Browsing articles tagged with " Francais"
Jul 11, 2016
Christophe Lauer

Histoire sans paroles

May 22, 2016
Christophe Lauer

DMPSeries #3 – Données 1st Party vs données 3rd Party

Troisième billet d’une série consacrée aux plateformes DMP.

Dans le premier billet de cette série consacrée aux plateformes DMP, on avait défini quelles sont les données classiquement utilisées dans une DMP, et on avait rapidement donné la définition des 3 principaux types de données dans une DMP :

- First Party Data

Les données First Party sont toutes les données qu’une marque ou un annonceur va pouvoir collecter du fait d’une interaction directe avec un individu : via une visite sur le site web de la marque, via l’utilisation d’une appli mobile, via une commande en ligne, via un achat ou la souscription à un abonnement, mais aussi via des contacts « offline » (programmes de fidélisation, couponing, etc.) dont les données se retrouvent généralement dans les bases CRM de la marque.

- Second Party Data

Les données 2nd Party sont essentiellement des données collectées sur des sites web qui n’appartiennent pas à la marque, mais qui sont ceux de sociétés ou d’acteurs avec lesquels la marque aura conclu des accords de partenariat spécifiques comportant un accord – financier ou non – sur l’échange ou le partage de données.

Je consacrerai un prochain billet spécifiquement au sujet des données 2nd Party et à limportance de mener une réflexion en profondeur sur ce sujet dans le cadre dun projet DMP.

- Third Party Data

Enfin, les données Third Party, qui sont collectées et fournies – généralement vendues ou plutôt louées à l’acte et au CPM – par des tiers spécialisés, tels que Acxiom, AddThis, Eyeota, eXelate, VisualDNA, pour ne citer que quelques noms.

Dans les DMP, les données 3rd Party sont généralement accessibles via une marketplace de données, dans laquelle les marketeurs peuvent explorer ces données, observer leur recouvrement ou au contraire leur distance avec leurs propres données et activer ces données, selon leurs besoins et leurs objectifs.

Le paradoxe des données 3rd Party

Il y a un paradoxe certain autour des données 3rd Party : en phase amont des projets DMP, les données 3rd Party sont bien souvent perçues comme étant la « Silver bullet », la solution magique qui va enfin permettre de profiler et de connaître très précisément tous les visiteurs anonymes du site de la marque, et d’avoir donc une « vision 360° de ses audiences » grâce à des profils « enrichis avec de la données 3rd Party ». Avec les données 3rd Party, c’est la promesse de pouvoir qualifier et profiler les internautes inconnus dès leur première visite. Le rêve de tout marketeur.

Aussi, le sujet des données 3rd Party occupe t’il bien souvent une part importante des discussions en amont des projets DMP.

Toutefois, et c’est là tout le paradoxe, l’utilisation de données 3rd Party par les marques exploitant une DMP est finalement minoritaire, pour ne pas dire carrément rare. Mais ce n’est finalement pas étonnant, ni nécessairement une mauvaise chose.

Le fait est que les données 3rd Party tendent un peu à passer de mode, et qu’actuellement les reproches qui leur sont généralement faits sont les suivants :

  • - elles ont un coût, et parfois un coût non négligeable. Or, on se souvient que l’un des principaux objectifs de l’utilisation d’une DMP est l’optimisation des dépenses des budgets média
  • - on peut parfois questionner leur fiabilité et leur fraicheur, et donc leur utilité et leur efficacité : lorsqu’un fournisseur de données 3rd Party propose un segment d’intentionnistes achat automobile comptant plus de 7 millions de profils sur le marché Français, on peut se poser quelques questions sur leur fraicheur et leur valeur…
  • - enfin, ces données sont en quelque sorte publiques, et vos concurrents peuvent donc parfaitement y avoir accès au même titre que vous, et effectuer des segmentations similaires. Où se situe alors votre avantage business ?

ASTÉRIX® & OBÉLIX® / © 2016 LES ÉDITIONS ALBERT RENÉ / GOSCINNY-UDERZO

“Pas frais, mon poisson ?”

Les données 1st Party : un joyau sous exploité

Ce n’est pas une surprise si, selon une enquête publiée par Radar Research / Bluekai (**), la fonctionnalité la plus importante aux yeux des utilisateurs de DMP réside dans la capacité à collecter des données 1st Party (les données 3rd Party n’arrivant qu’en 7ème position).

BlueKai-Most-Valuable-DMP-Features-Dec2012

Source : Radar Research / Bluekai, Décembre 2012

Contrairement aux données 3rd Party, les données 1st présentent les avantages suivants :

  • -       Ce sont des données qui appartiennent à la marque, dont on sait précisément où, quand et comment elles ont été collectées
  • -       Ces données sont collectées – si besoin – avec un opt-in, et elles sont gratuites : vous pouvez ainsi les utiliser autant de vous avez besoin, il n’y a pas de CPM à prendre en compte
  • -       Ces données sont un vrai différenciateur business : par définition, vos concurrents n’y ont pas accès

Mais les données First Party ont un inconvénient de taille : on n’en a jamais suffisamment. Et comme on le disait dans le billet d’introduction, toutes les industries et tous les verticaux ne sont pas à égalité : certains vont bénéficier de visites fréquentes et qualifiées sur leurs sites web (voyagistes, hôtellerie,  banques, opérateurs telco, etc.) alors que d’autres seront moins favorisées (automobile, assurances, et surtout tous les produits vendus par des distributeurs, en particulier les CPG).

Malgré tout, et ceci vient confirmer ma thèse sur la valeur des données 1st Party, même dans le cas des marques CPG, les données 1st et les DMP peuvent représenter des opportunités, comme l’explique parfaitement Chris O’Hara de Krux (**) dans ce billet de blog.

En conclusion

Les données 1st Party sont de première importance (no pun intended) dans le succès d’un projet DMP. Les données 3rd Party sont un “nice to have” qui présentent surtout un intérêt dans certains cas particuliers, et également dans l’utilisation de modélisations « look alike » dans des logiques d’acquisition. Parfois peu considérée ou peu valorisée en interne en début de projet DMP, la donnée 1st Party ne tarde pas généralement à montrer son potentiel et son intérêt, à mesure que le projet et l’équipe opérant la DMP avancent en connaissance et en maturité sur ces sujets.

A suivre

Le prochain billet portera, très logiquement et pour rester dans la continuité, sur les données 2nd Party, leur importance et quelques exemples très concrets de case 2nd Party pour les annonceurs.

Disclaimer

Je suis ingénieur avant-vente spécialisé sur la DMP chez Adobe. Néanmoins, je m’attache ici à présenter le sujet DMP de façon neutre, en restant au niveau des généralités, sauf mention contraire. Ce billet fait partie d’une série de billets consacrés aux DMP. Vous pouvez trouver la liste de ces billets via ce lien.

 

(**) Bluekai / Oracle et Krux sont des éditeurs de solutions DMP, concurrentes à celle de mon employeur, Adobe Systems. Je n’ai bien entendu aucune relation avec l’un ou l’autre de ces deux concurrents, et je les cite ici purement dans une démarche œcuménique :)

May 13, 2016
Christophe Lauer

DMPSeries #2 – Exemples de Use Cases DMP chez les annonceurs

Second billet d’une série consacrée aux plateformes DMP.

