L’exploitation des données à des fins marketing

La multiplication des données sur internet encourage des entreprises à exploiter cette mine d’or pour augmenter leurs parts de marché et augmenter le volume de leurs ventes.

Le géomarketing, une technique qui a le vent en poupe

Parmi les récentes techniques d’exploitation des données pour le marketing, il y a la géolocalisation. Grâce aux dernières technologies, notamment celles usitées par les applications des smartphones, les entreprises peuvent envoyer des publicités ciblées. A priori, la Cnil pourrait s’opposer à cette stratégie, mais elle n’a pas agi. La commission nationale de l’information a considéré que les entreprises ont le droit de mieux connaître leurs clients afin de définir correctement des actions commerciales. Mais il serait inexact de croire que toutes les entreprises ont le droit d’utiliser les données personnelles des consommateurs comme et quand elles le souhaitent. En effet, ces données sont protégées par la loi Informatique et Liberté. La nuance est subtile…

Le fait de recourir à la segmentation géographique ne doit pas placer le consommateur dans une position d’exclusion automatique d’un service ou d’un contrat, ni le priver d’un droit dont bénéficient tous les membres d’un segment. En d’autres termes, la géolocalisation et le type de profil dans lequel un client a été classé, ne doivent pas servir de prétexte pour opposer un refus de vente à un consommateur par exemple.

En outre, l’utilisation d’un procédé de géolocalisation exige l’adoption de précautions spécifiques : il est notamment recommandé de laisser aux consommateurs la possibilité d’accepter ou de refuser la localisation via leur terminal. De plus, les entreprises ont l’obligation d’informer clairement les clients que leur appareil pourrait être localisé.

La segmentation

Autre procédé utilisé : la segmentation. Elle permet de regrouper des consommateurs, non par secteur géographique, mais par type de profils. Pour des raisons évidentes, certaines données sont exclues d’emblée. Il n’est permis ni de les collecter, ni de les exploiter. Ce sont : les origines raciales, l’appartenance à un syndicat, les opinions politiques, l’état de santé.

En bref, géolocalisation et segmentation ne doivent pas conduire à la ségrégation.En outre, les entreprises utilisant à ces outils doivent au préalable informer la Cnil, préciser l’intégralité des données collectées et informer les consommateurs de leurs droits. C’est ce qu’exige l’article 32 de la loi Informatique et Liberté. Les clients doivent aussi être clairement informés non seulement du fait qu’ils sont localisés, mais aussi de l’usage qui peut être fait de ces informations de géolocalisation. Ils ont le droit de s’opposer.

Les limites du Data mining en marketing

L’exploitation des données à des fins marketing est utile. Mais, il faut avoir conscience de ses limites.

Tout d’abord, le choix des méthodes de traitement des données exerce une forte influence sur les résultats obtenus : les méthodes analytiques sont mises en œuvre avec une certaine subjectivité de la part des analystes. Ce biais est également présent dans les algorithmes, car celui qui choisit les algorithmes et les paramètres peut influencer (volontairement ou non) les résultats. Ce biais peut survenir même quand l’entreprise fait appel à un collaborateur extérieur, un expert en « data mining ».

Ensuite, la mise en forme et la visualisation effectuées sur la base de données sont effet très importants : afin d’avoir des résultats probants, il est essentiel d’écarter les données superflues pour ne conserver que les pertinentes. En dernier lieu, il ne faut pas négliger la qualité de l’analyse : seul un traitement poussé des données combiné avec une véritable réflexion permet d’exploiter les informations collectées de manière intelligente pour déterminer des objectifs ambitieux, cohérents et atteignables. Bref, les données ne veulent rien dire en soi. L’action de l’humain qui contribue à leur exploitation est déterminante.

Bid Data : l’analyse des données

Dans le but d’orienter les décisions de l’entreprise et de booster sa croissance, collecter un maximum de données peut être utile, mais à condition de pouvoir les trier et les analyser : autrement dit, il faut aller fouiller dans les données, faire du « Data Mining ». Pour cela, il y a plusieurs façons de faire : engager un analyste, avoir recours à une équipe d’analystes ou utiliser des algorithmes.

La notion de Data Mining

Dans ce concept global, on retrouve toute une série de processus permettant de rendre les données exploitables et de la visualiser, notamment :

  • la sélection de la base de données
  • le tri des données et le pré-traitement
  • la transformation des données sous une forme exploitable
  • l’analyse mathématique des données
  • l’interprétation des résultats.

Le « Data Mining » est une étape de ce qu’on appelle le « Knowledge Discovery in Databases », ce qui signifie la découverte de connaissances dans les bases de données. Cette démarche s’inscrit dans le positionnement stratégique de l’entreprise et la prise de décisions marketing par l’équipe dirigeante.

L’utilité du Data Mining

Le « Data Mining » permet d’exploiter les données collectées en faisant du commerce dans le but de faire des pronostics afin d’optimiser la gestion des boutiques en ligne de manière scientifique. Grâce à cette technique, les entreprises peuvent :

  • segmenter leurs clients et leurs prospects
  • analyser le détail des paniers d’achats
  • identifier les différents profils d’acheteurs
  • améliorer leur positionnement en terme de prix des produits
  • prévoir des chiffres de ventes réalistes dans chaque catégorie de produits ou de services
  • analyser les besoins des clients permettant de faire évoluer des produits ou d’en lancer de nouveaux
  • détecter les erreurs dans le processus de vente et mettre en place des actions correctives.

Les méthodes utilisées dans le Data Mining

On utilise plusieurs méthodes afin de pouvoir extraire les données pertinentes dans la gigantesque quantité de données collectée par l’entreprise.

  • l’analyse de régression : il s’agit d’un ensemble de méthodes statistiques utilisées afin de faire un pronostic de vente d’un produit.
  • la technique d’association : elle consiste à identifier des ensembles cohérents, par exemple des associations de produits dans un panier. Des sites comme par exemple Amazon l’utilisent pour inciter les consommateurs à effectuer d’autres achats avec des mentions du type : « les acheteurs de ce produit ont également acheté le produit x ».
  • la classification : cette méthode permet de catégoriser des groupes déjà prédéfinis en se basant sur diverses spécificités qui se recoupent.
  • l’analyse de typologies : on s’en sert pour segmenter la clientèle, c’est-à-dire regrouper les clients ou les visiteurs d’un site, selon leurs profils.
  • la détection des données aberrantes : cette méthode, appelée en anglais « outlier detection », permet d’écarter des données aberrantes. Elle est utilisée pour contrer les fraudes à la carte bancaire.