{"id":12855,"date":"2017-09-27T09:51:04","date_gmt":"2017-09-27T08:51:04","guid":{"rendered":"https:\/\/academy.visiplus.com\/blog\/?p=12855"},"modified":"2017-09-27T09:53:53","modified_gmt":"2017-09-27T08:53:53","slug":"data-driven-marketing-3-bonnes-pratiques-pour-definir-une-strategie-performante","status":"publish","type":"post","link":"https:\/\/academy.visiplus.com\/blog\/analytics-2\/data-driven-marketing-3-bonnes-pratiques-pour-definir-une-strategie-performante-2017-09-27","title":{"rendered":"Data driven marketing : 3 bonnes pratiques pour d\u00e9finir une strat\u00e9gie performante"},"content":{"rendered":"

D\u00e9couvrez 3 des meilleures bonnes pratiques \u00e0 appliquer pour d\u00e9marrer une strat\u00e9gie marketing data driven qui r\u00e9duit les risques de mise en \u0153uvre et d\u00e9bloque l’analyse potentielle des organisations<\/p>\n

Tous les signes indiquent que le marketing ax\u00e9 sur les donn\u00e9es ou data driven marketing<\/a> est un levier d\u2019avenir. Les organisations qui cherchent \u00e0 moderniser leur d\u00e9marche de commercialisation et les entreprises innovantes poursuivent toutes des investissements intelligents dans l’\u00e9chantillonnage des donn\u00e9es, leur stockage et leurs analyses dans l’espoir de devenir encore plus intelligents.<\/p>\n

Cependant, comme tout processus de transformation, l’adoption peut poser des difficult\u00e9s qui font que les progr\u00e8s positifs ne se produisent que pour certains. La cl\u00e9 est que les entreprises anticipent ces d\u00e9fis d\u00e8s le d\u00e9but, tout en adaptant leur strat\u00e9gie data driven marketing pour qu’elle corresponde le mieux \u00e0 leur structure organisationnelle. Pour les aider \u00e0 accomplir cela, nous proposons trois bonnes pratiques de marketing ax\u00e9es sur les donn\u00e9es afin que les organisations puissent minimiser les risques tout en augmentant leurs chances de r\u00e9ussite.<\/p>\n

1. Se rendre compte que la qualit\u00e9 de l\u2019analyse finale d\u00e9pend de votre architecture de donn\u00e9es<\/h2>\n

Les process de traitement du \u00abBig Data\u00bb <\/a>peuvent g\u00e9rer des flux d\u2019informations massifs, mais ne peuvent pas transformer l’eau en vin ! La qualit\u00e9 des intrants et un bon framework de donn\u00e9es sont ce qui permet de les associer \u00e0 n’importe quel logiciel, d\u2019\u00e9laborer des analyses et d’atteindre les objectifs commerciaux fix\u00e9s.<\/p>\n

Le maintien de la qualit\u00e9 des donn\u00e9es implique plus que des t\u00e2ches simples d’audit et de \u00ab nettoyage \u00bb. Votre structure enti\u00e8re : de la fa\u00e7on dont les donn\u00e9es initiales sont captur\u00e9es \u00e0 la fa\u00e7on dont elles sont accumul\u00e9es dans un syst\u00e8me centralis\u00e9 ou pr\u00e9-format\u00e9 pour leur traitement, peut \u00e9liminer plusieurs des facteurs de prise de t\u00eate lorsque les signaux des donn\u00e9es deviennent une cacophonie (signal des donn\u00e9es : \u00ab une impulsion ou une fr\u00e9quence d’\u00e9lectricit\u00e9 ou de lumi\u00e8re qui repr\u00e9sente les donn\u00e9es lorsqu’elles se d\u00e9placent sur un r\u00e9seau, une cha\u00eene informatique ou sans fil \u00bb selon l\u2019encyclop\u00e9die PCmag<\/a>, Ndlr). Au lieu de cela, organisez les donn\u00e9es en symphonie avec des normes organisationnelles qui ont le plus de sens pour vos objectifs.<\/p>\n

Par exemple, le fait de permettre aux rapports de service \u00e0 la client\u00e8le de lier chaque plainte \u00e0 un achat r\u00e9el \u00e0 partir des donn\u00e9es d\u2019un syst\u00e8me POS (syst\u00e8me de point de vente) peut transformer un r\u00e9sultat abstrait : \u00ab Nous avons eu X pourcentage de plaintes par achat \u00bb<\/em>, \u00e0 un r\u00e9sultat beaucoup plus utile, \u00ab Les gens qui ont achet\u00e9 des articles dans le magasin X ont \u00e9mis le plus de plaintes et \u00e9taient pr\u00eats \u00e0 d\u00e9penser plus que la moyenne. \u00bb<\/em>.<\/p>\n

2. Commencer par un programme pilote et penser \u00ab agile \u00bb<\/h2>\n

Les organisations peuvent aplatir leur courbe d’apprentissage en commen\u00e7ant par les \u00abtours d’entra\u00eenement\u00bb, pour ainsi dire. Plut\u00f4t que d\u2019acqu\u00e9rir un acc\u00e8s analytique \u00e0 toutes vos donn\u00e9es, commencez par une petite exp\u00e9rience, une sorte de projet pilote, r\u00e9pondant \u00e0 un but fix\u00e9.<\/p>\n

Vous devez alors alimenter des ensembles de donn\u00e9es limit\u00e9es dans ce syst\u00e8me par des interm\u00e9diaires et conserver des sauvegardes pour qu’il y ait plusieurs coffres forts. Ensuite, vous devez v\u00e9rifier si vos intrants peuvent conduire \u00e0 une observation utilisable qui favorise la prise de d\u00e9cision. Les enseignements alors tir\u00e9s permettent de vous concentrer sur la r\u00e9solution de probl\u00e8mes et la poursuite de vos objectifs.<\/p>\n

Selon Harphajan Singh,<\/a> expert reconnu du traitement des donn\u00e9es, les programmes pilotes peuvent \u00e9galement fournir une preuve des b\u00e9n\u00e9fices du concept aux parties prenantes et les aider \u00e0 \u00ab d\u00e9terminer o\u00f9 faire le prochain investissement progressif avant de prendre des engagements plus importants \u00bb.<\/em><\/p>\n

La gestion de projet<\/a> par le biais des m\u00e9thodes agiles<\/a> passent par un processus d’essai similaire avant d’ajouter la complexit\u00e9 dans les it\u00e9rations. Apr\u00e8s chaque ajout majeur, l’int\u00e9grit\u00e9 du projet est test\u00e9e et mesur\u00e9e, puis elle informe la prochaine it\u00e9ration.<\/p>\n

\"Business,<\/a><\/p>\n

3. Aller vers le self-service<\/h2>\n

Une fois que les responsables de programmes analytique<\/a>s ont \u00e9limin\u00e9 la plupart des n\u0153uds du programme, leur organisation devrait \u00e9viter que l’analyse ne soit conserv\u00e9e sous cl\u00e9. Et ce, en donnant \u00e0 tous les membres de l’organisation l’acc\u00e8s aux donn\u00e9es pour :<\/p>\n