C’est quoi un Cas d’Usage CDP ?

Pour définir ce qu’est un cas d’usage et comprendre son intérêt, il est nécessaire de donner quelques éléments de contexte afin de retracer l’évolution de ce concept. En effet, l’approche déployée autour des « cas d’usage » n’est pas figée dans le temps et n’a eu de cesse d’évoluer en parallèle de la maturité des technologies d’entreprise.

C’est en 1987 qu’Ivar Jacobson, informaticien suédois, présente pour la première fois le concept de cas d’utilisation lors de la conférence Oopsla (pour Object-Oriented Programming Systems, Languages & Applications). Dans son article intitulé ‘‘Object-oriented Development in an Industrial Environment’’, il y décrit comment cette technique mise au point au sein du groupe de télécommunications Ericsson « peut servir à capturer les exigences d’un système, sous une forme graphique, dans le cadre d’une méthode d’analyse et de conception orientée objet ».

Depuis, le concept s’est affiné : d’une approche basée sur la compréhension des comportements, le concept aboutit en 2011 à une version 2.0 pilotée par les objectifs et plus facilement exécutée grâce aux méthodes agiles. Selon Ivar Jacobson, Ian Spence et Kurt Bittner, auteurs de l’ebook Use-Case 2.0 : « Un cas d’utilisation est l’ensemble des manières d’utiliser un système pour atteindre un but spécifique pour un utilisateur particulier. L’ensemble de tous les cas d’utilisation indiquent toutes les façons utiles d’utiliser un système ».

Par extension, un cas d’usage s’apparente à l’expression du point de vue des utilisateurs d’une séquence d’actions et d’interactions réalisées grâce à un outil technologique, dans le but d’aboutir à un produit, un service ou un système à valeur ajoutée dont la finalité est d’être utile. La notion de cas d’utilisation a ainsi peu à peu délaissé son jargon technique pour adopter le point de vue de l’utilisateur final. 

Le CDP Institute définit le cas d’usage appliqué à une CDP en ces termes : il s’agit d’« une description des étapes nécessaires à un agent pour réaliser une tâche métier. [Le cas d’usage] est employé pour illustrer à la fois les capacités dont un système a besoin pour accomplir une tâche et pour représenter les tâches qu’un système peut prendre en charge. »

Prenons un peu de recul. Dans un projet CDP, le porteur du projet (une entreprise) souhaite s’équiper d’une Customer Data Platform. Est-ce une bonne idée ? Est-ce la bonne solution ? Lorsque nous accompagnons des clients dans un projet CDP, nous commençons toujours pas interroger la pertinence de ce choix technologique. Notre recommandation est simple, invariable : il faut partir des besoins métier, des objectifs de l’entreprise. C’est seulement ensuite que la question des outils intervient. Nous challengeons toujours nos clients sur ce point.

Si le choix de s’équiper d’une CDP fait sens et est acté, alors nous pouvons passer à l’étape suivante. Cette étape consiste à repartir des besoins et des objectifs de l’entreprise pour faire émerger nos fameux cas d’usage CDP. Il s’agit de répondre à la question : de quelle manière l’entreprise a-t-elle envie d’utiliser la CDP dont elle souhaite s’équiper ? Dit de manière plus directe : pourquoi faire ? Il va falloir étudier, sélectionner et qualifier les différentes utilisations cibles. En d’autres termes : construire la liste détaillée des cas d’usage cibles.

On peut d’ailleurs très bien présenter les cas d’usage cibles à la première personne. Par exemple :

• Je veux activer mes clients en temps réel, dans mes scénarios marketing, sur mon site web, sur mon application mobile…
• Je veux créer une segmentation dynamique de mes clients, c’est-à-dire une segmentation mise à jour en temps réel en fonction du comportement des clients.
• Je veux unifier toutes mes données qui, pour le moment, sont éparpillées dans mes différents outils et bases de données.
• Je veux créer un score client permettant d’identifier le risque de churn de mes clients. Je veux pouvoir envoyer des notifications automatiques au service client quand un de mes clients atteint un score élevé de churn.
• Je veux calculer la lifetime value de mes clients.
• Je veux mettre en place une approche lookalike, c’est-à-dire créer des audiences anonymes dans mon outil de publicité partageant les mêmes caractéristiques que mes meilleurs clients.
• Je veux disposer d’une fiche client omnicanal, avec toutes les informations concernant le client : attributs, événements, identifiants…
• Je veux agréger mes données clients pour l’analyse.

Bref, vous avez compris. Ces cas d’usage doivent être décrits de la manière la plus claire possible. Ils peuvent être regroupés par catégorie : Data Management, Segmentation, Orchestration, etc.

Comme nous le disions dans l’introduction, la formulation des cas d’usage est une étape vraiment pivot dans un projet CDP. A partir des cas d’usage, vous allez pouvoir identifier les fonctionnalités cibles que la CDP devra proposer. Il n’est pas toujours évident de déduire les fonctionnalités des cas d’usage, cela implique une connaissance des Customer Data Platforms, de leur périmètre fonctionnel, de leur fonctionnement technique.

La qualification des cas d’usage et des fonctionnalités cibles permet ensuite d’identifier les CDP éligibles. S’ensuit l’étape de sélection proprement dit, avec toutes les étapes bien connues d’un Request for Proposal dans les règles de l’art.