Dans le contexte actuel de prolifération des ad-blockers, il appartient aux marketers d’adopter des tactiques adaptées et de prendre en compte ce message fort envoyé par les internautes.

Du fait de leurs capacités de tracking comportemental, de croisement de multiples sources de données, d’activation en temps-réel et en multi-canal, les DMP peuvent être perçues comme des machines infernales permettant aux annonceurs de poursuivre et de harceler sans répit de pauvres internautes, et sans espoir de s’échapper.

A contrario, les DMP sont surtout à mon sens une excellente réponse technologique à la lassitude des internautes vis à vis des bannières et des contenus publicitaires omniprésents.

En effet, utilisées à bon escient, les DMP permettent d’adresser des messages et offres publicitaires à des audiences pour lesquelles ces messages ont un vrai intérêt, de les adresser de façon cohérente, au bon moment, tout en gérant la pression marketing (frequency capping) et en pouvant stopper le ciblage une fois l’objectif atteint (exclusion).

In fine, les DMP ne sont « que » des objets techniques, qui suivant la façon dont on les mettra en œuvre, tout comme la langue d’Esope, pourront être la meilleure ou bien la pire des choses.

Après avoir donné une définition de ce que sont les plateformes DMP dans le billet précédent, et avoir abordé les bénéfices attendus de l’utilisation d’une DMP par les annonceurs et par les éditeurs, dans ce billet nous allons nous pencher un peu plus en profondeur sur quelques uns des Use Cases les plus classiques chez les marques et annonceurs.

Avant d’entrer dans le concret, précisons que tous ces use cases ne sont pas équivalents : certains peuvent être mis en œuvre très rapidement, d’autres au contraire vont nécessiter d’avoir au préalable déjà collecté et engrangé un volume conséquent de données, et surtout de profils de visiteurs.

Quelques exemples de Use Cases Annonceur

Ce billet vise à être didactique et à vulgariser le sujet DMP. J’ai choisi d’illustrer quelques use cases classiques en les simplifiant. Bien sur, on pourrait faire beaucoup plus, et plus compliqué, en utilisant des données mobiles, des données 3rd party, du cross-device, les fonctionnalités d’analyse et de reporting des plateformes, etc. J’ai préféré opter pour la simplification et la clarté, sans toutefois être simpliste.

A noter également : il y a quelques use cases classiques et qui peuvent s’appliquer à peu près à tout type de business, mais il n’existe pas de use case magique. Au delà de l’exercice présent et de ce billet à vocation didactique, la définition précise des Use Cases est loin d’être optionnelle : en effet, les use cases ont un rôle important dans un projet de mise en place de DMP. Leur définition précise en amont permettra de juger de l’intérêt de la mise en place de la DMP, mais aussi d’en déduire les données à collecter, et les sources de données à considérer, ainsi que les KPIs et métriques à suivre pour mesurer et optimiser les campagnes, et plus globalement les apports et l’efficacité de la DMP. Comme on le verra dans un prochain billet, la définition des premiers use cases à implémenter est un pré-requis important dans un projet DMP.

Crawl, walk and run

Ce n’est que du bon sens : au lancement d’un projet DMP, on démarrera logiquement par les use cases les plus simples, et ceux ayant la plus large portée. Ceux que l’on peut qualifier de « low hanging fruits », car apportant un maximum de bénéfices pour un effort minimal.

Et puis, gagnant en maturité tant dans les tactiques de segmentation, qu’en connaissance de ses audiences et de leur réaction aux différentes tactiques et campagnes, on passera progressivement des uses cases les plus simples aux plus avancés.

Keep it Simple

On gardera présent à l’esprit que les certains scénarios pourtant très séduisants sur le papier, dans lesquels on aboutit à des segmentations hyper précises… conduisent à des audiences souvent très faibles, et donc à des impacts business mineurs, voire négligeables.

1 – Prospect vs Client

Un des moyens pour optimiser ses dépenses média, c’est de limiter les impressions inutiles. Or, typiquement, il est assez peu utile de dépenser du budget média dans une campagne d’acquisition pour toucher des individus qui sont déjà vos clients. De même qu’il est peu utile de dépenser du budget média dans une campagne de branding pour des individus qui ont récemment visité votre site web.

Ces scénarios dits d’ « exclusion » sont généralement parmi les plus immédiats et les plus ROIstes.

Accessoirement, ça permet également d’éviter d’agacer des clients existants en les exposant à des offres promotionnelles très alléchantes, mais réservées aux prospects non encore clients. Combien de fois avez-vous vu passer des offres d’appel hyper intéressantes auxquelles vous n’aviez pas droit, par exemple de la part de votre opérateur mobile, ou de votre bouquet de chaines TV / satellite ?

Il existe plusieurs moyens de caractériser un client. C’est assez direct sur un site de e-commerce, il suffit de tracker le passage par la page de « check-out ». Dans d’autres cas, par exemple pour un opérateur telco ou une banque, il suffit de tracker le passage en mode loggué, idem pour un abonné sur le site d’un magazine. Dans tous les cas, l’import des données CRM est une autre façon de caractériser un client existant, et également d’enrichir son profil au moyen d’autres données telles que son ancienneté en tant que client, les types de produits possédés, ou bien encore un scoring.

2 – Retargeting des abandonnistes

Prenons un exemple fictif : Nous sommes « Acme Banking », un organisme financier. Acme Banking propose plusieurs types de produits financiers : épargne, gestion de patrimoine, prêts immobiliers, crédits à la consommation, etc.

Un individu présentant un profil alors inconnu visite notre site Web, et consulte plusieurs pages dans la rubrique des prêts immobiliers. Cette personne commence à remplir les deux premières pages du simulateur de prêt immobilier, mais quitte le site avant d’avoir terminé sa simulation, et obtenu une estimation du montant du loyer.

RBS Mortgage calculator and rate finder

Il n’en faut pas plus pour pouvoir recibler cet individu au moyen d’une campagne de bannières.

Voici comment on pourrait caractériser ce prospect – et également tous les autres appartenant au même « segment » :

  • - A visité le site Web de Acme Banking, au moins 1 fois dans les 7 derniers jours
  • - N’est pas connu comme étant un client de la banque (ie : inconnu du CRM, jamais vu sur le site Acme Banking en mode authentifié)
  • - A visité plusieurs pages de la rubrique Prêts Immobiliers (encore dans les 7 derniers jours)
  • - A visité la page du simulateur de crédit immobilier, mais n’est PAS passé par la page finale de confirmation, et de demande d’envoi de la proposition par email.

On voit qu’on pourrait sans doute ici se passer des données CRM et avoir une segmentation qui reposerait uniquement sur des données 1st party collectées depuis le site Web de Acme Banking.

Une fois notre audience de prospects abandonnistes caractérisée et définie dans la DMP, voici ce que l’on pourrait mettre en œuvre au moyen de la DMP :

- s’agissant d’un prospect, on ne dispose pas de son adresse email ni d’un opt-in pour l’envoi de messages marketing promotionnels. On pourra néanmoins adresser cet individu de manière anonyme via une campagne de bannières (Display), avec un message adapté : le message portera par exemple sur le taux du crédit actuellement en cours (éventuellement avec une créa dont le taux de crédit serait personnalisé via un DCO)

- cet individu a quitté notre site Web, sans aller au bout de sa simulation. On peut en déduire qu’il ou elle n’a pas encore arrêté son choix quant à l’offre de crédit, cet individu étant susceptible d’effectuer d’autres recherches, on pourra placer une campagne SEM dans Google pour des mots clés tels que « crédit immobilier meilleur taux » ou bien être plus spécifique en fonction des contenus consultés par l’internaute (prêts à taux fixe ou variable, prêts courts, etc.).

