© Soft Computing – www.softcomputing.com
Marketing Digital & Big Data
Quoi de neuf ?
10/03/2015
© 2
Cofondateur et DG Soft Computing
© 3
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué c...
© 4
Carte d’identité
© 5
Compétences : un mix unique de compétences pointues
Digital
Marketing
Data
Science
Project
Management
Information
Tech...
© 6
Mission : transformer la data en performance marketing
Business
IT
Imaginer, bâtir et opérer
des programmes de conquêt...
© 7
Delivery : continuum de services et souplesse
Think Build Run
Délégation
d’expertise
Mode
Projet
Centre de
services
© 8
Programme relationnel
multi-devices et
remarketing.
Ecoute et analyse des
sentiments des clients sur
les réseaux socia...
© 9
Experts reconnus
EnseignerEcrire Echanger
http://blog.softcomputing.com/
https://twitter.com/#!/SoftComputing
http://w...
© 10
Du vécu métier
2003 2015
Web mining
15 M Clients
5 ans
Recommandations
Temps réel
Réseaux
d’influence
Analyse de
sent...
© 11
Du recul aussi sur le plan technique
© 12
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ...
© 13
Big Data : ça reste à mode
© 14
Oui, mais on aborde la vallée des désillusions
Big Data
© 15
SOMMAIRESommaire
Focus sur les
utilisations marketing
© 16
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ...
© 17
Défi technique #1 : se préparer à gérer des volumes inimaginables
2005 2015
© 18
Défi technique #2 : sortir du cadre
2005 2015
Disponibilité
« Les données sont
toujours accessibles »
Tolérance
« seu...
© 19
Défi technique #3 : exécuter tout calcul en moins de 0,14
secondes
2005 2015
Trading Desk
(ATD)
Editeur de
site
Deman...
© 20
Big Data vu du marketing
olume
itesse
ariété
éracité
aleur
© 21
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ...
© 22
Big data 2014
Démocratisation
© 23
Démocratisation hardware
5 nœuds
1 namenode, 20 cœurs, 192 Go ram
4 datanodes, 64 cœurs, 64 Gb ram, 10 To DD
© 24
Démocratisation : stockage
© 25
Démocratisation : outils de datavisualisation
© 26
Démocratisation : de plus en plus de données en libre service
© 27
Démocratisation : de plus en plus de données à coût modique
© 28
Démocratisation : analytique ML en cloud
© 29
Impact sur les usages
+
Données
Détail
Temps réel
Prédictif
Non-
structuré
Ouvert sur
l’extérieur
Autonome
Hybride
© 30
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ...
© 31
Big Data : la clé de voûte d’une expérience client sans couture et
omnicanal
LA PREFERENCE DE MARQUE
Expérience clien...
© 32
Synthèse des typologies de données
Propriétaires
Ouvertes
Permanentes
Volatiles
Données Tiers :
3 rd party
Open Data
...
© 33
#1 : parcours clients
© 34
L’objectif
Extraire des parcours client pour qualifier des
bases marketing, définir des programmes
relationnels et de...
© 35
L’analyse
Sessions et pages vues
(id session)
Segmentation visiteurs
(id visiteur)
Cookie
Origine de la navigation
Te...
© 36
Focus : processus de récupération des données
Site WebDépôt de Cookie
1
Taggage
2
Réconciliation
3
Tracking
4
Croisem...
© 37
Focus : déclinaison opérationnelle
Inbound
Densification de la
personnalisation
des programmes eCRM
(remarketing) et ...
© 38
#2 : écoute active des réseaux sociaux
© 39
L’objectif
Analyses des tweets, pages de marque,
blog/commentaires afin d’identifier des
ambassadeurs, détecter et an...
© 40
L’analyse
1. Analyse du
contenu des posts
(occurrence des
mots et thèmes)
2. Les liens entre les
mots employés et
thé...
© 42
Focus : les données de vos pages fan’s
Données natives
extraites en json
Conversion
en xml
Conversion
automatique
en ...
© 43
Focus : croisement client
@socialu
ser
CRM
profil
© 44
Focus : déclinaison opérationnelle
Engagements relationnels
Programme de
reconnaissance social
différencié
Valorisati...
© 45
#3 : recommandations personnalisées
© 46
L’objectif
Faire des propositions personnalisées à la volée
au visiteur identifié ou non à base d’auto-
apprentissage...
© 47
L’analyse
Mix catégorielles
‘Utilisateurs’
Liens intra et inter catégories
Tag 1 : P1/P2/P3/P4
Tag 2 : P1/P2/P3/P4
Ta...
© 48
Focus : déclinaison opérationnelle
Préconisations
croisées sur les
produits sur la base
des achats
Fiches produits
« ...
© 49
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ...
© 50
Exemple de problématique
© 51
Solution fonctionnelle
Prototyper l’algorithme de
substitution
Produire la matrice
d’association
Suivre et optimiser ...
© 52
Architecture
Lab data Large Data Fast Data
Prototyper l’algorithme de
substitution
Produire la matrice
d’association
...
© 53
Lab data Large Data Fast Data
© 54
Planning
Run
Initialisation du centre de services
Conception et réalisation « large »
Maintenance
Monitoring applicat...
© 55
SOMMAIRESommaire
1. A propos de Soft Computing
2. Introduction
3. Big data : de quoi parle-t-on ?
4. Ce qui a évolué ...
© 56
Débuter simple : log, stream, transaction
Streams sociaux Weblogs Capteurs E-mails
Transactions bancaires Pages web D...
© 57
Do It Yourself ou Appliance ?
Ikea ou Roche Bobois ?
Exemple Do it yourself Oracle appliance
Application datamining /...
© 58
Où mettre les données ?
En cible, 3 environnements :
1- Données chaudes
2- Analytique gros volumes
3- Datawarehouse s...
© 59
Cohabitation Datawarehouse et big data
SGBDR
Connecteurs
SQL
Loader
(import/export)
© 60
Open Source et Xaas
Capex : 0
Opex progressifs
Ouverture vers le
onpremise et l’enterprise
© 61
3 compétences d’emblée
Marketing DatascienceProgrammation
© 62
R.O.I.
Connaissance Datamining
Assortiments en magasins
Rapports
Rapports industriels
Données : vision 360° client et...
© 63
Cibler des R.O.I. < 6 mois
© 64
Reconsidérer chaque
année les ROI : les
barrières à l’entrée
baissent toujours plus
𝐋𝐨𝐢 𝐝𝐞 𝐊𝐫𝐲𝐝𝐞𝐫 ∶ € 𝐆𝐨 = 𝟏𝟎−𝟎,𝟐𝟓𝟎𝟐∗...
© 65
Victoires rapides : 3 à 6 mois , 1 pilote
1. DMP :
Data : Weblogs
Objectif : extraire des parcours client pour qualif...
© 66
Offre de services
S
ensibilisation
tratégie
andbox
R
oadmap
ollout
un
Prochain SlideShare
Chargement dans…5
×

