Depuis les années 2000, il est courant d'entendre que les entreprises veulent se rapprocher de leurs clients respectifs pour se définir comme étant customer-centric. De plus, ces sociétés disposent de plus en plus de données sur leurs clients respectifs disponibles grâce à leurs différents canaux. Ainsi, la fonction marketing passe progressivement du marketing de masse au marketing segmenté afin d’apporter plus de valeurs aux clients.
Les entreprises veulent simplifier le passage à l’orientation client en utilisant les données stockées dans leurs CRM (Customer Relationship Management) afin de construire un persona. Nous pouvons définir un persona comme "une représentation semi-fictive de votre client idéal basée sur des études de marché et des données réelles sur vos clients existants". (Kusinitz, 2018, p.1).
Pourquoi est-ce utile?
La création de personas peut être considéré comme un outil permettant de passer d’un marketing de masse à une personnalisation one-to-one. En effet, le persona permet de regrouper la masse d’informations que nous disposons sur nos clients dans des catégories différentes. Par la suite, il est plus facile pour les entreprises de résoudre les problèmes de leurs clients en se focalisant sur ces personas. En d’autres mots, la création de personas est une étape entre le marketing de masse et la personnalisation one-to-one.
Comment faire des personas?
Comme expliqué ci-dessus, un persona est construit à partir de données clinent réelles qu’une entreprise détient. Ainsi, le point de départ de la création d’un persona est la collecte de toutes les données disponibles sur ses clients afin de créer un ensemble de données exploitable. Cependant, il est important de connaître à l'avance cet ensemble de données (données aberrantes, données hétérogènes), qui se fera via une analyse exploratoire de données.
Nous ne devons pas oublier de normaliser nos données afin de pouvoir les comparer sur des échelles de mesure comparables. En effet, les variables qui composent une base de données ont généralement des unités, des variances et des écarts-types très différents. Il est donc important de normaliser les variables en les normalisant de manière à pouvoir les comparer à des échelles de mesure comparables. Nous pouvons décrire les variables normées comme des variables avec une moyenne nulle et un écart-type de un.
Lorsque ces étapes préliminaires sont terminées, nous pouvons partitionner les données pour mettre en évidence les clusters (partitions). L'algorithme le plus connu pour la classification s'appelle K-means. Cet algorithme partitionnera les individus d'un échantillon en les regroupant en fonction de caractéristiques similaires. Pour ce faire, nous voulons minimiser la variance intraclasse tout en maximisant la variance interclasse afin que les individus se resserrent sur eux-mêmes lorsqu'ils présentent des caractéristiques similaires et sont distants des autres lorsqu'ils sont très différents.
Cependant, l’une des faiblesses de l’algorithme réside dans le fait que nous devons spécifier le nombre de partitions que nous souhaitons. Pour résoudre ce problème, nous pouvons observer à partir de quel nombre de partitions la variance intraclasse dans les clusters atteint une augmentation significative, lorsque nous diminuons le nombre de partitions. Le graphe résultant prend généralement la forme d'un coude, d'où son nom (Robert L. Thorndike, 1953).
Que pouvons-nous faire avec les personas une fois qu’ils sont définis?
D'un point de vue marketing, lorsqu'une entreprise entretient des relations étroites avec ses clients et connaît chacun d'eux personnellement (ainsi que leurs besoins respectifs), elle a la possibilité de personnaliser pleinement les offres de ses services et de ses produits. En outre, cette entreprise peut alors déterminer différents tarifs en fonction du type de client, mais aussi proposer un packaging adapté.
Du point de vue du marketing digital, ces personas peuvent nous permettre d’effectuer des tests d’utilisateur (tests UX) afin de mettre en évidence les forces et les faiblesses d’un site Web et, in fine, de l’optimiser. Nous pouvons même aller plus loin en proposant un contenu personnalisé sur le site Web de l'entreprise pour chaque persona construit au préalable. Il existe déjà sur le marché différentes solutions pour réaliser cette personnalisation de site Web.
Que fait Semetis?
Chez Semetis, nous créons les personas avec la collaboration de nos clients, en organisant des ateliers avec leurs équipes et en analysant toutes les données dont nous disposons (CRM, Google Analytics, etc.). Comme décrit dans l'un de nos articles précédents: Web analytique, CDP, le cloud et l'intelligence artificielle, perspective d'un écosystème, nous pouvons créer et gérer un véritable écosystème de données de manière à ce que nous puissions finalement transformer ces données en informations utiles et exploitables pour l'entreprise.
Pour plus d'informations sur la manière dont nous transformons cette perspective basée sur les données en actions marketing, je vous invite à lire ces deux cas: Quick-Step, et Carglass.
Timothy Jacqmin
| LinkedinCette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.