Dans Google Adwords, il s’agit d’une campagne RLSA (= Remarketing Lists for Search Ads). Sachant que cette personne est déjà venue sur le site de Acme Banking et a commencé à se profiler dans le simulateur de crédit, il s’agit d’un « prospect chaud », de fait, Acme Banking consentira à une enchère plus élevée que pour la campagne SEM classique portant sur les mêmes mots clés

- en outre, la DMP permettra d’adresser à cet individu des messages cohérents sur les différents canaux, afin d’éviter par exemple, que la homepage de Acme Banking ne mentionne un taux de crédit différent de celui proposé par les campagnes display et celui ci encore différent du taux affiché via la campagne Adwords

- comme on vient de l’évoquer, on veillera à adapter les contenus en home page et en tête de rubrique avec des contenus mettant en avant les offres de prêts immobiliers

- enfin, Acme Banking proposant plusieurs produits financiers, elle veillera à ne pas canibaliser ses budgets marketing entre deux produits : pendant que Acme Banking ciblera cet personne au sujet des prêts immobiliers, on veillera à l’exclure des campagnes de promo des autres produits tels que l’épargne ou la gestion de patrimoine, ce qui n’aurait de toute façon aucun sens dans ce contexte

3 – Upsell / Cross-sell

Je pense que ce cas s’explique de lui même. Quelqu’un vient d’acheter un produit ou un service, online ou offline, et on va lui adresser des messages et contenus proposant des produits liés, ou des accessoires. Ceci fonctionne aussi pour les service, au delà simplement des biens matériels : si on est un assureur : quelqu’un vient de souscrire une assurance Auto, on va proposer par la suite une assurance Habitation.

Ce cas peut également s’appliquer au cas d’un service fonctionnant au d’une app mobile disponible en « Freemium ». La première étape consisterait à faire installer l’app mobile par le prospect, puis dans un second temps à mettre en avant les bénéfices du mode payant pour convertir un utilisateur du mode gratuit au mode payant. Pensez à Evernote, Spotify, Deezer, Photoshop Express, etc.

Ici, s’agissant d’upseller à un client existant – et donc d’une personne connue, dont on dispose des informations de contactabilité et des opt-ins nécessaires – on pourrait déjà mettre en place différentes tactiques sans avoir besoin d’une DMP.

Mais le fait de disposer d’une DMP va nous permettre de réaliser les uses cases d’upsell et de cross-sell de façon plus fine, avec des messages cohérents à travers l’ensemble des canaux (voir l’exemple précédent au sujet des abandonnistes) : on pourra le faire en cross-canal, avec des messages cohérents, en gérant la pression marketing et en continuant à collecter les données d’exposition aux campagnes.

4 – Réengagement des clients inactifs

Les bases CRM contiennent déjà tout l’historique de la relation d’une marque avec ses clients : les services ou produits achetés et possédés, leur type ou catégorie, leur âge (renouvellement ; maintenance), la fréquence des achats et le panier moyen, etc.

Les bases CRM contiennent donc des informations précieuses concernant des anciens clients qui sont devenus inactifs. Partant du principe bien connu qu’il est moins cher de fidéliser que d’acquérir, on pourra exploiter les DMP de façon à réengager ou à réactiver des clients inactifs, et ceci à plusieurs niveaux :

  • - Campagnes d’emailing spécifiques présentant les nouveaux produits ou services, voire des offres promo
  • - Campagnes de bannières pour les abonnés qui n’ouvrent plus les newsletters
  • - Promos du type « Frais de port gratuits » pour les clients n’ayant pas commandé sur un site e-commerce depuis plus de 3 mois
  • - Parfois aussi, tout simplement, leur rappeler comment faire pour récupérer un mot de passe oublié…
  • - etc.

5 – 2nd Party Data

En tant que marque, vos données 1st Party sont certainement votre asset le plus précieux (je développerai cette idée dans un prochain billet). Mais malheureusement, en tant que marketer, on n’a jamais assez de données, et surtout, comme on le disait dans le précédent billet d’intro, toutes les industries et tous les verticaux ne sont pas égaux à cet égard : les telcos, banques, voyagistes et hotels sont bien plus avantagées que les marques CPG, par exemple.

Dans tous les cas, conclure des partenariats 2nd Party avec des tiers est une bonne solution pour aller chercher de la donnée en complément de ses propres données 1st Party.

Techniquement, il s’agira pour une marque disposant d’une DMP de fournir son tag à un partenaire qui l’implémentera sur son site web, ou sur certaines rubriques de son site web. Une autre façon d’opérer un partenariat 2nd Party peut passer par les marketplaces de données, lorsque les DMP en disposent : une marque ou un éditeur choisit alors de publier un partie de ses données de façon publique ou privée dans la marketplace – éventuellement en affichant un CPM – et la marque utilisatrice pourra alors simplement souscrire à ce data feed depuis la marketplace et utiliser les données 2nd party en complément de ses propres données.

Un exemple concret de ceci est par exemple un partenariat entre un grand groupe hotelier et un organisme de cartes de crédit professionnelles : ces deux entreprises ne sont pas concurrentes sur leurs marchés respectifs, en revanche, elles s’intéressent toutes deux aux mêmes profils de clients : des cadres qui effectuent des déplacements professionnels, prennent le train ou l’avion, et donc consomment des nuitées dans des hôtels, et règlent les notes avec des cartes de crédit dites « corporate » pour se faire rembourser de leurs frais. Les deux entreprises gagnent à s’échanger des données non seulement socio-démo mais aussi sur habitudes de consommation de ces cibles.

6 – Frequency capping

Les DMP permettent de collecter des données d’impression, et d’ouverture d’emailings, et d’exposition aux campagnes. Il devient alors possible de gérer la pression marketing en faisant du « frequency capping ». L’idée c’est que si un individu n’a pas réagi (cliqué, vu, converti, …) au bout de X impressions, il est inutile – voire contre-productif – de continuer à afficher les mêmes bannières pour cet individu. On a toutes et tous déjà connu le cas de ces produits qu’on n’a regardé mais pas achetés et qui nous poursuivent ensuite partout où l’on va pendant deux semaines… Hashtag : « retargeting gone wrong » :)

Screenshot 2016-05-13 15.27.55

Puisqu’on est dans le domaine du « Data Driven Marketing », les DMP peuvent aussi vous fournir les outils pour vous aider à mettre en place un capping efficace. Ici une capture d’écran du rapport « Optimal Frequency » de la plateforme DMP Adobe Audience Manager (*) :

AAM Optimal Frequency Report

7 – Tactiques : anti-churn, anti-cannibalisation

La technique anti-churn classique consiste à tracker les visites sur les pages de désabonnement ou de résiliation, en particulier chez les Telco, banques, assurances, bouquets satellites ou chaines payantes. Un individu qui passe plus d’une fois par la page de résiliation sur une période courte de 1, 2 ou 3 jours est certainement à risque.

