« social Media Intelligence » : un atout précieux pour les entreprises

Progressivement les réseaux sociaux modifient les modes de communications et s’imposent aux entreprises. En offrant à chaque individu de s’exprimer librement et en temps réel sur tous les sujets, les réseaux sociaux révolutionnent la relation client.

photo pour social media

8 français sur 10 utilisent au moins un réseau social. Les entreprises n’ont pas d’autres choix que de tenir compte de l’influence des réseaux sociaux et de repenser leurs prises de paroles et leurs canaux de communication. Le consommateur accorde plus d’importance à présent à ce que disent ses pairs sur le web social qu’à une communication officielle d’une entreprise ou d’une marque. Sur le web social on trouvera le meilleur et le pire, cela reflète tout simplement notre société. Plutôt que de l’ignorer, mieux vaut en maitriser les codes pour s’en faire un allié

Donner du sens aux conversations sur les réseaux sociaux avec la Social Media Intelligence . Face à ces évolutions de nouveaux métiers apparaissent comme le Social Media Intelligence. Son rôle ? Écouter  les Barometre Social media Cegos 2014conversations sur les réseaux sociaux et en analyser le contenu pour en extraire des informations utiles pour les entreprises ou les marques.

Une petite révolution en soi. Là où le marketing réalisait des études qualitatives ou quantitatives basées sur des enquêtes auprès d’échantillons de population ou de panels d’utilisateurs, nous disposons avec les réseaux sociaux de nouveaux terrains d’études quasiment illimités. On ne pose plus des questions formatées, on écoute des réactions et des opinions spontanées en temps réels. On peut collecter en continu et instantanément tout ce qui se dit sur les réseaux sociaux pour être capable de réagir immédiatement à une crise, déceler les tendances du moment où bien procéder sur des analyses en profondeurs pour élaborer des stratégies marketing ou mettre en place des plans d’actions opérationnels.    ( lire l’article Social Media Intelligence : quelles tendances ?)

Fédérer l’ensemble des sources de données marketing avec la Data Management Platform. Les données en provenance des réseaux sociaux viennent s’ajouter aux CRM, Business Intelligence et autres sites web utilisés par le marketing. Les directions marketing comprennent la nécessité de gérer cette multitude de sources de données. Avec les Data Management Platform (DMP) on met en pratique les technologies du Big Data pour collecter les données le long du parcours client, centraliser les données d’audience et de campagne marketing et les compléter par des données tierces. Différents outils pourront se connecter au DMP pour exploiter et apporter du sens à ces données. On parle également de « Insight Mining » pour exprimer cette recherche de sens (tendances, opinions, crises..) dans cette masse d’informations contenue dans le DMP. Après la gestion des achats de publicité display, le rôle du DMP s’étend ainsi progressivement à la gestion du marketing digitale. On peut dès lors obtenir un meilleur ciblage de la publicité en ligne pour l’annonceur, proposer des recommandations plus pertinentes tout au long du parcours client et optimiser le marketing direct.

Les entreprises B to B trouvent de la valeur aux réseaux sociaux .  Si les réseaux sociaux sont considérés comme quasiment incontournables pour les entreprises grand public (Business to Customer) ils sont encore souvent relégués à un second rôle dans les entreprises B to B (business to business).  Pourtant certaines entreprises B to B ont démontré la force des réseaux sociaux quel que soit le produit de l’entreprise.  J’en veux pour preuve la société Maersk Line spécialisée dans le transport maritime de containers.maersk line

Difficile à priori de trouver un intérêt particulier à un produit comme un container. Pourtant à partir de 2011 Maersk a réussi à créer un élan autour de sa marque, de ses bateaux et de ses containers en utilisant les réseaux sociaux. Maersk a gagner son pari en racontant une véritable histoire sur la durée (story telling ) autour de visuels de haute qualité . Résultats une présence sur les réseaux sociaux avec un nombre de « followers » ou d’abonnés qui ferait pâlir des sociétés grands publics. En 2013 Marersk a même réussi l’exploit d’obtenir un taux d’engagement situé entre Lego et Disney.

Si l’objectif principal était de se rapprocher de ses clients, Maersk a également réalisé qu’il pouvait y gagner en termes de couverture médiatique, d’incitation à l’embauche, de notoriété et de visibilité, ainsi que de renseignements émanant de spécialistes du monde entier. Et tout cela pour un budget dérisoire au regard des résultats obtenus mais avec l’adhésion et l’engagement de la direction générale

Les réseaux sociaux souffrent encore de la méconnaissance, voire de la crainte, des dirigeants français dans ce domaine peu à l’aise dans l’utilisation de ces nouveaux media. Pourtant le mouvement est inexorable, il est dangereux de pratiquer la politique de l’autruche. Éduquons-nous et apprenons à maitriser et à exploiter ces nouveaux outils.

 

La relation client sublimée par le big data.

