salon big data 2015 : big data et marketing digital, retours d’expérience en termes de roi et de...

© Soft Computing – www.softcomputing.com

Marketing Digital & Big Data

Quoi de neuf ?

10/03/2015

http://www.softcomputing.com/

http://www.softcomputing.com/

http://blog.softcomputing.com/

http://fr.slideshare.net/softcomputing

https://www.facebook.com/softcomputing

https://twitter.com/SoftComputing

https://fr.linkedin.com/company/soft-computing

© 2

Cofondateur et DG Soft Computing

http://www.hec.fr/

© 3

SOMMAIRE Sommaire

1. A propos de Soft Computing

2. Introduction

3. Big data : de quoi parle-t-on ?

4. Ce qui a évolué ces derniers mois

5. Vue du marketing

6. Big Data et datamining

7. Comment avancer ?

© 4

Carte d’identité

© 5

Compétences : un mix unique de compétences pointues

Digital

Marketing

Data

Science

Project

Management

Information

Technologies

© 6

Mission : transformer la data en performance marketing

Business

IT

Imaginer, bâtir et opérer

des programmes de conquête et de fidélisation cross-canaux, rentables et innovants

Concevoir, développer et déployer

des solutions Digitales, Big Data et CRM performantes, pragmatiques et adaptées

AMOA

© 7

Delivery : continuum de services et souplesse

Think Build Run

Délégation

d’expertise

Mode

Projet

Centre de

services

© 8

Programme relationnel

multi-devices et

remarketing.

Ecoute et analyse des

sentiments des clients sur

les réseaux sociaux.

Centre de services de

gestion des campagnes

marketing multicanal.

Data Management Platform

et marketing multicanal

temps réel

Centre de services

datamining, campagnes

ciblées et reportings.

Gestion des opérations

marketing ciblées..

Data Management

Platform, CRM et web

analytics.

Conception de

l’architecture

décisionnelle hybride big

data – datawarehouse.

Centre de services gestion

de campagnes marketing

et connaissance clients

Convergence des pratiques

et des outils marketing on

et offline.

Mise en place d’une Data

Management Platform

(DMP) et de use cases

marketing.

Déploiement d’une plate-

forme CRM multi-marques

multi-pays..

Personnalisation en temps

réel des contenus et

valorisation d’audience.

Définition d’une stratégie

de Business Intelligence.

Pilotage de la qualité de

l’expérience client.

Extraits de références 2014-2015

© 9

Experts reconnus

Enseigner

Ecrire

Echanger


https://twitter.com/#!/SoftComputing

http://www.facebook.com/softcomputing

http://www.softcomputing.com/fr/news/


http://www.linkedin.com/company/soft-computing

http://www.viadeo.com/fr/company/soft-computing

https://plus.google.com/+Softcomputing/


https://twitter.com/

http://www.facebook.com/softcomputing

http://www.softcomputing.com/fr/news/








https://plus.google.com/+Softcomputing/

http://www.hec.fr/

© 10

Du vécu métier

2003 2015 Web mining

15 M Clients

5 ans

Recommandations

Temps réel

Réseaux

d’influence

Analyse de

sentiments

50 To+

© 11

Du recul aussi sur le plan technique

© 12

SOMMAIRE Sommaire


2. Introduction



5. Vue du marketing



© 13

Big Data : ça reste à mode

© 14

Oui, mais on aborde la vallée des désillusions

Big Data

© 15

SOMMAIRE Sommaire

Focus sur les

utilisations marketing

© 16

SOMMAIRE Sommaire


2. Introduction



5. Vue du marketing



© 17

Défi technique #1 : se préparer à gérer des volumes inimaginables

2005 2015

© 18

Défi technique #2 : sortir du cadre

2005 2015

Disponibilité

« Les données sont toujours accessibles »

Tolérance

« seul la panne totale interrompt »

Cohérence

« Les commits rendent l’ensemble

des données cohérentes »

Disponibilité

« Les données sont toujours accessibles »

Tolérance

« seul la panne totale interrompt »

Cohérence

« Les commits rendent l’ensemble

des données cohérentes »

Commit en

2 phases

© 19

Défi technique #3 : exécuter tout calcul en moins de 0,14

secondes

2005 2015

Trading Desk

(ATD)

Editeur de

site

Demand Side

Platform

(DSP)

Ad exchange

(Adex)

Supply Side

Platform

(SSP)