S’agissant de clients / abonnés pour lesquels on dispose des données de contactabilité et des opt-ins nécessaires, les DMP permettent alors de mettre en pratique diverses tactiques « anti-churn » allant de l’email personnalisé, à l’affichage d’une enquête de satisfaction sur le site de la marque, voire à des pop-ins proposant l’aide d’un télé conseiller ou d’une assistance téléphonique.

Cancelling your O2 contract

Mais on n’a pas toujours ce luxe… Un client auto ne vous envoie pas un mail pour vous prévenir que son prochain achat se fera chez un constructeur concurrent. Dommage.

8 – Segment “High value customers” + lookalike

C’est un peu le use case « star » des DMP, parce que facile à mettre en œuvre, et qu’il s’applique pratiquement à tout type de business. De quoi s’agit-il ?

Dans une pure logique d’acquisition, on va mettre à profit les fonctionnalités de segmentation algorithmique de la DMP via la fonctionnalité dite de « look alike modeling » (on parle de « méthode des jumeaux statistiques » en Français) de façon à déterminer des individus présentant des caractéristiques statistiquement proches de celles d’une audience de référence.

Concrètement, après avoir fait fonctionner sa DMP pendant quelque temps, après avoir pu caractériser parmi l’ensemble de ses clients celles et ceux qui sont les plus profitables, ou bien présentant les meilleurs potentiels sous la forme d’un segment d’audience, on va utiliser ce segment en tant que référence en le fournissant à l’algorithme de look alike modeling.

La modélisation se traduira par une audience résultante d’une taille arbitraire, choisie par le marketer, et dont les individus feront parti soit de l’audience de la marque (cookie pool en 1st party) soit de l’audience de fournisseurs de données 3rd party, si on est dans une pure logique d’acquisition.

Pour aller plus loin, je vous renvoie vers le blog Adobe Digital Marketing (en Anglais) : https://blogs.adobe.com/digitalmarketing/campaign-management/find-more-of-your-best-customers-with-look-alike-modeling/

9 – Scoring et ranking

Les industries de la banque et de l’assurance ont depuis toujours développé des outils métier permettant d’évaluer le risque, ou des scoring sur leurs clients. Plus largement, de nombreux business savent gérer des scores de « customer lifetime value » dans leurs systèmes métier, ou leurs CRM. Ramenés dans les DMP, ces indicateurs permettent d’adresser les clients de façon différenciée. On pourra ainsi proposer des offres plus attractives aux clients ayant un meilleur CLV, ou bien éviter de proposer des nouveaux contrats d’assurance à des clients présentant un niveau de risque élevé.

On voit que par ces aspects, les DMP permettent d’aller bien plus loin que de simplement « optimiser les budgets d’achat média » mais aussi d’aider à piloter l’activité et de toucher à des problématiques business.

10 – Un exemple concret

Je vous invite à regarder l’enregistrement vidéo d’une session au HubDay lors de laquelle Maral Zakarian de Samsung France accompagnée de son agence Starcom et du cabinet Artefact ont présenté comment ils ont travaillé pour préparer lancement du smartphone Samsung Galaxy S7. L’approche a consisté en une segmentation de leurs cibles sur la base de leurs centres d’intérêt, mises en regard des fonctionnalités spécifiques du Galaxy S7, se traduisant au total par plus d’une centaine de créas différentes relayées par leur DMP.

Maral Zakarian Samsung France HubDay

Les limites de l’hyper segmentation

J’avais écrit dans le précédent billet d’intro aux DMP, que les DMP ne sont pas des solutions de marketing one-to-one, mais des solutions de gestion d’audiences.

Or il y a eu sur FrenchWeb un commentaire à mon billet allant dans l’autre sens, arguant que (je cite) « Les DMP modernes, qui ne sont pas Cookie Based, mais People Based, gardent précisément tout le détail des interactions et des transactions (comme le détail des pages vues ou les tickets de caisse en magasin) pour pouvoir construire des segments encore plus fin à même de porter des programmes marketing véritablement one-to-one. »

J’aborderai la question du cookie based vs profile based dans un prochain billet, laissons ceci de côté pour le moment car ça n’est pas le sujet.

Que les DMP permettent de réaliser des hyper-segmentations, c’est certain. Maintenant est-ce que c’est pour autant le genre de scenario que l’on doit viser en priorité ? Je ne le pense pas. Et est-ce que ça permet d’ « obtenir des ROI spectaculaires » ? Je ne le crois pas.

A mon sens, il faut se méfier des hyper-segmentations, et ceci pour plusieurs raisons.

a/ Une hyper-segmentation se traduit immanquablement par des tailles de segments résultants très petites. Certains types de plateformes d’activation –  telles que les DSP – ne vont tout simplement pas considérer et pas traiter les segments d’audience trop faibles, ou alors avec un CPM élevé.

b/ Attention à la combinatoire : aller vers l’hyper segmentation, ça signifie donc de multiplier le nombre de segments, et les combinatoires explosent très rapidement. Une fois qu’on aura défini 200, 500 ou 1000 segments, c’est très bien, mais que va t’on proposer comme contenus, messages ou call to actions spécifiques à ces 500 ou 1000 audiences distinctes ? Est-ce que l’on dispose des contenus, créas, variations nécessaires pour activer 500 ou 1000 segments différents ? Si c’est juste pour variabiliser sur quelques paramètres, on passera par un DCO et on n’aura pas besoin de multiplier autant les segments.

c/ Enfin sur la question du ROI : est-ce que le temps, les ressources, les contenus nécessaires pour activer des hyper-segmentations se justifient au regard du ROI observés au niveau de chaque micro-segment ? Je ne le pense pas, mais j’aimerais que l’on me montre que j’ai tort et que l’on me le prouve, chiffres et uses cases à l’appui.

En conclusion, la limitation sur les hyper-segmentations vient rarement des DMP elles même : a priori toute DMP devrait vous permettre de créer beaucoup plus de segments que ce que vous ne serez en mesure de gérer et d’activer efficacement.

A suivre

Toujours dans cette série de billets consacrés aux DMP, je vous donne rendez-vous la semaine prochaine pour la suite, qui sera consacrée aux avantages comparés des données 1st Party et des données 3rd Party. Vaste sujet :)

D’ici là, les commentaires vous sont ouverts.

Disclaimer

Je suis ingénieur avant-vente spécialisé sur la DMP chez Adobe. Néanmoins, je m’attache ici à présenter le sujet DMP de façon neutre, en restant au niveau des généralités, sauf mention contraire. Ce billet fait partie d’une série de billets consacrés aux DMP. Vous pouvez trouver la liste de ces billets via ce lien.

May 10, 2016
Christophe Lauer

DMPSeries #1 – Qu’est-ce qu’une DMP, exactement ?

Premier billet d’une série consacrée aux plateformes DMP.

La définition de Forrester Research

Le cabinet Forrester Research définit les DMP de la façon suivante :

Forrester Research defines a DMP as “a unified technology platform that intakes disparate first-, second-, and third-party data sets, provides normalization and segmentation on that data, and allows a user to push the resulting segmentation into live interactive channel environments.”