 

L’expérience Client est plus que jamais une préoccupation des entreprises. Les solutions de Big Data, associées aux technologies de machines Learning et de Cloud, ouvrent d’intéressantes perspectives.

2-Life-of-Pix-free-stock-photos-hands-desk-swatch-Damian-zaleski

On ne parle plus que de l’expérience client, autrement dit on cherche à créer des émotions et des sentiments lors de l’utilisation d’un produit ou d’un service. Avec l’expérience client on est souvent dans le domaine de l’irrationnel car environ 85% de nos actions sont irrationnelles. Nos émotions, nos valeurs, nos expériences influencent très largement notre acte d’achat. Comment dès lors anticiper les attentes des clients ?

Les outils de CRM (Customer Relationship Management) analytiques se limitent encore trop souvent à analyser des faits précis comme les produits achetés ou les montants dépensés pour en déduire des préférences possibles en les corrélant à des segmentations basées sur des critères relativement figés (age, sexe, lieu, profession etc..). Dans un contexte économique difficile où les modèles économiques se renouvellent, une relation individualisée et augmentée avec le client devient essentielle.

Interagir avec le client et devancer ses désirs  , dans un environnement de plus en plus omni canal, seront les enjeux du CRM d’aujourd’hui. Les consommateurs attendront des marques une expérience unique et personnalisée.

Ce qui paraissait encore impossible il y a quelques années devient progressivement accessible à toutes les entreprises quel que soit leur taille. Le Big Data est passé par là avec un écosystème qui s’élargit pour produire des solutions adaptées à chaque domaine. Certains se posent encore des questions sur l’usage du big data, pourtant nous utilisons tous le big data. Chaque fois que nous faisons des recherchent sur internet, des solutions de type big data brassent des quantités gigantesques de données pour nous donner instantanément des réponses de plus en plus pertinentes.

Compléter le CRM avec les informations des réseaux sociaux : En utilisant les réseaux sociaux nous donnons à ces sociétés (Facebook, Twitter, Linkedin, Instagram etc…) accès à nos données personnelles qui cumulées constituent de gigantesque bases d’informations que ces acteurs du Net monétisent. Grace aux échanges conversationnels, les réseaux recèlent une mine d’informations sur l’attitude des personnes.

L’attitude concerne les raisons qui peuvent motiver un acte (un achat par exemple) alors que le comportement se déduit en général à partir de ce que le client a acheté. Des outils sont désormais disponibles pour extraire ces données non structurées des réseaux sociaux. Dans le domaine du Big Data les premiers exemples viennent des géants de l’internet et se démocratisent ensuite. eBay avait par exemple indexé plus de 40 millions de blogs et de forums dans le cadre d’un programme décisionnel relatif aux media sociaux. On passe ainsi d’un CRM comportemental à un CRM attitudinal.

Les progrès du machine learning : Encore un nouveau terme, de plus en plus associé au big data. Le machine learning utilisent des types d’algorithmes qui présentent l’avantage de ne pas reposer sur des règles prédéfinis dont on connait le résultat à l’avance. Le machine Learning,comme son nom l’indique, regroupe les formes de programmes qui apprennent en permanence et s’enrichissent de l’expérience de chaque utilisateur (ou client), de processus ou de machines.

Combiner quantités massives d’informations (le big data) et algorithmes d’apprentissage (machine learning) permet de trouver des solutions à des problèmes inenvisageables auparavant. La pertinence des recherches ou des recommandations dépendent de cette association big data – machine learning et de la qualité des algorithmes et des données. C’est ainsi l’on peut réellement prédire le comportement des clients et proposer des offres qui devanceront leurs désirs

Des solutions big data as a service dans le cloud : Souvent le Big data apparait complexe et il peut vraiment l’être. Deux approches sont possibles.

  • Au sein de l’entreprise : La taille de l’entreprise, la nature du projet (un cas d’usage ou un contexte particulier) et des compétences disponibles peuvent justifier le développement d’une solution « on premise ». Certains commencent à penser « stratégie » en construisant un réservoir de donnée (data lake ou data hub) fédérant les données de l’entreprise et accessibles par l’ensemble des directions métiers. Les solutions hadoop constituent généralement dans ce cas-là la colonne vertébrale de l’architecture.
  • Dans le cloud : On choisit une solution correspondant à son(ou ses) cas d’usages sans même se poser la question de savoir si c’est ou non du big data. On est là dans une approche de type Software as a Service. On utilise un logiciel dans le cloud qui exploite une plateforme de big data avec éventuellement du machine learning. Grandes entreprises ou entreprises de taille moyenne, c’est un moyen rapide de profiter des avancées technologiques.

Dans le débat d’orientation sur la stratégie numérique, Axelle Lemaire a mentionné l’économie de la donnée. Nous y sommes avec le Big Data et le machine Learning. (Lire le billet Une République numérique pour la France)