Ce sont des sujets sur lesquels nous pourrions développer longuement, nous accompagnons très régulièrement des entreprises dans leurs projets CDP. Vous avez ici un aperçu très synthétique de la démarche. Pour aller plus loin, nous vous invitons à découvrir nos publications dédiées. En particulier :

• Les étapes d’un projet Customer Data Platform (CDP)
• Customer Data Platform : 7 cas d’usage de la CDP en B2C

Pour bien définir ses cas d’usage, il importe au préalable de bien comprendre comment fonctionne une Customer Data Platform et ce qu’elle peut vous permettre de faire, de mesurer, d’optimiser et de développer. Nous allons passer en revue les principaux domaines fonctionnels et les principales finalités d’une Customer Data Platform.

La gestion de la donnée constitue la première étape de toute démarche CDP. En tant que pivot du Système d’Informations (SI) Client, la plateforme agit telle une clef de voûte sur laquelle viennent se connecter tous les flux de données de votre entreprise, en provenance de toutes vos sources et de tous vos canaux : logiciels back-office, bases de données, systèmes de type Big Data, CRM, outil de Marketing Automation, bornes en boutique, centre de contacts, site ecommerce, réseaux sociaux, application mobile, etc.

Une fois les informations collectées et intégrées à la plateforme, les outils d’activation et d’analyse en aval entrent en jeu, toujours orchestrés par l’organe central qu’est la CDP. Commence alors l’étape d’unification de ces données brutes et leur préparation en vue de répondre aux objectifs fixés par votre projet CDP.

Toutefois, à quoi bon collecter et unifier les données si vous ne pouvez pas les utiliser et en tirer la meilleure valeur ? Si les indicateurs clés de performances (KPI) sont là pour vous y aider, difficile parfois de saisir toute la pertinence des informations contenues dans une donnée. C’est là que les outils d’analyse et de business intelligence vous permettent de capter le comportement de l’utilisateur qui « se cache » dans la donnée collectée et de le retranscrire visuellement.

Certaines CDP, pas toutes, intègrent nativement des fonctionnalités d’analyse et de BI. Toutes, en revanche, offrent la possibilité d’extraire les données préparées et unifiées dans la CDP vers un outil de reporting tiers. L’analyse est l’un des deux grands domaines d’exploitation des donnés de la CDP (l’autre étant l’activation).

La pertinence d’un segment client, d’un lead ou d’un visiteur ne peut se mesurer que si vous disposez d’un nombre suffisant de données. En se connectant à toutes les sources hétérogènes de données, la CDP va non seulement collecter d’importants volumes de données mais également pouvoir les segmenter de façon très fine selon les cas d’usage définis.

Avec une Customer Data Platform, vous pouvez alors segmenter votre base de données client selon de multiples dimensions, puis redistribuer ces segments d’audience à vos différents outils d’activation : CRM, marketing automation, emailing, DataViz… À l’image des fonctionnalités d’analyse et de BI, plusieurs types et méthodes de segmentation sont possibles :

• Les segments MECE ou attribution de segments : le segment assigne les clients à l’un des multiples segments en utilisant le principe MECE (Mutually Exclusive, Collectively Exhaustive) ;
• Les segments Overlapping ou règles d’éligibilité du public : ils permettent de prendre en compte différentes règles d’éligibilité. Ils s’appliquent notamment dans le cas où un client doit recevoir différents types de communication. En revanche, ils ne prennent en compte qu’un seul ensemble de règles de segmentation à la fois ;
• La segmentation statique ou ponctuelle, pour des campagnes ad hoc de type envoi d’informations ;
• La segmentation dynamique ou adaptative, dans laquelle les utilisateurs sont « amovibles » et peuvent varier selon divers critères.

Par sa capacité à travailler sur des segments dynamiques, constamment recalculés, optimisés et mis à jour, et associée à une dose d’intelligence artificielle, la Customer Data Platform peut ainsi permettre de prédire certaines intentions d’achats (notamment grâce aux données de navigation). Une capacité d’anticipation qui permet à vos équipes marketing de toujours avoir une longueur d’avance !

Connectée aux outils d’activation de l’entreprise, la Customer Data Platform permet non seulement une segmentation ultra fine des audiences mais aussi de proposer une expérience client sans couture de bout en bout. Comment ? En transformant les données client en comportements d’achats prévisibles, chaque interaction collectée sur les différents points de contact étant associée à un comportement donné.

Par conséquent, vos équipes marketing ont ainsi la possibilité d’agir et d’interagir en temps réel avec le client à chaque étape du parcours d’achat. Par exemple :

• En lui proposant un code promotionnel pour éviter l’abandon du panier ;
• En lui poussant un produit ou un service complémentaire ;
• En envoyant une information pertinente (délais de livraison, options de transport, etc.) afin d’éviter le recours au service client ;
• En assurant un suivi de commandes unifié sur toutes vos plateformes…

Cette activation en temps réel, rendue possible par les capacités dynamiques de la plateforme, vous permet de proposer des services à forte valeur ajoutée.

Quelle est alors la finalité ultime de la Customer Data Platform ? La capacité à déployer une vue 360 sur l’ensemble de vos données clients. En d’autres termes, la possibilité de mettre en œuvre une stratégie marketing omnicanal ! Voilà l’atout majeur de ce hub global capable d’agréger des données disparates, multicanal, on et offline, et cross-device. Ainsi, la CDP va s’attacher à centraliser une multitude de fragments d’informations collectés tout au long du parcours phygital du client.

Enrichie en permanence en temps réel, la vue client unifiée ainsi obtenue favorise une approche omnicanale transverse à tous les départements de l’entreprise en lien avec l’expérience client, faisant de la CDP la tour de contrôle de votre stratégie marketing et le moteur de votre développement business.