Annonceur

ou Agence

média

Ad Server de

l’éditeur ou

Ad network

RTB &

programmati

que

© 20

Big Data vu du marketing

olume

itesse

ariété

éracité

aleur

© 21

SOMMAIRE Sommaire


2. Introduction



5. Vue du marketing



© 22

Big data 2014

Démocratisation

© 23

Démocratisation hardware

5 nœuds

1 namenode, 20 cœurs, 192 Go ram

4 datanodes, 64 cœurs, 64 Gb ram, 10 To DD

© 24

Démocratisation : stockage

© 25

Démocratisation : outils de datavisualisation

© 26

Démocratisation : de plus en plus de données en libre service

© 27

Démocratisation : de plus en plus de données à coût modique

© 28

Démocratisation : analytique ML en cloud

© 29

Impact sur les usages

+

Données Détail

Temps réel

Prédictif

Non-structuré

Ouvert sur l’extérieur

Autonome

Hybride

© 30

SOMMAIRE Sommaire


2. Introduction



5. Vue du marketing



© 31

Big Data : la clé de voûte d’une expérience client sans couture et

omnicanal

LA PREFERENCE DE MARQUE

Expérience client Qualité de service

LA DONNEE, SA CENTRALISATION, SON UTILISATION SON

ACTIONNABILITE, SA VALORISATION

Performance

média, marketing

et commerciale

Digitalisation

© 32

Synthèse des typologies de données P

rop

riéta

ires

Ouvert

es

Permanentes

Volatiles

Données Tiers : 3 rd party

Open Data

CRM

données

nominatives et

transactionnelles

Tracking

Web, email,

display…

Semantiques:

Contenu web

fan pages, avis…

© 33

#1 : parcours clients

© 34

L’objectif

Extraire des parcours client pour qualifier des

bases marketing, définir des programmes

relationnels et des plans de vie

© 35

L’analyse

Sessions et pages vues

(id session)

Segmentation visiteurs

(id visiteur)

Cookie

Origine de la navigation

Temps moyen par visite

Catégorisation

Catégorisation des pages vues

E acheteur – churner

© 36

Focus : processus de récupération des données

Site Web Dépôt de Cookie 1

Taggage 2

Réconciliation 3

Tracking 4

Croisement 5

3

A l’affichage d’une page, dépôt d’un cookie avec un Id Internaute sur le device

Dépôt des tags de navigation sur les pages du site (ou des sites)

Remontée IdCRM à la connexion client et réconciliation avec un ou plusieurs Id Internaute

Web &CRM

2

4

Intégration en temps réel des données de navigation et affectation à l’Id correspondant

Croisement avec les données CRM et données externes

3rd Party

CRM

5

Analyse

6

1

3

2

4

6

5

1

Analyse 6

© 37

Focus : déclinaison opérationnelle

Inbound Densification de la

personnalisation

des programmes eCRM

(remarketing) et Mobile

Display

© 38

#2 : écoute active des réseaux sociaux

© 39

L’objectif

Analyses des tweets, pages de marque,

blog/commentaires afin d’identifier des

ambassadeurs, détecter et analyser des

évolutions

© 40

L’analyse

1. Analyse du contenu des posts (occurrence des mots et thèmes)

2. Les liens entre les mots employés et thématiques abordées

4. Les profils-type des « posteurs » selon leur sentiments / thèmes

3. La mesure de la perception positive/négative

© 42

Focus : les données de vos pages fan’s

Données natives extraites en json

Conversion en xml

Conversion automatique

en csv

Id FB

Id Post

Contenu du post

Date de Post

© 43

Focus : croisement client

@socialu

ser

CRM

profil

© 44


Engagements relationnels

Programme de

reconnaissance social

différencié

Valorisation expérience

client et fidélisation

© 45

#3 : recommandations personnalisées

© 46

L’objectif

Faire des propositions personnalisées à la volée

au visiteur identifié ou non à base d’auto-

apprentissage ?

© 47

L’analyse

Mix catégorielles

‘Utilisateurs’

Liens intra et inter catégories

Tag 1 : P1/P2/P3/P4

Tag 2 : P1/P2/P3/P4

Tag 3 : P1/P2/P3/P4

Tag 4 : P1/P2/P3/P4

…..