C’est clair et concis : une Data Management Platform est une plateforme technologique capable d’ingérer des données 1st, 2nd et 3rd Party, d’offrir des capacités de normalisation (ou déduplication) et de segmentation sur la base de ces données, et de permettre à ses utilisateurs d’envoyer les segments d’audiences qui en résultent vers des canaux d’activation.

J’en profite pour vous signaler au passage que Forrester Research a publié deux études sectorielles sur les DMP du marché ; la première en Q3 2013 et la plus récente en Q4 2015. La seconde est proposée en téléchargement gratuit après un classique formulaire de profilage, via le site de Adobe (lien de téléchargement : http://bitly.com/DMPWave2015).

Ce qui fait qu’une DMP est une DMP

On trouve actuellement sur le marché plusieurs offres d’éditeurs de solutions DMP : certains acteurs sont internationaux, d’autres plus locaux ou nationaux ; certaines solutions peuvent être qualifiées de « Pure Players », d’autres étaient initialement des 3rd Party Data Providers ou bien des DSP qui ont étoffé leur offre en y ajoutant une couche de services DMP. Quoi qu’il en soit, une plateforme DMP repose généralement sur les quatre piliers suivants :

DMP Four Core Features

  1. 1 – Collecte de données : des mécanismes de collecte de données 1st party en temps-réel, le plus fréquemment via un « tag DMP » travaillant au niveau de la page d’un site Web, ou via un SDK pour les apps mobiles, ainsi que des mécanismes d’ingestion de données offline (cas typique des données CRM)
  2. 2 – Unification des profils et « ID Sync » des sources de données au niveau d’un individu autour d’un identifiant unique : ce qui suppose donc gérer des partenariats techniques avec un grand nombre d’acteurs
  3. 3 – Capacités de segmentation : segmentation manuelle via un éditeur de règles, ou bien segmentation algorithmique (segmentation automatique, look-alike modeling)
  4. 4 – Activation des segments d’audience : la capacité à « envoyer » les segments d’audience vers différents types de destinations d’activation : plateformes publicitaires et solutions de ad-tech, moteurs de personnalisation de contenu Web, solutions de marketing direct type ESP, etc ; Ce qui suppose là encore autant de connecteurs techniques et de relations de partenariat à gérer

Et tout ceci en étant un maillon de la chaine programmatique RTB : ce qui suppose de disposer d’une technologie permettant de stocker des quantités gigantesques de données, de supporter les pic de charge importants notamment pendant les grands moments de chalandise (pensez aux fêtes de fin d’année, au Black Friday, etc.) tout en respectant les temps de réponses exigés pour pouvoir opérer dans la chaine du « Real Time Bidding ».

Quelles données dans une DMP ?

Schématiquement, toute donnée anonyme non nominative se rapportant à un individu peut être intégrée dans une DMP. Quand il s’agit de parler des données dans une DMP, on a l’habitude de parler de données « first party », « second party » et « third party ». Que sont-elles au juste ?

Les données 1st Party sont toutes les données qui vous appartiennent en tant que marque : ce sont les données que vous pouvez directement collecter du fait de l’activité sur vos sites Web, ou dans vos apps mobiles, ou bien les données que vous possédez dans vos bases markéting, systèmes CRM, ou autres programmes de fidé. Il peut s’agir de données online (web ou mobile), offline (CRM), de données socio-démo, de données comportementales ou bien encore d’intentions d’achat, par exemple.

Les données 2nd Party sont essentiellement comme des données 1st Party, sauf que vous les collectez depuis des sites Web qui ne sont pas les vôtres, mais ceux de partenaires. Exemple : imaginez qu’une banque ou un organisme financier ait passé un accord d’échange de données avec un site d’annonces immobilières. Ainsi, les données de visite d’un individu sur le site d’annonces immobilières permettent d’en déduire une forte probabilité pour un projet d’achat immobilier, et un besoin de financement via un prêt immobilier. L’organisme financier aura ainsi collecté des données d’intention via son partenariat 2nd Party avec le site d’annonces immobilières.

Enfin, les données 3rd Party sont des données qui sont vendues – ou plus exactement louées à l’acte – par tout un ensemble d’acteurs du marché que sont les 3rd Party Data Providers. Par exemple : lorsqu’un prospect se présente sur votre site Web dans sa première visite, par définition on ignore tout de cette personne. Dans certains scénarios, il est utile de recourir à des données 3rd Party afin de caractériser ce nouveau visiteur inconnu afin de l’adresser de la meilleure façon possible, et ceci aussi tôt que possible.

A titre d’illustration, voici des exemples de quelques fournisseurs de données 3rd Party ayant une activité en Europe : Acxiom, AddThis, Eyeota, eXelate, VisualDNA.

NB : Je consacrerai un billet spécifiquement au sujet des données 1st Party vs 3rd Party : avantages et inconvénients des unes et des autres. A suivre.

Au delà de la chaine Programmatique RTB

Comme on l’a rapidement introduit dans le billet précédent, la DMP est l’un des maillons de la chaine programmatique RTB, d’un côté en amont des DSP (ou Demand Side Platforms) qui gèrent les demande de la part des acheteurs (les annonceurs) et de  l’autre côté en amont des SSP (ou Supply Side Platforms) qui agrègent les inventaires publicitaires mis en vente sur le marché par les éditeurs. La vocation principale d’une plateforme DMP est donc d’opérer « mieux » ses campagnes digitales via des bannières. C’était tout du moins l’utilisation historique d’une DMP.

De nos jours, les DMP permettent non seulement de transférer les segments d’audience vers des destinations publicitaires (DSPs, SSPs, Adservers, AdExchanges, etc.) mais plus uniquement : les DMP permettent aussi d’activer ces mêmes segments d’audience on-site (via des moteurs de personnalisation de contenu ou de A/B testing), via les moteurs de recherche pour les campagnes SEM avec des formats tels que le RLSA de Google Adwords (= Remarketing Lists for Search Ads), via les réseaux sociaux via des formats de social advertising type Facebook Custom Audiences ou Twitter Tailored Audiences, des destinations mobiles (A/B testing dans le mobile Web, ou DSP mobiles), ou bien via des solutions d’ESP (= Email Service Providers) pour des scénarios de marketing direct (ici toutefois avec des restrictions d’usage, afin de respecter les règles de Privacy). Ainsi, il devient possible de présenter des messages, créas et des promos cohérentes à vos prospects ou clients sur l’ensemble des touchpoints.

De fait, une DMP reste un maillon de la chaine programmatique RTB, mais plus seulement. D’une certaine façon, on peut considérer la DMP comme ayant un rôle à jouer sur la majorité des canaux et touchpoints des prospects ou clients, que ce soit pour la collecte des données, ou bien pour activation des segments d’audience.

Qui utilise une DMP ?

Historiquement, les DMP sont nées du besoin des Editeurs de pouvoir caractériser leurs audiences et mieux les monétiser.

Plus tard, avec l’essor du RTB, certains « gros » annonceurs ont vu en la DMP un moyen d’optimiser l’efficacité de leurs campagnes en ligne, par un meilleur ciblage, mais aussi une optimisation de la dépense de leurs budgets marketing, en réduisant autant que possible les dépenses en média pour des impressions non utiles : afficher une campagne d’acquisition à un client existant, afficher une promotion produit à un client ayant déjà converti, etc.

