From Bad Data to Bide Data

Le Bad Data serait la principale cause d’échec des projets de Marketing Automation ? Oui, mais pas seulement…

Les solutions de Marketing Automation sont des outils excitants : ils génèrent beaucoup d’excitation dans les équipes marketing au moment où on signe le contrat avec le fournisseurs et les premières fois où on se connecte à la solution SaaS. Et puis ensuite…

Ensuite, ces projets sont longs à mettre en oeuvre, parce qu’ils touchent au marketing, aux ventes, au CRM, au marketing direct, au social media et au site de eCommerce. Et parce qu’ils nécessitent en amont une phase de prise de recul et de réflexions stratégiques afin de pouvoir orienter les campagnes et les différentes initiatives dans la bonne direction.

Dans une étude récente, les marketeurs indiquaient que la faible qualité des données (aka Bad Data) était selon eux une des principales causes d’échec de ces projets.

[Source: Vendesta ]

Alors certes, sans données fiables, propres, dédupliquées, normalisées et assorties de leurs opt-ins, vous ne pourrez jamais aller bien loin. C’est le syndrôme connu sous le nom de « Garbage In, Garbage Out ». En revanche, vouloir faire reposer toute la responsabilité des échecs sur la piètre qualité des données est un peu facile.

La première étape vers le succès, c’est de démarrer !

Parce que toute solution de Marketing Automation, aussi sophistiquée soit-elle, si elle n’est pas abordée avec une pensée stratégique et organisée, sera tôt ou tard utilisée de façon basique comme juste un autre canon à emails – juste plus coûteux.

Vous n’allez jamais pouvoir craquer le sujet du premier coup. Ce qui importe, c’est de démarrer, de se lancer, de faire des choses et d’en tirer à la fois des premiers bénéfices et des premier enseignements. Et ceci enclenche le cercle vertueux.

On commence par des segmentations basiques, des workflows standards visant les « low hanging fruits », puis on itère, et on complète en montant en puissance, en enrichissant les profils, et en poussant la finesse des segmentations et des cibles.

L’important c’est de démarrer.

Alors, comment comptez-vous vous préparer pour la haute saison des fêtes de fin d’année 2018 ?

 

[Billet initialement posté sur LinkedIn]

Data Marketing : Funnel de conversion et Creep factor

Ce billet n’est pas un billet de la DMP Série, juste pour varier un peu les plaisirs. Néanmoins, il parle tout de même de data marketing : la question est celle d’adapter le contenu des messages en fonction de la progression d’un prospect au long du funnel de conversion, et donc, en fonction de la progression de la proximité entre ce prospect et la marque.

Ce billet n’est pas un billet de la DMP Série, juste pour varier un peu les plaisirs. Néanmoins, il parle tout de même de data marketing. Ces réflexions m’ont été en partie inspirées par ce tweet de Tom Goodwin de l’agence Zenith :

La question est pour partie celle d’adapter le contenu des messages en fonction de la progression d’un prospect au long du funnel de conversion, et donc, en fonction de la progression de la proximité entre ce prospect et la marque.

En effet :

  • Plus un prospect progresse au long du funnel de conversion, et plus on dispose de données le concernant
  • Plus un prospect progresse au long du funnel de conversion, et plus nos messages vont pouvoir évoluer de contenus de type “branding” relativement neutres vers des messages serviciels voire trigger ciblés et basés sur les données de comportement et d’intention de ce prospect
  • Plus un prospect progresse au long du funnel de conversion, et plus son acceptation pour des communications “personnalisées” sera grande, et plus il sera en demande de valeur sous la forme d’aide et de service dans son processus d’achat.

A contrario :

Un email retargeting envoyé après une simple première visite sur un site web est généralement mal perçu, même si on était authentifié sur le site en question. Qui n’a jamais vécu ça par exemple sur Amazon, qui (à ma connaissance) utilise les services de Tedemis pour opérer ses email retargeting. “Hello Creepy!”.

SVP mesdames et messieurs les marketeurs, ne perdez pas de vue que vous devez donner envie aux consommateurs finaux, pas les braquer et leur rendre la marque hostile et désagréable. Dans la conception et la mise en place de vos use cases, veillez à les étudier aussi sous l’angle du « Creep factor ».

Idem pour un email de relance reçu quelques heures après un abandon de panier. Merci, on est en 2017. Je sais faire un checkout complet, entrer un captcha, saisir le numéro de ma CB et le code 3D Secure reçu sur mon mobile. Je sais faire ça par coeur. On est en 2017 !

Alors si vous m’adressez un email de relance quelques heures après que j’ai abandonné le processus d’achat, alors que je ne vous ai rien demandé, ma réaction risque fortement d’être la même que vis à vis du célèbre assistant Clippy de Microsoft : merci pour ton aide mais je n’ai besoin de rien et je ne t’ai rien demandé. Et comme avec Clippy, ça me donne envie de te “désinstaller” !