Segmentation en emailing : comment passer à la vitesse supérieure ?

Jeudi 25 novembre (Bonne fête Catherine !), on a organisé un live sur la segmentation client avec Cédric Letessier, consultant DATA et co-fondateur de Meetyourpeople. L’objectif était de répondre très concrètement à ces questions : comment aller + loin qu’une segmentation « prospects / clients / ex-clients » ? Quels segments stratégiques fonctionnent bien ? Comment faut-il s’y prendre pour les mettre en place ? Avec quels outils (ou pas) ?

On vous livre ci-dessous les principaux enseignements de notre discussion. Mais pour celles et ceux qui préfèrent l’audio, vous pouvez écouter le replay (l’image n’a que très peu de valeur ajoutée ;-))

On a vite parlé de segments affinitaires

La discussion s’est très vite orientée sur la mise en place de segments affinitaires. Dans notre jargon chez Badsender, on appelle ça les « segments par centres d’intérêts » mais c’est la même chose ;-). Cédric nous a donné des exemples avec la FFF ou Le Figaro.

1. L’important est d’abord de dresser une liste d’affinités qui est intéressante à collecter. Cette liste doit être assez limitée. Il ne faut pas avoir 30 thèmes. Le moins est le mieux 😉 Genre 10 max si vous avez un grand univers de produits. N’hésitez pas à regrouper les thèmes en « Master Thèmes », sinon c’est vite le bordel. Il faut aussi que ces thèmes soient en corrélation avec les catégories d’achats.
2. Puis, de regarder dans la data disponible, ce qui existe pour qualifier les affinités.
3. Enfin, d’automatiser des process pour qualifier de mieux en mieux au fil de l’eau

Ça prend du temps. Ça ne se fait pas en 1 mois. C’est un travail de longue haleine. Ces logiques de qualification d’individus doivent être ancrées dans tous les « touch points » du contact, qu’il soit client ou prospect.

Automatiser en catégorisant les ouvertures et les clics des emailing

Pour qualifier les affinités, on va chercher les infos dans les ouvertures et les clics des emails. On peut catégoriser une campagne sur un thème spécifique. Exemple : 1 campagne sur le football féminin. Si un contact ouvre cet email, je peux ajouter « +1 » dans l’affinité « Football féminin ».
On peut aussi catégoriser les liens présents dans une campagne. Exemple : dans 1 campagne plutôt générique, j’ai 3 liens : 1 sur le football féminin, 1 sur le basket, 1 sur le tennis. En fonction des clics, je rajouterai « +1 » à la bonne affinité.
Techniquement parlant, la catégorisation de clics se fait au moment du paramétrage de la campagne dans l’outil de routage. La plupart des outils de routage propose d’ajouter un tag à la campagne et aux liens présents dans l’email. Il faudra ensuite, créer les segments par tag qui s’alimenteront tout seul.

Si je n’ai pas fait ce travail de catégorisation, comment puis-je faire ?
On peut retravailler la data et aller chercher dans tout l’historique. C’est à dire : prendre les X derniers mois (12 mois si on peut, le max est le mieux). Re-thématiser chacune des campagnes et des URL. C’est toujours faisable. En fonction des situations, ça peut valoir le coup, parfois non. Mais SURTOUT : il faut définir des process où on va réussir à AUTOMATISER la collecte d’affinités tout au long de l’année.

Automatiser la collecte d’affinités

Une fois qu’on a défini les affinités/thématiques, il faut les inclure partout pour qualifier au + vite la base : dès le formulaire de collecte, dans le centre de préférences, dans les emails du scénario de bienvenue, dans des emails de collecte de la satisfaction client…

Comment ? Alors soit :

• en mode sondage en posant directement une question (données déclaratives)
• en mode comportemental, en catégorisant les liens / les visuels des blocs de contenus (données comportementales)
• dans les questionnaires de satisfaction (données déclaratives)

On peut aussi mixer avec d’autres data !

Si on a les données à dispo, on va pouvoir mixer :
ouverture + clics + catégories d’achats + données déclaratives + données de navigation + timing !

Attention : On ne va pas inclure le même poids à des donnés déclaratives qu’à des données transactionnelles ou encore comportementales. Le timing va aussi avoir son importance ! Quelqu’un qui n’a pas acheté depuis 12 mois, ou qui n’a pas cliqué depuis 6 mois, n’aura pas le même score que quelqu’un de + actif.
A ce stade, il y a une phase d’étude, d’algorithmes, de data science pour en sortir des populations homogènes (car là est l’enjeu !) et des règles de gestion.
Par la suite, ces règles vont pouvoir être implémentées dans un point de vue technique et automatiser derrière dans une base de données.

Il faut forcement l’aide d’un Data Scientist ?

