mesures comme la durée moyenne de la session sur la page de candidature seraient un indicateur clé de performance secondaire.

6. Évaluer vos indicateurs de référence

Avec une liste de métriques définies qui reflètent précisément vos objectifs, il est impératif d’analyser et de comprendre les progrès dans le temps. Et la notion de progrès peut s’interpréter selon deux critères : la saisonnalité et la tendance.

  • La saisonnalité mesure les fluctuations prévisibles sur une période cyclique, par exemple une semaine ou une année ;
  • Alors que la tendance mesure la direction sous-jacente, à la hausse ou à la baisse, dans laquelle vous vous dirigez.

Vous devez toujours essayer d’examiner vos résultats dans le contexte du secteur dans lequel vous opérez, des facteurs macroéconomiques (tels qu’une pandémie !) et des performances de tout concurrent dominant. Les résultats doivent contribuer à établir des objectifs réalistes pour les futurs campagnes ou projets. 

7. Adopter un cadre de mesure en adéquation avec votre stratégie

Après avoir créé un framework structuré comme indiqué ci-dessus, vous devriez être en mesure de définir une liste de métriques pouvant être évaluées par rapport à des critères de référence et classées en fonction d’un ensemble d’objectifs. Cela devrait vous fournir, ainsi qu’à vos parties prenantes, une image plus complète des résultats de vos campagnes ou projets, et ainsi faciliter l’identification de vos leviers d’optimisation.

De nombreuses sources d’optimisation et de croissance peuvent découler d’une stratégie qui valorise l’utilisation des données en fonction d’objectifs clairement définis. Dans ce domaine, nos consultants sont bien placés pour mettre au point un framework permettant de maximiser le potentiel de vos données.

Partie 2 – Mieux comprendre vos clients grâce au profilage progressif

Ce n’est plus un secret : la connaissance client est un enjeu majeur pour les entreprises. Une meilleure connaissance de leurs centres d’intérêts ou encore leurs attentes favorisera la mise en place de contenus personnalisés et spécifiques à leurs besoins. Si vous avez lu notre 1er article sur le sujet, vous aurez compris que la […]

Lire la suite de Partie 2 – Mieux comprendre vos clients grâce au profilage progressif

Le profilage progressif (ou Progressive Profiling) est une approche de la collecte de données qui nous permet de développer progressivement notre connaissance d’un client et de son comportement au fil du temps.

Cette approche de la capture de données présente une myriade d’avantages :

  • Augmenter les taux de conversion (CRO)
  • Créer des expériences utilisateur plus personnalisées (CX)
  • Augmenter les ventes (ROI)
  • Accélérer le parcours d’achat de l’utilisateur
  • Générer de meilleures leads et donc permettre une meilleure segmentation
  • Améliorer la perception de la marque

Vous pouvez intégrer plusieurs typologies de données dans le profil d’une personne, notamment :

  • Les données « transactionnelles », telles que les achats effectués
  • Les données « comportementales », telles que les pages Web visitées
  • Les données « personnelles ou d’attributs », telles que l’adresse ou l’âge
  • Les données d’identité, telles que les cookies ou l’adresse électronique
  • Les données contextuelles, telles que les indicateurs d’intérêt

De toute évidence, plus vous disposez de données sur vos clients, mieux vous pourrez savoir qui ils sont, ce qui vous permettra de leur proposer des communications personnalisées et opportunes. Ainsi, cela permettra aussi de délivrer la Next Best Action (NBA) avec le bon message destiné à la bonne personne, sur le bon canal et au bon moment.

Dans cette 1re partie, nous aborderons les 3 premières composantes à prendre en compte pour faciliter le profilage : la capture, la réconciliation et la récupération des données. La 2nde partie traitera de l’amélioration de la qualité des données via la définition d’une taxonomie standardisée et l’enrichissement des données.

Customer Progressive Profile

Comment capturer ces données clients ?