Produits liés /

tags

Segments

Utilisateurs = tags

Click Path Analysis Sessions et pages

vues

© 48


Préconisations

croisées sur les

produits sur la base

des achats

Fiches produits

« business »

Template personnalisé

/ au client

Des arborescences

personnalisées en

fonction de ce que

j’achète où j’aime.

Des conseils produits

par type de produit

Augmentation du taux de transfo site, CA / mail, du taux de nourriture et des occasions de

contact

© 51

Solution fonctionnelle

Prototyper l’algorithme de

substitution

Produire la matrice

d’association

Suivre et optimiser la

performance l’algorithme

Proposer des substitutions

Intégrer l’algorithme de

substitution

Développer l’algorithme de

substitution

algorithme

Algorithme

« industrialisé »

Matrice

d’association

Historique des propositions

Référentiels

produit

Liste

Programme

de production des

matrices

d’associations

Hub

EAN

substituts

© 52

Architecture

Lab data Large Data Fast Data

Prototyper l’algorithme de

substitution

Produire la matrice

d’association

Suivre et optimiser la

performance l’algorithme

Proposer des substitutions

Intégrer l’algorithme de

substitution

Développer l’algorithme de

substitution

© 54

Planning

Run

Initialisation du centre de services

Conception et réalisation « large »

Maintenance

Monitoring applications

Administration

Gestion des projets de setup

Gestion du centre de services Program Management

Gestion des projets d’évolutions

Busi

ness

IT

G

est

ion d

e p

roje

t et

de s

erv

ices

Setup

Sprints algorithme sur le

« lab »

Mise en place

architecture

Définition du SLA

Conception et réalisation « fast »

Tests

Sprints d’amélioration algorithme sur le « lab »

Surveillance de la santé de l’algorithme « lab »

Infr

a

Hard & soft

Hébergement et monitoring

Data

exploration

M1 M2 M3 M4 M5

© 56

Débuter simple : log, stream, transaction

Streams sociaux Weblogs Capteurs E-mails

Transactions bancaires Pages web Documents scannés Trace GPS

Données boursières Enregistrements

téléphoniques

Video-surveillance Données d’usage

© 57

Do It Yourself ou Appliance ?

Ikea ou Roche Bobois ?

Exemple Do it yourself Oracle appliance

Application datamining /

banque - 5 M clients actifs 300 nœuds – 900 Go RAM – 650 To DD

Configuration 54 Dell serveurs*6 cœurs-16

Go-12 To

Appliance Sun 18 serveurs*12

cœurs-48 Go-36 To

Coût 150 K€ 150 K€

Avantage Evolutivité Clé en main

© 58

Où mettre les données ?

En cible, 3 environnements :

1- Données chaudes

2- Analytique gros volumes

3- Datawarehouse structuré et agrégats

DMP

Attention à la souveraineté des données

Enjeu sur les historiques dans le cloud

Nota : le marketing n’est pas que digital

Big data : données

chaudes

Big data : données

froides

Dataware : données

structurées

© 62

R.O.I.

Connaissance Datamining

Assortiments en magasins

Rapports

Rapports industriels

Données : vision 360° client et produit

Campagnes ciblées

Technologies

1

2

3

4

Business Driven

© 64

Reconsidérer chaque

année les ROI : les

barrières à l’entrée

baissent toujours plus

𝐋𝐨𝐢 𝐝𝐞 𝐊𝐫𝐲𝐝𝐞𝐫 ∶ € 𝐆𝐨 = 𝟏𝟎−𝟎,𝟐𝟓𝟎𝟐∗ 𝐚𝐧−𝟏𝟗𝟖𝟎 +𝟔,𝟑𝟎𝟒

© 65

Victoires rapides : 3 à 6 mois , 1 pilote

1. DMP :

Data : Weblogs

Objectif : extraire des parcours client pour qualifier des

bases marketing, définir des programmes relationnels et

des plans de vie.

Cible : : eCommerce et medias

2. Ecoute active des réseaux sociaux :

Data : Streams sociaux

Objectif : analyses des twits, pages de marque,

blog/commentaires afin d’identifier des ambassadeurs,

détecter et analyser des évolutions et d’animer les

échanges (services de community management)

Cible : retail et pgc

3. Recommandations personnalisées :

Data : Weblogs et BDM

Objectif : faire des propositions personnalisées à la

volée au visiteur à base d’autoapprentissage

Cible : retail et eCommerce

salon big data 2015 : big data et marketing digital, retours d’expérience en termes de roi et de...

Technology