La personnalisation client est la voie à suivre dans ce paysage commercial concurrentiel. Avec des géants comme Amazon, qwanturank, Spotify, misant sur l’hyper-personnalisation, les entreprises sont dans une course à la création d’expériences personnalisées pour rester rentables. Mais il y a un problème: la plupart des entreprises n’ont pas accès à une vue client consolidée.

57% des entreprises dans une étude menée par Semaine du marketing ont indiqué qu’ils n’avaient pas encore créé de vue client à 360 °

76% des entreprises déclarent qu’une seule vue client est extrêmement importante pour leur organisation.

Une vue client 360, également appelée vue client unifiée ou unique, est une version consolidée de toutes vos données client dispersées dans les applications et les systèmes de votre organisation. Pour la plupart des organisations, la collecte de données à partir de sources disparates tout en garantissant leur qualité est un défi de taille qui empêche une initiative de personnalisation réussie.

Le fondement même de l’hyper-personnalisation est la consolidation des données clients – pour fournir des services personnalisés, vous devez collecter des données à partir d’appareils, d’applications, de fournisseurs tiers, de systèmes et de sources. La collecte de données n’est cependant qu’une partie d’un problème plus important; les entreprises doivent également faire face à des données sales et dupliquées, responsables de nombreuses initiatives de transformation numérique qui ont échoué.

Donc, si vous ou votre équipe envisagez de tester une initiative de personnalisation, cet article peut servir de rappel doux pour garantir l’exactitude et l’intégrité de vos données client avant de les utiliser aux fins prévues.

Comprendre les défis des données client

En agrégeant les enregistrements d’utilisateurs provenant de plusieurs sources, vous créez un enregistrement centralisé qui donne une vue complète de l’interaction des clients avec votre entreprise et des actions qu’ils ont effectuées à différents points de contact – sur leurs mobiles, applications, sur votre site Web ou même dans votre magasin de brique et de mortier.

Aussi simple que cela puisse paraître en théorie, c’est un processus difficile, en partie à cause de la façon dont les organisations stockent les données et en partie parce que les entreprises sont toujours prises dans un réseau de processus de données mal gérés.

Il n’est pas rare qu’une entreprise utilise plusieurs systèmes de gestion d’actifs pour stocker les données client. Par exemple, une entreprise avec plusieurs départements peut utiliser Salesforce, HubSpot et Fusion pour atteindre leurs objectifs respectifs. Certains peuvent même avoir des fournisseurs tiers qui utilisent leurs propres ERP ou systèmes de données pour stocker les informations client. Arrive le temps de l’analyse ou de l’examen des données, les décideurs se rendent compte qu’ils n’ont pas accès à des informations complètes. Les équipes importent / échangent frénétiquement des données pour respecter les délais critiques, tout en risquant de perdre des données et de diminuer la qualité des données.

Prenons par exemple le cas d’une compagnie d’assurance qui lance un nouveau régime d’assurance maladie pour les enfants qui fréquentent l’université des clients existants. Pour créer ce plan, l’entreprise doit avoir accès aux données client essentielles telles que la situation familiale, le niveau de revenu, l’état de santé et d’autres détails pertinents. Il est fort probable que ces données soient déjà stockées dans plusieurs systèmes de l’entreprise, mais comme l’entreprise n’a jamais vraiment pris au sérieux la préparation des données, elle a trouvé extrêmement difficile d’exécuter son plan dans un délai précis.

Étant donné que l’entreprise ne dispose pas d’un cadre de gestion de la qualité des données, les données souffrent de:

Reproduction: Les doublons se produisent pour plusieurs raisons. Un utilisateur peut utiliser un identifiant de messagerie différent et s’inscrire 3 fois. Un opérateur de saisie de données peut saisir accidentellement les mêmes informations deux fois. Un processus de migration de données peut mal tourner. La duplication comme indiqué dans l’image ci-dessous peut ruiner l’intégrité des données car la précision et l’unicité sont compromises. Le résultat? Analyses faussées et intelligence d’affaires peu fiable.