• Si on se limite à la catégorisation des ouvertures et des clics. Non. L’outil de routage pourra suffire. Il s’agit là plutôt d’agrégats et non de scoring. Pas besoin de Data Scientist pour ça.
• Si vous êtes dans le secteur du e-commerce pure player, ça dépend de vos outils 😉 Il y a des outils de routage hyper bien pour ça !
• Si vous êtes dans un autre secteur ou que vous mixez plusieurs sources de données (ecommerce, magasins, call-center…), il faut faire appel à un Data Scientist. Il y a bien quelques outils qui permettent de faire du scoring. Mais ça reste quelque chose d’assez simple qu’on ne peut pas forcément modifié. Donc quand on a un business qui n’est pas récurrent, qui n’est pas dans l’ecommerce, le scoring n’est pas forcément hyper bien adapté. Il faut donc faire appel à un Data Scientist. Il faut extraire la data pour en faire une étude et l’analyser. On sort des règles de gestion. Quand on a les règles, on peut demander à la DSI de les mettre en place automatiquement. Il vaut mieux calculer le score dans la base CRM (donc hors outil de routage).

Quels segments fonctionnent bien ?

• Le score Affinitaire, ça on a compris 😉
• Le score Promophile pour connaître le degré d’appétence des contacts à la promotion…ou pas. Ça permet de ne pas cibler (ou beaucoup moins) les promophiles lors des évènements hyper promo comme Black Friday Noel Soldes d’hiver
• Le score de Saisonnalité : identifier les contacts qui achètent à une certaine périod plutôt qu’à une autre (particulièrement utile dans le secteur du voyage/ hôtellerie… quoique)
• Le score « Booking window » : c’est le laps de temps entre l’achat effectué et la date. Plutôt secteur du voyage/hôtellerie… quoique bis 😉 On peut très bien le faire dans d’autres secteurs. Par exemple : ceux qui effectuent leurs achats de Noël à la dernière minute vs ceux qui s’y prennent en novembre.
• Le score appétence au canal email : c’est la fréquence d’ouvertures des emails. Il s’agit de regrouper les contacts qui ouvrent 10 fois sur 10 les emails envoyés versus ceux qui ouvrent 1 fois sur 10. Ça peut servir, encore une fois, dans des périodes où la pression marketing est énorme. On ne peut pas se permettre d’envoyer 1 email par jour sur toute sa base. Il y a trop de risques de générer des plaintes, donc de nuire à la réputation de l’expéditeur et à la livraison des messages. Ils utilisent ce score pour détecter ceux qui sont méga appétents au canal email (eux seront davantage cible lors de la période) vs ceux qui sont hyper réfractaires à l’email (ils seront beaucoup moins ciblés). D’ailleurs, on en avait parlé ici dans cet article sur comment cibler les contacts inactifs emails lors de la période de Noël.
• Le score appétence canal pour favoriser un canal + qu’un autre. Par exemple : pas du tout appétent au canal email mais appétent au canal SMS.
• Le score du lead nurturing : HYPER cool en BtotB (quoique ter ;-)) On l’utilise à fond chez Badsender.

Pourquoi la donnée de navigation est difficile à collecter ?

• Parce que les gens ne se logguent pas ! Donc, peu de réconciliations email-cookies possibles, les volumes sont ultra faibles. Si on veut vraiment collecter la donnée de navigation, il faut accompagner les contacts à la connexion : rappeler dans les emails les raisons pour lesquelles ils ont intérêts à se connecter.
• Parce que techniquement c’est pas easy easy. Même si c’est toujours moins compliqués qu’avant, les outils évoluants.

Donc, il vaut mieux se concentrer sur la base : clics, ouvertures, achats, données déclaratives des sondages… il faut capitaliser là dessus. Quand on a fait tout ça, on va se poser la question de la navigation.

Est-ce que les segments stratégiques sont généralement ceux pressenties en amont ?

Ca dépend. Parfois les convictions se confirment après l’audit. Parfois pas du tout. Dans tous les cas, on détecte des nouvelles populations et on va même jusqu’à définir les personas de la marque.

Donc on résume !

Si demain vous voulez construire vos segments stratégiques :

1. Réaliser un audit des données
2. Simulation de segments stratégiques jusqu’à ce qu’on trouve des segments homogènes
3. Définir les règles de gestion et demander à votre DSI de les automatiser
4. Rendre accessibles les segments stratégiques depuis dans votre outil de routage
5. Automatiser les process de collecte des données à qualifier

A avoir en tête : il faut faire en fonction des données dont on dispose à un temps t. Il faut s’adapter, sinon aucune activation se lance.

Si vous souhaitez de l’aide pour bâtir vos segments stratégiques, n’hésitez pas !