Cas d’usage CDP B2C : Segmenter les clients dynamiquement

Présentation synthétique du cas d’usage – Extrait du livre blanc « CDP en pratique : Zoom sur 7 cas d’usage de la Customer Data Platform en B2C ».

Le passage d’une communication de masse à une communication ciblée et personnalisée suppose la mise en œuvre d’une segmentation client – et idéalement d’une segmentation dynamique, basée sur des segments dont la population évolue en permanence (voire en temps réel) en fonction des comportements clients.

C’est pour mettre en oeuvre une segmentation dynamique qu’Iconic-Retail a fait le choix de déployer une Customer Data Platform.

Par le passé, Iconic-Retail diffusait une newsletter unique à l’ensemble des contacts inscrits en base. 

C’est, notamment, pour être en capacité de créer des newsletters ciblées que l’idée de la segmentation client dynamique a émergé. L’enjeu : créer une segmentation client (dynamique) aussi riche que la segmentation produits actuelle (21 catégories).

La Customer Data Platform est alimentée en données clients via le référentiel contacts Reach Five. Les données ne sont pas importées et répliquées dans la CDP, mais simplement connectées en streaming via des flux APIs quasi-temps réel.

La CDP est par ailleurs connectée à la base MongoDB, qui stocke les données transactionnelles et le référentiel produits.

A cela s’ajoute une troisième source de données : le tag natif proposé par la Customer Data Platform qui permet de récupérer les données comportementales web.

La CDP est utilisée pour réconcilier les données clients et les données comportementales web.

Toutes ces sources de données sont utilisées pour alimenter les attributs du modèle de données de la CDP – attributs qui servent ensuite à créer les différents segments dynamiques.

Ces segments dynamiques sont construits à partir de données clients (socio-démographie), de données transactionnelles (achats, dates d’achat, RFM…) et de données comportementales web (pages vues, clics, date et durée des sessions…).

Les segments dynamiques sont ensuite exploités par les solutions d’activation d’Iconic-Retail, en particulier : 

• Dialog Insight pour les campagnes et le marketing automation.
• Le CRM Batch, pour les notifications push (mobile et web).

L’enjeu est non seulement de créer des segments clients cohérents, mais de combiner la segmentation client et la segmentation produits, afin d’adapter le contenu des campagnes et des produits/catégories mises en avant pour chaque segment client.

C’est pour cette raison que les données clients seules ne sont pas suffisantes. Il faut y ajouter les données transactionnelles et le référentiel produit. Cela suppose un certain travail d’ingénierie marketing, au-delà de la question technique et des paramétrages qui, dans une CDP, peuvent se régler facilement.

Il est important également de mettre en place un dispositif de pilotage afin de mesurer l’impact de la segmentation client et du ciblage des newsletters sur la performance. 

Dans le cas d’Iconic-Retail, un certain nombre d’indicateurs clés (KPI) ont été créés, pour mesurer l’engagement (taux d’ouverture, de clics…) mais aussi l’impact business (taux de conversion, revenu moyen par newsletter…).

La base Reach Five d’Iconic-Retail contient 5,9 millions de contacts, dont 2,1 millions avec optin email récent (7 derniers jours) et 1,4 million avec option web (12 mois).

La mise en place des segments dynamiques a permis de multiplier par 3 la performance des newsletters.

Les prochaines étapes pour Iconic-Retail : 

• Utiliser le gestionnaire de campagnes natif proposé par le CDP, en remplacement de Dialog Insight. Iconic-Retail a en effet choisi une Customer Data Platform tout-en-un en capacité de gérer toute la chaîne de valorisation des données, de leur unification à leur activation.
• Mettre en place un moteur de recommandations et l’utiliser directement dans les newsletters pour pousser plus loin la personnalisation – en ajoutant à la personnalisation des contenus une personnalisation des produits.
• Renforcer la logique actuelle de campagnes (newsletters) par une logique de marketing automation, en mettant en place des scénarios relationnels basés sur des triggers. Par exemple, un scénario de relance des paniers abandonnés, mais aussi une scénarisation des newsletters (déclencher leur envoi en fonction du comportement client).