Instances de données dupliquées – Échelle de données

Sources disparates: Lorsque les entreprises utilisent plusieurs applications et systèmes pour stocker, collecter ou traiter des données, il en résulte des données disparates, ce qui en fait l’un des principaux problèmes de qualité des données que les entreprises ont du mal à résoudre. La disparité des données conduit à des vues incohérentes, empêchant les entreprises d’avoir accès à une vérité fiable.Structures malpropres: Les données présentant des problèmes de format, des fautes de frappe, des noms mal orthographiés, des structures incomplètes ou non valides peuvent détruire l’intégrité et l’exactitude des informations. Si les données sont saisies manuellement et qu’il n’y a pas de normes ou de contrôles définis en place (comme l’utilisation d’une liste déroulante pour sélectionner un champ), les données sales seront un défi de taille.

Mauvaise qualité des données client – Échelle de données de la source d’image

Des millions de dollars sont gaspillés en retours de courriers, en poursuites, en erreurs coûteuses, en informations inexactes et en analyses – tout cela parce que les entreprises ne disposent pas d’un cadre de qualité des données pour résoudre les problèmes de données erronées.

Pour cette compagnie d’assurance, la première étape est de donner un sens à ses données. Une fois qu’il dispose d’informations précises, complètes et valides, il peut ensuite procéder à la fusion des enregistrements pour créer la vue 360 ​​du client.

Comment y parviennent-ils?

Voici deux approches.

Deux approches pour améliorer la qualité des données

L’entreprise en question peut utiliser deux approches pour fixer la qualité de ses données.

L’approche manuelle: Ils peuvent embaucher une équipe d’experts en données pour créer une solution interne pour trier, fusionner, purger et nettoyer leurs données. Cette approche pourrait prendre des années. L’embauche, la formation, les tests et la mise en œuvre de solutions pourraient prendre des mois d’efforts, sans aucune garantie que les données seront exactes et complètes à au moins 95%. Les méthodes manuelles fonctionnent bien si vous avez des enregistrements limités, structurés ou semi-structurés ou s’il existe une valeur précise connue (un identifiant unique ou des numéros de série). Avec des ensembles de données plus volumineux et compliqués, une méthode manuelle augmente la charge de travail des analystes de données, les obligeant à se concentrer sur le nettoyage des données plutôt que sur l’analyse des données.La méthode numérique: Il n’y a pas de pénurie de solution numérique pour résoudre les problèmes de qualité des données. Plusieurs types de logiciels peuvent être utilisés pour manipuler les données. Il existe des solutions natives conçues pour fonctionner avec une application d’entreposage de données spécifique. Il existe des solutions basées sur SQL qui nécessiteront une programmation personnalisée et une courbe d’apprentissage abrupte pour fonctionner, ainsi qu’un logiciel de gestion de la qualité des données en libre-service conçu pour aider les employés à accéder, nettoyer et transformer les données stockées dans plusieurs sources de données. Ces solutions diffèrent des solutions génériques car elles sont conçues pour l’utilisateur métier et transforment des processus complexes de qualité des données en tâches faciles à exécuter. Ces solutions utilisent une combinaison d’algorithmes pour faire correspondre des données complexes, consolider des définitions de données disparates, nettoyer, analyser, standardiser et homogénéiser les données sur une seule plateforme.

Le processus de profilage et de nettoyage des données

La méthode que vous choisissez dépend de votre budget, de la complexité des données, de la disponibilité des ressources et du temps que vous allouez au projet. Il convient cependant de mentionner que les solutions automatisées de qualité des données vous aideront à réduire les coûts opérationnels importants tout en améliorant les performances de l’entreprise. Vos employés n’auront pas à passer des heures à corriger manuellement les mauvaises listes de données. Votre entreprise n’aura pas à fonctionner dans le noir. Vous serez véritablement axé sur les données lorsque vous faites de la qualité des données la priorité d’une initiative de personnalisation client.

Utiliser les données pour stimuler les initiatives de personnalisation des clients

D’ici 2020, Gartner prévoit que plus de 40% de tous les projets d’analyse de données porteront sur un aspect de l’expérience client. (Gartner)

C’est pourquoi les données, en particulier les données rapprochées de haute qualité, sont si importantes pour stimuler les initiatives de personnalisation des clients.

Pour personnaliser une expérience, vous devez découvrir les relations cachées entre les personnes, les produits, leur environnement, leurs comportements, leurs expériences, leurs attentes.

