Dans l’analyse des interactions clients, l’hybridation de données est une approche qui tend à se généraliser face aux enjeux actuels d’analyse des parcours clients, notamment dans la perspective de la fin des cookies tiers. « Dans un contexte où la performance de l’expérience client, n’est pas la somme de la performance de chaque canal (réseau de magasins, site web, SAV, etc.) mais est le produit de toutes les performances, l’hybridation de données permet d’entrer dans du marketing de précision » nous explique Philippe Le Magueresse, DGA d’Opinion Way.
DigitalCMO.fr – Votre institut d’études est un des pionniers dans ce domaine avec des cas d’usage comme pour la SNCF Voyageur pouvez-vous décrire ce projet ?
Philippe Le Magueresse – Pour rappel : hybrider des données, c’est relier des données de natures différentes et de sources variées pour ouvrir de nouvelles pistes actionnables. Et ainsi produire plus de valeur pour nos clients (Compréhension augmentée, activation des résultats, etc.). OpinionWay a conduit depuis 2017 des dizaines de projet d’hybridation de données (Données déclaratives avec du CRM, de l’open data, des données de navigation, etc.). Dans le brief de SNCF Voyageurs, la marque souhaitait pouvoir agir de façon plus personnalisée auprès de ses clients, en tenant compte de leur satisfaction. Le projet consistait à évaluer la satisfaction de chaque trajet pour chaque voyageur. Pour cela, nous avons hybridé plusieurs sources massives de données (Enquête de satisfaction, CRM, données de production) et modélisé le niveau de satisfaction à l’aide de l’IA. A partir de là, il devient possible de concevoir de nouvelles grilles d’analyse et d’entrer dans du marketing de précision !
DigitalCMO.fr – Pour beaucoup d’analystes les apports de l’IA dans le domaine de l’hybridation des données études et clients seront importants. Quel peut être l’impact de l’IA dans ce domaine ?
Philippe Le Magueresse – En préambule, on peut voir la GenAI comme une forme d’hybridation de données : il s’agit, à partir d’un vaste corpus de données diversifiées, de produire des réponses en s’appuyant sur des requêtes en langage naturel. Au-delà, une des applications possibles de l’IA dans notre industrie est d’extraire plus de valeur des dispositifs études. Le gisement de valeur le plus immédiat, c’est de capitaliser sur le même type d’études (post-tests publicitaires par exemple) pour en tirer des méta enseignements impossibles à obtenir avec une seule étude. Le gisement de valeur à piloter et expérimenter, c’est d’hybrider l’ensemble des données sur un sujet précis (un cas a d’ailleurs été présenté durant l’Intelligence Forum de cette année). L’IA générative dans le second cas permet alors de transformer un corpus de données diversifiées (enquête quantitative, qualitative, données comportementales, etc.) en une base de connaissance avec laquelle il devient possible d’interagir, d’« augmenter » avec de nouvelles données générées à partir du corpus de base et d’itérer dans le temps en actualisant ce même corpus (données barométriques par exemple). Dans ce contexte-là encore, la richesse sera plus grande avec un corpus diversifié de données plutôt qu’avec une seule source de données.
DigitalCMO.fr – Dans le domaine de l’hybridation des données peut-on vraiment rompre avec les silos organisationnels entre les études et le marketing ? Quels sont les freins encore ?
Philippe Le Magueresse – C’est vrai qu’avec la fragmentation des attentes des clients, la multiplication des canaux de contact, il devient, par exemple, difficile pour les marques de proposer une expérience client satisfaisante de bout en bout si chaque département impliqué dans ce sujet reste dans son silo organisationnel. La performance de l’expérience client, ce n’est pas la somme de la performance de chaque département (Réseau de magasins, site web, SAV, etc.). C’est le produit de toutes les performances. Il suffit donc qu’un département sous-performe pour menacer l’expérience dans son entièreté (l’expérience tend vers 0 !). Les freins sont nombreux. Les freins techniques comme la faiblesse de la gouvernance des données, la difficulté à réconcilier des silos de données entre eux, etc. Mais le frein majeur est humain : Faire comprendre que « the more you share, the more you grow », en faire « un avenir désirable ». L’hybridation des données est l’occasion justement d’aligner ces différents départements en partageant le langage commun de la donnée. C’est ce que nous observons dans nos dispositifs : L’hybridation des données aide les organisations à se désiloter et à se transformer, en mettant en pratique la collaboration sur un sujet transversal.
