Dans mon article du 14 décembre 2011, je vous ai présenté le livre blanc collaboratif du marketing direct auquel j'ai participé sur le thème de la segmentation dans l'emailing.
J'ai remanié et complété ma participation et j'ai le plaisir de vous présenter une version longue et mieux documentée, uniquement pour les lecteurs de Pignonsurmail, des 7 stratégies de segmentation.
Les données déclaratives
Faciles et économiques à recueillir grâce à des formulaires en ligne, les données déclaratives liées au recueil de l'appétence produit ou thématique sont parfois difficiles à interpréter car leur véracité est souvent sujette à caution. Une thèse, rédigée par Mme LANCELOT MILTGEN, sur "Les réponses du consommateur face à une sollicitation de ses données personnelles : une application aux formulaires sur Internet" montrait que plus le niveau d'étude était élevé, plus les répondants trichaient sur les réponses des formulaires en ligne… En revanche, le déclaratif concerne autant les clients que les prospects.
Certains routeurs américains disposent ainsi d'un système automatique de reprise des questions manquantes qui sont introduites régulièrement dans les emails. Cela permet d'optimiser le taux de complétude. Enfin, il est possible aussi de pousser des bannières popup/under avec ces mêmes questions manquantes.
Exemple de qualification à la sortie de l'ouverture d'un compte chez les 3suisses.
Les données démographiques, géographiques et socio-économiques
L'âge, le sexe, le lieu de vie sont des données standards qui permettent de travailler sur un premier niveau de segmentation stratégique de sa clientèle. A partir de l'adresse postale, de nombreux acteurs (Acxiom, Experian, Mediaprisme, Conexance, Adress-company…) peuvent aider à enrichir une base de données en fournissant des données de style de vie (consommation), de pouvoir d'achat, d'appétences présumées à l'achat, niveau d'études, composition du foyer, type d'habitat, statut d'occupation. Ces données sont ensuite souvent travaillées pour éventuellement former une segmentation "stratégique".
Exemple : 7 segments principaux (superstars, occasionnels, convulsifs, familiaux…) ont été identifiés dans une base de données clients et correspondent à un mode de consommation des produits de mon site en ligne très différents.
Exemple de critères d'enrichissement chez Profilia (Adress-company)
Les données comportementales d'achat
La segmentation sur le chiffre d'affaires, la récence, et la fréquence d'achat est un grand classique de segmentation d'une base de données. Les techniques d'exploitation marketing de ces segments sont maintenant bien connues. Attention toutefois à bien distinguer une segmentation issue des transactions du web de celles issues d'autres canaux physiques. Les comportements des acheteurs du web sont fortement typés et bien différents des magasins physiques. L'inconvénient de cette segmentation est qu'elle ne s'adresse qu'au client et met de côté les prospects.
Exemple : tous les 6 mois, une base de données clients d'un site d'e-commerce s'enrichit d'une segmentation RFM sur 6 typologies de comportement d'achat qui vont des 'Très Bons Clients" aux "Clients Inactifs". Associés à cette segmentation, des indicateurs de fréquence d'achat et panier moyen sont calculés. Ces derniers sont fort utiles pour piloter des tactiques de promotion. Schématiquement, pour une classe d'acheteur dont le panier moyen est de 60 €, on pourra pousser une promotion de type 10 € offerts pour 75 € d'achat, ce qui permettra d'augmenter le panier moyen au dessus de 60 €.
Les données comportementales de l'email
Clics et ouvertures thématiques sont les deux données que peut nous offrir l'emailing. Si l'email est thématique et mono-produit, son ouverture est un signal, souvent considéré comme faible, de l'intérêt de l'internaute. Le clic thématique est plus pertinent et précis car il est déclenché par une information plus précise d'un internaute qui aura été exposé à l'email entier. Il est considéré comme plus signifiant que l'ouverture qui est liée à un objet court et parfois trompeur. Beaucoup de routeurs proposent la thématisation des clics avec la gestion organisée de thèmes (rarement de sous thèmes de clic) et la possibilité de l'utiliser lors de la segmentation.
Exemple : Sur 6 mois, un outil d'emailing a permis de cibler mes clients et prospects qui ont au moins cliqué 4 fois sur un lien d'un même thème sans l'acheter. Je décide de réaliser une vente privée sur ce thème, destinée uniquement à cette cible active.