Il n’est pas réaliste de s’attendre à tout savoir sur vos clients dès le premier jour. En outre, les comportements évoluent dans le temps, tant dans le tunnel d’achat que dans les cycles de vie des clients. En réalité, nous capturons beaucoup d’informations pertinentes au fil du temps, car des données sont produites à chaque interaction.

Généralement, une entreprise n’est pas équipée pour interpréter les données générées. Par ailleurs, la façon dont elles sont capturées n’est pas toujours structurée de manière à le permettre.

Compte tenu de cela, il y a quelques dimensions à prendre en compte pour faciliter le profilage :

  • La réconciliation des données
  • La centralisation des données
  • La taxonomie
  • Combler les vides

Réconciliation des données

Il y a diverses occasions de collecter des informations tout au long du parcours client. Avec la multiplication des canaux par lesquels les entreprises collectent leurs données, il peut être difficile de percevoir comment ces informations interagissent les unes avec les autres.

Nous voyons principalement des canaux intervenant à la source du tunnel d’achat, comme les médias et le web, qui traitent avec des entités « inconnues ». Ainsi, la connaissance du visiteur ne se résume qu’à un identifiant (un nombre) et ne nous permet pas de connaître leur identité. À mesure que les clients avancent dans le tunnel d’achat, ils sont plus susceptibles de se faire connaître de la marque et de devenir une entité « connue », par exemple en donnant une adresse électronique et leur nom. Cela permet d’utiliser des canaux tels que l’e-mail, le SMS ou même un ciblage plus précis dans les médias.

Customer Journey Data

Cependant, en raison de la multitude de canaux et d’identités qui ont été générées pour un même client, les informations obtenues peuvent être disparates. Cela empêche d’avoir une vision complète de son parcours. Ce qui augmente le risque que les communications soient moins pertinentes, voire irritantes. Par exemple, si les données transactionnelles, comme un achat, ne sont pas liées aux canaux comportementaux, le client sera continuellement ciblé pour des produits qu’il a déjà achetés. Cela risque d’entraîner un déficit de budget et peut aussi nuire à la perception de la marque qui ne connaît pas son client. À l’inverse, il est possible de manquer des occasions de ventes incitatives, sachant que le client a consulté d’autres produits avant l’achat, et qu’un produit supplémentaire pourrait donc être recommandé après la transaction.

La clé est la capacité à identifier un individu à travers les canaux et de consolider les interactions et les événements qu’il a réalisés dans un parcours client holistique. Avec l’évolution des solutions techniques telles que la proéminence des plateformes de données clients (Customer Data Platforms), des résolutions d’identité sont disponibles pour unifier les fiches clients sur tous les canaux en une vue unique via des liens déterministes et probabilistes en temps réel. Il s’agit essentiellement de prendre les identifiants ou les clés primaires qui sont produits dans chaque canal ou ensemble de données et de les relier à un identifiant principal consolidé, comme représenté ci-dessous.


ID Stitching

Centralisation des données

La possibilité d’unifier l’identité des clients sur tous les canaux permet de consolider et centraliser les informations, d’enrichir le profil du client et les caractéristiques ou attributs qu’il possède. En outre, la centralisation des données permet de mettre à jour fréquemment le profil du client, en tenant compte de tout changement d’intérêts ou de préférences. Cela peut également simplifier les solutions techniques d’une entreprise, de sorte que toutes les plates-formes accessibles par des visiteurs se réfèrent à une seule source contenant les informations clés, plutôt que de chercher sur différentes base de données, fournissant ainsi à l’entreprise une seule source de vérité pour prendre la décision.

Maintenant que nous savons qui est qui, les interactions des clients vont constituer un flux d’événements reprenant l’ensemble de leurs actions, de manière chronologique, et sur l’ensemble des canaux. Les entreprises peuvent ensuite capitaliser sur ces informations pour mieux comprendre les parcours clients. En identifiant les points communs sur la base de caractéristiques de profil similaires, elles peuvent ainsi déterminer la meilleure action suivante (NBA), comme vous avez pu le lire dans l’article de Salesforce Interaction Studio.