Principaux bénéfices attendus de l’utilisation d’une DMP

Avec d’un côté les acheteurs (annonceurs) et de l’autre les vendeurs (éditeurs) d’espaces publicitaires, on se doute que chacun va viser des objectifs différents, voire antagoniques.

Dans le cas des Annonceurs (Advertisers)

Pour ce qui est des annonceurs, on peut citer comme principaux bénéfices escomptés de l’utilisation d’une plateforme DMP les points suivants :

  • ° Gérer plus finement l’achat média RTB : diminuer autant que possible les impressions (payantes) inutiles
  • ° Corolaire du précédent : moins d’impressions gâchées, égal un taux de conversion amélioré
  • ° Permettre de gérer la pression marketing : inutile de bombarder 50 fois la même bannière ou la même campagne à un individu. Un prospect qui n’aura pas réagi au bout de 8 ou 12 impressions ne réagira certainement pas plus au bout de 50 impressions. Ca fait 40 impressions économisées, et un prospect qui ne va pas détester votre marque parce que vos pubs sont trop agressives et « collantes »
  • ° Améliorer la cohérence des messages et des créas sur l’ensemble des touchpoints : display advertising, onsite, emailings, etc et le tout en contexte. Donc meilleurs taux de conversion
  • ° Comparer les performances de plusieurs DSPs : puisque les DMP permettent d’adresser simultanément plusieurs plateformes d’activation avec les mêmes segments d’audience, elles permettent en quelque sorte de rendre les DSP interchangeables, en particulier sur les critères de coût / performance. On comprend alors que certains DSP aient pivoté vers une activité de DMP – parfois exclusive – afin d’augmenter l’adhérence de leurs clients
  • ° Avoir une meilleure « connaissance » des profils de ses prospects et clients ; trouver des insights marketing
  • ° Transparence et meilleur contrôle sur l’affectation et l’utilisation de ses budgets médias, et dans une certaine mesure reprendre un peu la main par rapport à ses agences médias tradi

Si on veut parler de ROI (= Return on Investment), on comprend rapidement que le coût du projet DMP sera à mettre en regard des économies que celle-ci permettra de réaliser sur les budgets média. Ce qui explique aussi pourquoi les DMP ont d’abord eu du succès auprès des grandes marques, du moins celles qui dépensent le plus en programmatique.

Aussi, on observera que toutes les industries et tous les verticaux ne sont pas égaux face aux DMP : on l’a vu, la principale source de collecte de données ce sont les sites web et les apps mobiles des marques et entreprises.

D’un vertical à l’autre, il existe des différences parfois importantes en termes de durée des cycles de vente (par exemple entre de l’automobile et des CPG) ; mais aussi en termes de fréquence de visite des sites Web (entre un assureur et un voyagiste en ligne) ; mais aussi au niveau du parcours d’achat en ligne entre les biens physiques et les achats de produits ou services dématérialisés (opérateurs telco ; plateformes de streaming musicales ou vidéo ; etc.)

Dans le cas des Editeurs (Publishers)

Le cas des éditeurs est différent : pour les éditeurs l’enjeu est de parvenir à mieux vendre – donc avec un CPM plus élevé – leurs inventaires publicitaires. Et c’est là que la DMP prend tout son sens.

Historiquement, les campagnes étaient vendues comme dans l’univers du « Print » par relation directe entre le média et l’agence média.

Ainsi, si je suis une marque de produits cosmétiques qui vise naturellement une cible féminine intéressée par les sujets de beauté et de mode, je vais logiquement me tourner vers des médias qui sont lus par ce type de population : je contacterais donc les régies publicitaires de médias tels que Elle, Glamour, Vogue ou bien encore Cosmo, Grazia, Marie Claire ou Modes & Travaux (bien que ces titres puissent avoir de positionnements en propre et avoir des audience plus ou moins en affinité avec mes produits). C’est la logique du Media Planning.

Une autre façon de faire, est le ciblage contextuel : je peux également toucher une audience majoritairement féminine sur les pages Mode & Beauté d’un média quelconque, pas nécessairement de la presse féminine ; ou bien si je vends de la mousse à raser, je vais plutôt cibler les lecteurs des pages « Sports mécanique » des magazines généralistes.

NB : On m’épargnera SVP les remarques me taxant de sexisme sur ces deux derniers exemples :)

L’idée de la DMP c’est pour un annonceur de pouvoir toucher une audience donnée, définie précisément par des critères propres socio-démo et/ou comportementaux et/ou d’intention, et ceci quel que soit le media, ou quelle que soit la thématique de l’article ou de la rubrique sur le site Web consulté. On parle alors d’ « audience targeting ». Ainsi, symétriquement les éditeurs peuvent désormais vendre à un CPM plus élevé l’accès à une audience qualifiée, et non plus simplement vendre un inventaire au volume, ou pire de se contenter de monétiser les invendus (on parle de remnant inventory) à la casse avec un CPM très bas.

Pour les éditeurs, les bénéfices escomptés d’utiliser une DMP sont donc les suivants :

  • ° Passer d’une logique de media planning à une logique de d’audience targeting : c’est à dire de vendre l’accès à des audiences qualifiées au lieu de monétiser à la casse les invendus publicitaires (origine des ad-exchanges et du RTB), donc globalement monétiser leurs inventaires à un meilleur CPM
  • ° Pouvoir répondre à n’importe quel brief spécifique d’un annonceur ou d’une agence media en définissant précisément l’audience ad-hoc, et en étant en mesure d’annoncer à l’avance et de façon précise l’audience potentiellement adressable
  • ° Accessoirement réduire le nombre de tags tiers présents sur le site, ce qui a un impact sur le temps de chargement de la page, et donc sur le taux de rebond des visiteurs (or, on se souvient que moins de pages vues == moins d’inventaire publicitaire commercialisable)

On n’oubliera pas que les éditeurs ont été historiquement les premiers à utiliser les DMP. Voir à titre d’illustration ici le cas de Conde Nast.

Quelles sont les principales DMP sur le marché ?

La dernière étude Forrester Wave Data Management Platforms, Q4 2015 portait sur les solutions suivantes : Adobe Audience Manager (*) ; Cxense ; KBM Group (Zipline DMP) ; Krux ; Lotame ; Neustar (PlatformOne) ; Oracle (anciennement Bluekai). Etaient notamment absents de cette étude les acteurs plus locaux voire nationaux tels que Makazi, Weborama ou Ysance.

Ce qu’une DMP n’est pas

Bien que capable de collecter et de gérer d’importants volumes de données granulaires au niveau d’individus (anonymes), les DMP ne sont pas des solutions de « Big Data » ni des Datalakes.

D’un point de vue architectural, les DMP sont bien souvent des solutions « Full SaaS » reposant sur des infrastructures de Cloud Computing, et pouvant mettre en œuvre des technologies que l’on retrouve par ailleurs dans les Datalakes : Hadoop, Hbase, Map Reduce et consorts.

Pourtant, les DMP ne sont pas des Datalakes. Premièrement déjà, du fait qu’elles ne contiennent que des données anonymes par nature, ou bien des données anonymisées, ceci afin de respecter les règles de Privacy. Mais également parce qu’on n’y stocke généralement pas les données sous leur forme brute (détails des tickets de caisse, ou historiques d’achats au niveau SKU, historique et liste de coordonnées GPS, etc.) : on préfère généralement intégrer dans la DMP des données pré-traitées et mises en forme permettant d’être ainsi directement exploitables.