Les données comportementales du site web
L'internaute "cookisé" ou "anonyme" laisse toujours une trace lors de sa visite sur un site web. L'analyse des thématiques visitées, du temps passé par page, de la provenance, du matériel (mobile), du logiciel de navigation, etc..., permet de fabriquer des cibles comportementales (appétences rayons ou produits, réactivation…) susceptibles d'alimenter les datamarts des outils de CRM marketing. Ces données peuvent être générées par le Webanalytique qui intègre ces volumes énormes de données et permet de les structurer pour déverser des informations agrégées dans la base de données marketing, mais aussi par les outils de gestion de sites e-commerce ou sur des usages plus simples, par les outils de gestion de campagnes d'emailing.
Exemple : Il est maintenant courant d'identifier les internautes clients de la base qui ont surfé profondément sur une rubrique donnée et de leur envoyer une incitation par email à la consommation sur ce site (retargeting par email). Un autre exemple, qui est un classique des sites e-commerçants, est l'abandon de panier. Le Journal du Net l'évoque dans un récent article, et nous l'avons aussi décrit sur cet article.
Exemple d'un emailing de La Redoute suite à une visite profonde sur la thématique femme
Les nouvelles données issues des réseaux sociaux
Les réseaux sociaux peuvent permettre de récupérer des données comportementales liées notamment aux activités de parrainage (share ou partage) et d'influence. Si la gestion des réseaux sociaux est bien interconnectée avec son CRM et la base de données, il est possible de recueillir individuellement certains de ces comportements. L'exploitation dans un contexte d'animation communautaire des leaders d'influence est connue depuis de nombreuses années (valorisation et reconnaissance de l'individu, mise en avant au sein du réseau…). En revanche, les scénarios de marketing direct permettant d'exploiter ces données sont naissants. Le clic sur un bouton "j'aime" dans une page "produit" ou l'usage des nouveaux boutons Facebook :"écouter","lire", "regarder", ... va permettre encore d'affiner le recueil de l'intérêt des internautes. En effet, il est possible de tracker le clic de l'internaute cookisé avant de le rediriger vers Facebook.
Exemple : Un site de vente en ligne a identifié depuis 2 ans les meilleurs animateurs et contributeurs de sa page Facebook dans sa base de données marketing. Le site a développé un programme relationnel par email spécifique et ciblé sur cette population.
Dans un autre scénario, on peut imaginer cibler tous les membres de la base de données CRM, non acheteurs qui ont "liké" (!) ou tweeté un produit sur une thématique donné. Un email spécifique peut ensuite leur être poussé sur ce principe :
On pourra regarder ce que propose SoShake dans ce domaine de la gestion fine du graphe social de Facebook.
Les scores et agrégats pour une exploitation optimisée de sa base de données
Pour le marketing opérationnel, l'exploitation des 6 types de données précédemment exposés pour réaliser son ciblage peut devenir très lourde et laborieuse. Chaque donnée a son importance et son poids, il faut tenir compte de l'absence et parfois de la redondance des informations au sein de la base. Dans l'exemple ci-dessous, pour un marchand en ligne, nous illustrons la priorité de chaque donnée recueillie par internaute. Un client qui affirme ne pas aimer une catégorie de produits (données déclaratives) pèse 10 fois moins que son surf sur cette même catégorie.
Pour les e-commerçants, l'enjeu consiste souvent à bâtir des scores d'appétence par rayon, produit ou thématique qui pourront synthétiser le travail d'analyse et le rendre facilement exploitable lors du ciblage ou de la personnalisation.
L'application sur une newsletter pourrait être la suivante (c'est une simulation bien sur).
Le livre blanc est toujours en ligne. Si vous souhaitez connaître l'avis des autres experts, n'hésitez pas à le télécharger.
Vous souhaitez en savoir plus sur le sujet, découvrez comment sur notre site :
- Formation "Vendre par l'emailing"
- Conseil : "Affiner la segmentation et la personnalisation"
merci pour ces informations très pertinentes!! je travaille aussi sur des bases de données pour les sales, ce que vous dites est très pertinent!
a+
anthony.
Rédigé par : objections commerciales | 27 février 2012 à 22:00
Merci Bruno, c'est très clair comme toujours et cela donne des idées.
Rédigé par : Nagaill | 29 février 2012 à 11:07