La suite au prochain épisode !

Comprendre les dashboards intelligents et comment y arriver ?

L’interprétation de vos données clients et de votre expérience client vous permet d’élaborer le parcours utilisateur, ce qui est essentiel si vous voulez par la suite anticiper la meilleure action ou conversation avec le client. Tour d’horizon des dashboards et la manière dont vous pouvez les transformer en dashboards intelligents pour mieux connaître vos clients […]

Lire la suite de Comprendre les dashboards intelligents et comment y arriver ?

Dans une conférence des développeurs Apple en 1997, Steve Jobs a déclaré : “Vous devez d’abord définir l’expérience client à créer et ensuite travailler sur la technologie – pas l’inverse.” Si vous ne l’avez jamais vu ou tout simplement si vous voulez vous la remémorer, vous pouvez visionner la vidéo ici ou le film complet ici (mais lisez notre article avant hein!)

L’expérience client (CX) est désormais une priorité absolue pour de nombreux spécialistes du marketing, les Chief Experience Officer (CXO) et les entreprises, qui la placent au cœur de leurs stratégies business. La complaisance et l’inertie ne sont plus des solutions envisageables, car les dépenses en marketing sont de plus en plus scrutées dans le funnel de conversion et la fidélité client. Plus vous comprenez vos clients, leurs motivations, leurs comportements et leurs besoins, mieux vous pouvez vous engager auprès d’eux, les satisfaire et leur vendre davantage. Cet article vous propose 3 pistes pour passer de reportings statiques à des dashboards intelligents et dynamiques.

Les données ne sont pas négligeables

C’est une évidence ! Pour comprendre vos clients, vous devez placer la donnée au cœur de tout ce que vous faites. Les données ne sont ni accessoires ni annexes. Les entreprises qui ont réussi leur transformation digitale ont mis la data au cœur de leur stratégie pour comprendre au mieux l’expérience client.

Amazon n’est pas devenu le géant du e-commerce sans prendre en compte chaque clic, chaque proposition, offre, call-to-action, affichage de contenu, et étapes du funnel de conversion. Cela a contribué à l’expérience globale de leur plateforme. Elle l’a fait en comprenant la valeur des données derrière chaque interaction client et chaque test qu’elle a effectué.

Alors pourquoi les données sont-elles si souvent négligées ? Premièrement, nous pensons que les entreprises ne comprennent pas vraiment leur intérêt, comment les utiliser efficacement, comment les obtenir, ni comment les conserver qualitativement. Il serait préférable de parler d’informations plutôt que de données, car aucun PDG ne voudrait diriger une entreprise sans être informé.

Mais le plus souvent, ce n’est pas un problème. Vous êtes-vous déjà posé ces questions ?

  • Ai-je les bonnes données ?
  • Sont-elles qualitatives ?
  • Comment puis-je savoir ce que je recherche ? Et qu’est-ce que je recherche d’ailleurs ?
  • Puis-je faire confiance à l’exactitude de ces données ?
  • Pourquoi vos données me disent quelque chose de différent des vôtres alors que nous recherchons la même chose ?
  • Comment puis-je interpréter mes données ?

Toutes ces questions peuvent être des problèmes récurrents pour vous et/ou vos collègues. Mais ne vous inquiétez pas, vous n’êtes pas seul ! Pour vous aider à comprendre toutes les données client, un modèle type de dashboard existe et peut être décomposé en 3 couches distinctes.

Les 3 piliers qui mènent à un dashboard performant

1/ L’approvisionnement en données, la qualité des données et leur architecture

C’est généralement la mission de l’équipe IT, du DSI ou du Responsable des données clients (si vous en avez un !). Le but est de pouvoir accéder à toutes les sources de données clients – idéalement en temps réel – afin qu’elles puissent être disponibles pour l’analyse. C’est la compétence des plateformes de données clients (CDP).