Ainsi, plutôt que le détail de l’ensemble des produits d’un ticket de caisse, on intègrera généralement des données concernant des catégories ou des familles de produits consultés ou achetés, plutôt que l’ensemble d’une liste de coordonnées GPS, on préfèrera l’information de la dernière zone géographique dans laquelle une personne a été vue, et plutôt qu’une date de naissance, on intègrera l’âge ou mieux encore, une fourchette d’âge pour une personne (ex : 29-35 ans).

La question du choix entre DMP ou Datalake ne se pose pas en ces termes : les deux solutions sont complémentaires. La DMP est par nature une source de choix pour la collecte de données 1st Party et peut alimenter le Datalake. Symétriquement, le Datalake peut être vu comme un référentiel de données de l’entreprise, et peut aussi alimenter la DMP avec des données provenant d’autres sources.

Enfin, une DMP n’est pas un outil de marketing one-to-one : bien qu’une DMP permette de collecter un grand nombre de données et d’informations au niveau d’un individu, et que certains parlent de “connaissance à 360°” : l’individu n’est intéressant que parce qu’il ou elle appartient à un groupe homogène : le segment d’audience.

A suivre

Dans le prochain billet, on parlera des principaux cas d’usage d’une DMP pour un annonceur : acquisition, fidélisation, cross/upselling, anti-churn, retargeting, etc.

Les commentaires vous sont ouverts, bonne lecture !

Disclaimer

Je suis ingénieur avant-vente spécialisé sur la DMP chez Adobe. Néanmoins, je m’attache ici à présenter le sujet DMP de façon neutre, en restant au niveau des généralités, sauf mention contraire. Ce billet fait partie d’une série de billets consacrés aux DMP. Vous pouvez trouver la liste de ces billets via ce lien.

May 10, 2016
Christophe Lauer

(Archive) Pourquoi le rachat de NEST par Google ne signe pas l’entrée de Google dans l’IoT

Cet article avait été initialement publié le 29 Janvier 2014 sur le blog Diginomos, a présent disparu. Ce billet est une archive. 

English version also available here.

Abstract

Contrairement à tout ce qu’on a pu lire ou entendre, le rachat de NEST par Google pour $3.2 milliards n’est pas un pari sur l’internet des objets, c’est une transaction clairement ancrée dans l’économie réelle. Décryptage.

Foreword

Annoncé le 14 janvier dernier, soit quelques jours après la clôture du salon CES de Las Vegas, le rachat de la startup Californienne NEST par Google a depuis fait couler beaucoup d’encre numérique.

NEST CEO Tony Fadell

La presse – dont c’est le métier – n’a pas tardé à relayer l’information et à la commenter. Il faut dire que ce n’est pas tous les jours que Google fait une acquisition à plus de $3.2 milliards en cash !

Simultanément, les journalistes et autres analystes se sont alors essayé à l’exercice de décrypter, d’expliquer  et de rationaliser ce rachat, avec plus ou moins de succès.

Pour ma part, n’étant pas convaincu par les premières explications trop faciles et trop évidentes (sans parler de celles carrément simplistes) je me suis laissé le délai de la réflexion, et à ce jour je pense apercevoir le début d’une réponse plausible. Je vous explique tout ça dans la suite.

Google confirmerait ainsi le marché gigantesque de l’internet des objets

Première explication facile et évidente : En rachetant NEST, Google ferait un investissement sur le futur et prendrait une place de choix dans le marché en devenir de l’Internet des Objets.

On a toutes et tous lu à ce sujet l’avis du cabinet Gartner qui avance des chiffres mirobolants en termes d’opportunités de business dans l’ IoT :  des projections allant sur 26 milliards d’objets connectés à horizon 2020 et un marché global chiffrant à $1.9 trillion soit $1900 milliards dont un revenu incrémental dépassant les $300 milliards. « Huge! » comme dirait Jean-Claude Vandamme.

Alors s’il est certain que cette acquisition permet à Google d’entrer de plein pied dans le secteur – encore naissant – de l’internet des objets, et qu’il lui donne une voix et un droit de siéger dans ces groupes de travail et autres consortiums en devenir dont il est pour le moment encore absent, on ne peut pas pour autant expliquer cette acquisition que par un énorme pari sur l’avenir de ce marché.

Avec un prix d’achat à $3.2 milliards – et en omettant les frais d’intégration, de marketing et de fonctionnement à venir – il faudrait pour que Google soit break even que NEST réussisse à vendre un thermostat au prix unitaire de $250 à la moitié des 132 millions de ménages nord américains, ce qui représenterait avec leurs ratios actuels un revenu d’environ $16.5 milliards et $3.3 milliards de marge. Il est assez peu probable que ceci se produise, ni à court ni à moyen terme.

En outre, ne perdons pas de vue que contrairement à un iPod ou bien à un iPhone, un thermostat NEST fonctionne sur un marché d’équipement et pas un marché de renouvellement : personne ne va changer son thermostat domestique tous les 24 ou 36 mois.  Mais surtout on ne peut pas consommer ni acheter des contenus ou services complémentaires depuis un NEST. Enfin, pas pour le moment, mais vous allez voir que c’est une chose qui figure dans les plans de NEST.

Google s’invite dans la maison

Une autre explication que l’on retrouve souvent dans la presse, mais toujours aussi peu convaincante : En rachetant NEST, Google s’invite dans la maison et va pouvoir tout savoir et tout apprendre sur les habitudes de vie et de consommation de ses habitants.

Immanquablement arrive tout de suite après le sujet de l’exploitation des données personnelles et tous les fantasmes qui vont autour – ce qui peut se comprendre en plein psychodrame de la NSA – et une théorie selon laquelle Google nous placerait des publicités ciblées sur la base de cette collecte de données domestiques. Non seulement cela n’est pas possible du fait des Privacy Policies de NEST mais on voit mal comment ces données renseigneraient mieux Google que toutes celles qu’ils ont déjà à disposition via notre smartphone Android qui nous suit partout.

Alors oui certes, on pourrait imaginer aisément quelques scénarios intéressants en couplant des données de notre agenda, de la météo et de notre thermostat à domicile, le tout rendu via Google Now sur votre téléphone Android. OK, soit.

Mais ceci n’a rien d’aussi disruptif qu’on veut bien le penser, et surtout il n’y a finalement là dedans rien d’aussi lucratif que le business publicitaire actuel de Google, qui est sa vraie vache à lait. Ce business publicitaire dégage plus de 60% de marge et finance en la plupart des autres activités qui ne sont encore que des expérimentations et des vrais centres de coût.

Pour le reste, n’oublions par que le sujet de la Domotique est antérieur à internet. Il y a eu dans les années ’80 des expérimentations de Domotique et de systèmes de GTC dans le bâtiment (Gestion Technique Centralisée) à base de… terminaux Minitel. Ca fait plus de 20 ans que l’on teste et que l’on expérimente dans la domotique, sans que ce secteur n’ait connu de succès au delà d’un petit nombre de bricoleurs et de technophiles. Il y a bien une raison à celà.