Citant l’exemple de la société d’assurance ci-dessus.

Il leur a fallu 2 mois pour collecter les données nécessaires auprès de ses fournisseurs et partenaires. Ensuite, ils ont dû nettoyer, dédupliquer et normaliser cela. Ce processus ne leur a pris que trois semaines lorsqu’ils ont utilisé un outil en libre-service leur permettant d’économiser beaucoup de temps et de main-d’œuvre. Enfin, après 3 mois de processus de nettoyage des données, de correspondance des données, de fusion et de purge, l’entreprise a pu obtenir un enregistrement consolidé de ses clients. Alléluia.

Le résultat?

Ils ont pu segmenter leur public, créer le plan d’assurance idéal pour les parents d’enfants qui fréquentaient l’université, mener des campagnes de marketing par e-mail efficaces et augmenter leur retour sur investissement de 2X. Mieux encore, la réponse positive de leurs clients.

Alors, comment commencer?

Si vous avez envie de lancer une initiative de personnalisation, il est recommandé de commencer petit. Vous n’avez pas à réviser les données de votre entreprise. Il vous suffit d’identifier le type de données dont vous avez besoin pour le type de service de personnalisation que vous souhaitez proposer. Quelques conseils pour vous aider:

Commencer petit: Créez un processus que vous pouvez gérer. Extrayez 500 enregistrements de clients, évaluez-les pour les problèmes de qualité et notez le temps qu’il vous faudrait pour résoudre ces problèmes.Décidez de l’approche: L’évaluation de vos données pour les trois D vous aidera à décider de l’approche que vous souhaitez utiliser pour y remédier. Si les données sont complexes sans valeur précise confirmée et ont 15 à 25% de doublons (soit 125 mauvais enregistrements sur 500), vous devrez utiliser une solution automatisée au lieu de la corriger manuellement.Investissez dans les bons outils: Vous ne pouvez pas faire cela avec Excel ou qwanturank Spreadsheets. Si vous extrayez des données de plusieurs sources (CRM, données de transaction, données comportementales), vous devrez investir dans un outil qui vous permet de consolider, dédupliquer les données et nettoyer les données sales.Corrigez vos données: Je ne peux m’empêcher de le répéter. Les mauvaises données constitueront un énorme goulot d’étranglement dans TOUS les aspects. Que vous souhaitiez ou non une vue client à 360 °, vous devez faire de la qualité des données une priorité. Un nombre incalculable d’entreprises ont échoué (avec des millions de dollars à perdre) à cause de mauvaises données. Que ce soit pour quelque chose d’aussi normal qu’une campagne promotionnelle ou pour quelque chose d’aussi essentiel que le rapport annuel, vous avez besoin de données fiables.Créez un dossier principal et automatisez le nettoyage: Une fois que vous avez nettoyé et déduplé vos données, créez l’enregistrement principal (également appelé Golden Record). Vous pouvez ensuite utiliser l’outil de choix pour automatiser le nettoyage des données. Plus loin, vous pouvez également augmenter cet enregistrement avec des données firmographiques, démographiques ou comportementales supplémentaires, enrichissant ainsi vos données client.

La mise en route peut sembler un effort gigantesque, surtout si les données de votre organisation ne sont pas triées, mais avec le bon plan et les bonnes ressources, vous pouvez transformer des listes et des enregistrements ordinaires en un puissant atout intellectuel – capable de générer votre retour sur investissement, d’améliorer l’expérience client et accroître les performances commerciales.

De conclure:

Je vais rester bref. Vous voulez que vos clients vous choisissent plutôt que vos concurrents? Donnez-leur l’expérience dont ils ont besoin. Mais avant d’essayer de les courtiser, corrigez vos données, donnez un sens à des termes vagues comme «axé sur les données» ou «centré sur les données», et soyez en avance sur la courbe.

Auteur: Farah Kim

Suivez @farahtalks

Avec plus d’une décennie d’expérience de travail pour des entreprises SaaS, Farah Kim est connue pour son approche de contenu centrée sur l’humain qui comble le fossé entre les entreprises et leur public. Chez Data Ladder, elle travaille en tant que spécialiste du marketing produit, créant un contenu de haute qualité à fort impact pour… Voir le profil complet ›