2/ L’analyse des données : le processus qui consiste à transformer les données en informations utiles

Cette tâche revient généralement aux Data Scientists et à l’équipe Analytics, qui peuvent analyser, exploiter et vérifier les données de vos clients. Ils pourront ensuite déterminer comment les présenter aux différents utilisateurs, stakeholders et équipes de direction. Ce sont eux qui peuvent vous dire si le verre est à moitié plein.

3/ La visualisation, l’interprétation et le storytelling

Il revient ensuite au marketing et aux responsables des services clients de décider si le verre est effectivement “à moitié plein” ou “à moitié vide”.

Il est essentiel de visualiser vos données clients à l’aide d’outils tels que Datorama, Power BI ou encore Tableau afin de pouvoir les consulter dans des formats plus digestes et faciles à interpréter. Une image vaut mille mots, et une bonne représentation des tendances de vos données clients vous permettra de les rendre plus compréhensibles. Une bonne analyse ne fait que soulever davantage de questions. Et c’est cette analyse qui, en tant qu’analystes et marketeurs, vous permettra de comprendre réellement ce que révèlent vos données clients.

L’interprétation de vos données clients et de votre expérience client vous permet d’élaborer le parcours utilisateur, ce qui est essentiel si vous voulez par la suite anticiper la meilleure action ou conversation avec le client.

“Together”, a data artwork diving into the bowels of a global organization

“The only thing that is constant is change” Today in the business world, we talk about change. The advent of AI is transforming our entire society. Tech companies heavily invest in R&D to stay on top of the game while older industries are trying to catch up on their digital transformation. I was always intrigued […]

Lire la suite de “Together”, a data artwork diving into the bowels of a global organization

Les données sont partout. Leur visualisation devient donc un enjeu de plus en plus important. La capacité à créer, comprendre, et interpréter des data est essentielle pour communiquer sur des sujets aussi variés que l’économie, la science, la politique, l’éducation, la santé, la culture, et dans de nombreux aspects de notre vie quotidienne.

Data Visualization Society est une organisation fondée pour créer du lien entre les différents membres de la communauté data visualisation. Elle vise à répertorier et établir les meilleures pratiques en matière de dataviz, et soutient ses membres dans leur développement professionnel. C’est dans cette optique de partage de connaissance que DVS organise chaque année de nombreux événements, dont le webinar auquel participera le Dr Kirell Benzi, Head of Research d’ekino et data artiste.

Le 16 juillet prochain, il participera à une table ronde sur l’utilisation de l’art et du creative coding pour communiquer de manière visuelle à un large public. Un pont entre créativité, science et données. Interview.

Comment le data art peut-être un bon moyen de démocratiser la science ?

L’art est accessible à tous. À chaque fois qu’on regarde une série ou qu’on lit un livre, on peut se projeter dans l’oeuvre et être touché par elle. La science, par définition, vise à capturer de manière objective les phénomènes qui nous entourent sans les émotions subjectives qui nous font vivre au quotidien. Le data art offre une formidable opportunité de jouer sur les deux tableaux et nous faire vibrer sur des aspects mathématiques et techniques qui ne parlent qu’à une toute partie de la population.

Qu’est-ce qui te passionne dans le Data Art ?

J’ai commencé l’art digital quand j’étais adolescent tout en ayant toujours baigné dans le milieu artistique grâce à mes parents depuis toujours. Pour moi le déclic Data Art est venu quand j’ai découvert que je pouvais concilier ma passion pour la science et la technologie de manière visuelle. Cette petite révélation est au coeur de ma démarche artistique depuis lors.

Un dernier mot ?