Alors 2014 serait-elle l’année de la domotique ? Ou peut être 2015… Peut être bien. Peut être comme cette prédiction qu’on entend à chaque nouvelle année et qui la présente comme étant « enfin l’année du mobile ».

Google renforce son inventaire de brevets

Autre piste et autre explication avancée par la presse : NEST a certainement déposé toute une panoplie de brevets et Google souhaiterait les ajouter à son portfolio de façon à éviter d’éventuels problèmes juridiques et commerciaux à l’avenir. Peut être.

Mais tout de même : payer $3.2 milliards juste pour acquérir de la propriété intellectuelle ? Il y a pourtant un précédent similaire chez Google :  si on considère que pour l’instant l’acquisition de la branche mobile de Motorola pour un chiffre record de plus de $12 milliards (1) a surtout permis à Google de poursuivre le développement de Android en se mettant à l’abri de procès et en tenant à distance bon nombre de Patent Trolls.

Mais alors pourquoi au final ?

On finit par tourner en rond et se gratter la tête en cherchant une explication rationnelle et plausible.

Même Jean-Louis Gassé, lui même ancien de chez Apple, concluait un article fort bien argumenté et documenté en se demandant si cette acquisition correspondait vraiment à une stratégie clairement définie, ou bien si elle avait eu lieu juste parce que Google en avait les moyens.

Pour Barry Rithholtz du Washington Post, il pourrait simplement s’agir d’une action défensive – une sorte de police d’assurance – payée pas si cher que ça en final, en considérant les revenus trimestriels et le cash flow de Google. Il y a sans doute aussi un peu de ça, mais encore une fois, l’explication réside ailleurs.

Jean-Louis Gassé rappelle aussi dans ce même article que plusieurs voix s’étaient exprimées en regrettant que NEST n’ait pas été racheté par Apple : selon ces personnes, NEST aurait plus d’affinités avec Apple qu’avec Google. Je ne partage pas cet avis.

En effet, au delà du design de l’objet, de la précision de sa fabrication et de l’expérience utilisateur « Out of the Box » qui font fortement penser à Apple, pour le reste tout ressemble furieusement à un pur projet d’ingénieur à la Google.

Tandis qu’Apple se serait sans doute contenté de proposer des boites de thermostats NEST dans ses Apple Store s’ils en avaient fait l’acquisition, par contraste Google lui sait exactement quoi en faire. Et ça change tout !

Introducing NEST Energy Services…

En cherchant un peu d’informations, on finit par trouver des choses très intéressantes, et en particulier on apprend l’existence des NEST Energy Services, une offre qui vient de façon très logique enrichir la proposition de valeur des thermostats NEST .

On comprend alors que la finalité de l’objet n’est pas tant le service rendu au consommateur en lui proposant plus de confort et une meilleure expérience utilisateur. Non, une fois de plus, la vraie valeur de ce thermostat intelligent et connecté est ailleurs.

Sa valeur réside dans le fait que NEST a noué des accord commerciaux avec plusieurs fournisseurs d’énergie, et que ces derniers offrent des incentives en cash aux clients qui acceptent de jouer le jeu.

L’objectif ? L’objectif c’est de mieux maitriser et réguler la consommation d’énergie.

Il s’agit de lisser la consommation d’énergie non pas à l’échelle d’une maison, mais à l’échelle d’un ensemble d’habitations,  d’une ville ou d’une agglomération pour éviter les pénuries d’énergie qui sont couteuses à la fois aux consommateurs (le prix de l’énergie pouvant alors subitement être multiplié par 100) et aussi aux fournisseurs (ce marché étant régulé aux US, le prix maxi facturé au consommateur est plafonné, la différence devant être réglée par le fournisseur d’énergie).

Le thermostat NEST est le capteur qui permettra aux fournisseurs d’énergie d’atteindre la maitrise du Smart Grid.

Et ici, les enjeux sont énormes, et concernant absolument tous les foyers. On est bien loin du sujet des gadgets à la mode et de l’internet des objets…

Parmi tous les analystes et acteurs qui ont commenté le rachat de NEST, Fred Potter le CEO français de Netatmo est certainement celui qui a vu juste parmi les premiers. Bravo !

Google et le marché de l’énergie donc ?

C’est en connectant tous les points que le schéma apparaît.

C’est peu connu mais une filiale de Google nommée Google Energy LCC a reçu de la FERC les autorisations nécessaires pour être un opérateur sur le marché de l’énergie et pouvoir vendre et acheter de l’énergie au prix du marché. C’est cette interview qui révèle ce fait très inhabituel pour un acteur tel que Google (voir à 1’40’’).

Vous commencez à voir le schéma qui se dessine ? Très bien. Maintenant vous pouvez relire cet article de Avril 2013 à propos de NEST Energy Services et tout sera à présent beaucoup plus clair.

En prenant un peu de recul

On tient là une explication autrement plus plausible que celles faisant références à un investissement de Google sur le marché de l’internet des objets, un marché encore incertain et dont la quasi majorité des offres sont à ranger au rayon des gadgets, tant ces objets ne répondent pas à un réel besoin, ou bien rendent une valeur et un service pour le moins aléatoire.

Le rachat de NEST par Google, c’est bien un évènement de l’économie réelle, et pas un pari sur une nième itération générationnelle de l’Internet.

Au delà de NEST

C’était tout de même assez délectable de lire certains analystes s’extasier sur l’objet thermostat de NEST et vanter l’excellence de la réalisation de l’objet, arguant que Google n’est pas une boite qui sait faire du hardware, et que l’acquisition de NEST allait pouvoir leur permettre d’innover sérieusement. C’est un peu l’histoire du sage, de la lune et du doigt. Amusant.

Pendant ce temps là, Google a également racheté une demi douzaine de boites dans le domaine de la robotique, dont Boston Dynamics qui fait des choses tout bonnement hallucinantes, et dernièrement on a aussi entendu parler de Deepmind, une boite spécialisée dans l’intelligence artificielle, mais très discrète sur ses travaux et ses recherches. Mais bizarrement tout ceci a généré bien moins de réactions que l’acquisition de NEST.

En regardant tout ceci avec un peu de recul, le pattern apparaît et c’est finalement cohérent avec ce à quoi Google nous a habitués depuis toujours : utiliser la technologie pour résoudre des problèmes courants de la vie de tous les jours et simplifier des tâches humaines récurrentes : des voitures Google Cars sans chauffeurs, aux robots domestiques, aux lentilles de contact intelligentes pour les diabétiques, etc, les mots clés sont simplification, automatisation et optimisation.

A suivre, donc…

Notes et références

(1) Au lendemain de la publication de cet article, Google confirmait céder une partie des assets et des activités de Motorola Mobility au chinois Lenovo. Google conserve cependant le portefeuille de plus 10,000 brevets venant de Motorola. Le montant de la vente ? Un peu plus de $2.9 milliards. Tiens tiens, mais on dirait que Google vient de se rembourser du montant de l’achat de NEST…

Pages:1234567...18»

A propos


A propos : Consultant solutions sur le Marketing Cloud chez Adobe, région Southwest Europe.
Ex-Microsoftee de 2001 à 2011.
Je vis entre Paris et New-York entre Paris et deux avions, et ceci est mon blog personnel.
"Opinions are mine. Best viewed with a brain. Yada yada ..."

More about me...