Recherche

Attribution big data et marketing : des opportunités pour votre entreprise

Publié par le | Mis à jour le
Adit Abhyankar, directeur exécutif Visual IQ
Adit Abhyankar, directeur exécutif Visual IQ

Aujourd'hui, grâce à la technologie d'attribution marketing, toutes les données disponibles peuvent être analysées pour fournir des informations précieuses qui, une fois traduites en mesures concrètes, permettent d'optimiser les stratégies marketing.

  • Imprimer

Le big data est devenu le mot d'ordre de la communauté marketing depuis les 12 derniers mois. Mais qu'implique son évolution pour les spécialistes du marketing ?

De quelques dizaines de téraoctets à plusieurs pétaoctets d'informations regroupées dans un ensemble unique de données, le big data permet de fournir des renseignements sur les prospects qui seraient invisibles autrement et qui permettent d'élaborer des stratégies pour optimiser les performances marketing. Heureusement, les progrès récents dans le domaine des technologies d'attribution marketing ont largement simplifié le traitement du big data.

Les stratégies d'attribution marketing ont permis aux spécialistes du marketing de s'éloigner des méthodes traditionnelles utilisées pour comprendre les segments et les modèles de données. Les processus traditionnels d'analyse des données se basaient sur la création d'un groupe de données représentatif de l'ensemble d'une population disponible. Mais cette méthode longue et laborieuse était susceptible de générer des itérations multiples de groupes de données avec un risque de générer et d'analyser un échantillon non représentatif de l'ensemble des utilisateurs.

Aujourd'hui, grâce à la technologie d'attribution marketing, toutes les données disponibles peuvent être analysées pour fournir des informations précieuses qui, une fois traduites en mesures concrètes, permettent d'optimiser les stratégies marketing.

En quoi les analyses traditionnelles sont-elles différentes de la technologie d'attribution marketing adaptée au big data? La méthode traditionnelle consiste à créer un groupe test à partir d'un sous-groupe de données en appliquant un certain nombre de critères de filtrage. Par exemple, si une entreprise spécialisée dans les services financiers souhaite identifier un groupe de prospects susceptibles de résilier le mois suivant, le groupe de données pourra inclure les sous-groupes suivants : comptes en retard de paiement ; le dernier contact avec le client s'est produit dans les 10 premiers jours de retard de paiement ; ou dont le montant impayé est égal ou supérieur à 50 €.

Le fait de restreindre la population de données de cette manière fait que les éléments inclus dans le groupe de données concerné font l'objet de décisions subjectives. Il existe un risque que des éléments essentiels, alors invisibles à l'entreprise, ne soient pas pris en compte dans l'équation. Par conséquent, le groupe de donné sélectionné est susceptible d'être systématiquement faussé et, s'il est utilisé dans le cadre d'une analyse, d'aboutir à des conclusions fallacieuses.

L'approche associant les techniques d'attribution marketing et le big data pour réaliser la même analyse donne des résultats très différents. Plutôt que d'utiliser un sous-groupe d'éléments, la population totale des utilisateurs est segmentée en plusieurs groupes selon des critères définis dans chacune des catégories ; une analyse est ensuite réalisée afin d'étudier la contribution de chaque critère aux différents groupes individuellement. Ces critères pourraient notamment inclure l'état du compte au cours du mois précédent, le montant du paiement en retard ou encore la date/fréquence des derniers contacts.

Une fois les différents groupes créés en utilisant l'ensemble des données disponibles, il est possible d'affiner avec des questions plus complexes concernant le groupe de données comme : quels groupes présentent les niveaux les plus élevés de résiliation ; quelle combinaison de facteurs indique le taux de résiliation le plus fort et, parmi les clients ayant résilié, un point de contact commun peut-il être identifié chez certains ?

Au moment de choisir une solution d'attribution marketing, il semble alors essentiel de privilégier l'aptitude au big data afin de garantir un maximum d'avantages pour votre entreprise. Cette solution vous fera alors bénéficier d'une rapidité, d'une précision et d'une objectivité sans précédent, et vous fournira une analyse multidimensionnelle du big data.

Adit Abhyankar est directeur exécutif de Visual IQ, fournisseur au monde de logiciels d'attribution marketing inter-canaux, avec des clients dans le monde entier dont Orange en France. Basé à Londres, Adit Abhyankar supervise l'expansion internationale de Visual IQ pour la zone EMEA et la région Asie-Pacifique ; c'est un expert reconnu dans le domaine de l'attribution inter-canaux et de l'optimisation marketing. Il apporte plus de 18 années d'expérience du développement produits et de la vente au sein de différentes sociétés de logiciels et de technologie avec une orientation particulière sur le marketing et la publicité numériques. Diplômé de l'Université Tulane, il a obtenu une licence et un diplôme BAC+4 avec distinction.

Par Adit Abhyankar, directeur exécutif de Visual IQ