Si vous êtes à la recherche de la plus grande communauté de professionnels autour de la data visualisation vous pouvez rejoindre Data Visualization Society gratuitement. Vous pourrez également retrouver mon univers artistique fait de Big Data et d’intelligence artificielle ici : www.kirellbenzi.com

Interview du Dr Kirell Benzi, keynote speaker au AI Governance Forum le 9 juin prochain

Peux-tu nous parler de AI Governance Forum ? Il s’agit d’une conférence internationale qui a pour but d’approfondir les enjeux et bénéfices de l’utilisation de l’IA dans les grands sujets sociétaux tels que la santé ou le changement climatique ainsi que la culture. Destinée aux décideurs de l’industrie et aux gouvernants institutionnels (UE, UNESCO, ONU, […]

Lire la suite de Interview du Dr Kirell Benzi, keynote speaker au AI Governance Forum le 9 juin prochain

Pourquoi avoir voulu créer une dataviz sur ce sujet ?

Cela faisait déjà quelques jours que l’on parlait de la fuite d’une partie des Parisiens en province. Les données sur ce sujet ont été publiées le mercredi 8 avril et le format est intéressant, car les données sont issues d’une collaboration entre l’INSEE et Orange. Cette collaboration permet de fournir une estimation de la population présente(touristes inclus) à partir du nombre de nuitées issu des activations du réseau de téléphonie mobile (recalé sur la population départementale pour les porteurs de mobiles français).

Cela rend la dataviz temporaire aussi. L’INSEE note notamment ceci à propos de ces données : « L’Insee considère ces résultats comme provisoires. Ces derniers seront amenés à être consolidés, puis actualisés à partir d’informations plus récentes, provenant de plusieurs opérateurs et de sources alternatives. »

À noter également, que les données ne donnent qu’une estimation des gain ou perte en population par département, mais on ne connaît pas les flux : on ne peut pas dire par exemple, que ceux qui ont quitté les stations de ski sont surtout des Parisiens.

Quelle a été la méthode ? Quels ont été les outils ?

On peut trouver sur la page de l’INSEE fournissant ces données. Il s’agit d’informations utiles à la décision publique, notamment pour dimensionner l’offre de soins et de services sur le territoire. La source de donnée comprend deux scénarios qui correspondent à deux calculs d’estimations différents. Pour cette dataviz, j’ai utilisé le scénario 1. J’ai d’abord fait cette viz pour moi, car je voulais comprendre la tendance des déplacements. Puis lorsque j’ai vu que l’on pouvait aller à un niveau de détail supérieur, j’ai créé cette infographie.

J’ai commencé l’exploration des données dans l’Excel fourni par l’INSEE, puis j’ai continué avec R pour terminer l’exploration, retraiter les données et créer la viz finale. Le retraitement des données a nécessité les packages {dplyr}, {stringi}, {tidyr} et {forcats}. Pour la création de la viz en elle-même, j’ai utilisé les packages {ggplot2} et {patchwork}. Les cartes ont été créées grâce à une fonction de {ggplot2} permettant d’associer à chaque département ses latitudes et longitudes.

Qu’est-ce qu’on peut déduire de cette dataviz ?

Ce qui est intéressant, c’est de bien différencier 2 types de départements qui ont vu une grande partie de la population présente fuir :

  • Les départements touristiques spécifiquement sur la période : les stations de ski (Alpes & Pyrénées). Fuite des touristes, mais aussi des saisonniers qui sont aussi rentrés chez eux. Les pourcentages sont impressionnants et dépassent ceux de la capitale pour la Savoie et les Hautes Alpes. Je fais partie de ces gens qui ont dû quitter une station de ski à l’annonce du confinement, et c’était clairement le bazar dans les trains de retour 🙂
  • Paris, touristique toute l’année, mais qui est également concerné par une perte de sa population “résidente”.

Kirell Benzi entame sa tournée des universités américaines pour parler Data Art avec la communauté scientifique.

Le Data Art : un pont entre la science et le grand public Stanford, Princeton, Cornell, UCLA, UCI, UCSD – communément appelées les Ivy League – ont invité Kirell pour échanger sur des problématiques scientifiques et montrer en quoi le data art peut réconcilier la science et le grand public. Il présentera également les projets […]

Lire la suite de Kirell Benzi entame sa tournée des universités américaines pour parler Data Art avec la communauté scientifique.