Salon Big Data 2015 : Big Data et Marketing Digital, Retours d’expérience en termes de ROI et de bonnes pratiques

1 594 vues

Publié le

Big Data est un incontournable du marketing digital. Mais où sont les ROI ? Quelles applications concrètes ? Par où commencer ? Quels rôles du marketing, de la DSI ? DMP et/ou Datawarehouse ? Quelles techniques analytiques ? Internaliser ou externaliser ? Et les données de la mobilité ? Plusieurs années de projets en transport, télécoms, utilities, e-Commerce ou banque nous permettent aujourd'hui d’apporter des réponses bâties sur du concret.

Publié dans : Technologie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
1 594
Sur SlideShare
0
Issues des intégrations
0
Intégrations
6
Actions
Partages
0
Téléchargements
69
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Salon Big Data 2015 : Big Data et Marketing Digital, Retours d’expérience en termes de ROI et de bonnes pratiques

  1. 1. © Soft Computing – www.softcomputing.com Marketing Digital & Big Data Quoi de neuf ? 10/03/2015
  2. 2. © 2 Cofondateur et DG Soft Computing
  3. 3. © 3 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  4. 4. © 4 Carte d’identité
  5. 5. © 5 Compétences : un mix unique de compétences pointues Digital Marketing Data Science Project Management Information Technologies
  6. 6. © 6 Mission : transformer la data en performance marketing Business IT Imaginer, bâtir et opérer des programmes de conquête et de fidélisation cross-canaux, rentables et innovants Concevoir, développer et déployer des solutions Digitales, Big Data et CRM performantes, pragmatiques et adaptées AMOA
  7. 7. © 7 Delivery : continuum de services et souplesse Think Build Run Délégation d’expertise Mode Projet Centre de services
  8. 8. © 8 Programme relationnel multi-devices et remarketing. Ecoute et analyse des sentiments des clients sur les réseaux sociaux. Centre de services de gestion des campagnes marketing multicanal. Data Management Platform et marketing multicanal temps réel Centre de services datamining, campagnes ciblées et reportings. Gestion des opérations marketing ciblées.. Data Management Platform, CRM et web analytics. Conception de l’architecture décisionnelle hybride big data – datawarehouse. Centre de services gestion de campagnes marketing et connaissance clients Convergence des pratiques et des outils marketing on et offline. Mise en place d’une Data Management Platform (DMP) et de use cases marketing. Déploiement d’une plate- forme CRM multi-marques multi-pays.. Personnalisation en temps réel des contenus et valorisation d’audience. Définition d’une stratégie de Business Intelligence. Pilotage de la qualité de l’expérience client. Extraits de références 2014-2015
  9. 9. © 9 Experts reconnus EnseignerEcrire Echanger http://blog.softcomputing.com/ https://twitter.com/#!/SoftComputing http://www.facebook.com/softcomputing http://www.softcomputing.com/fr/news/ http://fr.slideshare.net/softcomputing http://www.linkedin.com/company/soft- computing http://www.viadeo.com/fr/company/soft- computing https://plus.google.com/+Softcomputing/
  10. 10. © 10 Du vécu métier 2003 2015 Web mining 15 M Clients 5 ans Recommandations Temps réel Réseaux d’influence Analyse de sentiments 50 To+
  11. 11. © 11 Du recul aussi sur le plan technique
  12. 12. © 12 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  13. 13. © 13 Big Data : ça reste à mode
  14. 14. © 14 Oui, mais on aborde la vallée des désillusions Big Data
  15. 15. © 15 SOMMAIRESommaire Focus sur les utilisations marketing
  16. 16. © 16 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  17. 17. © 17 Défi technique #1 : se préparer à gérer des volumes inimaginables 2005 2015
  18. 18. © 18 Défi technique #2 : sortir du cadre 2005 2015 Disponibilité « Les données sont toujours accessibles » Tolérance « seul la panne totale interrompt » Cohérence « Les commits rendent l’ensemble des données cohérentes » Disponibilité « Les données sont toujours accessibles » Tolérance « seul la panne totale interrompt » Cohérence « Les commits rendent l’ensemble des données cohérentes » Commit en 2 phases
  19. 19. © 19 Défi technique #3 : exécuter tout calcul en moins de 0,14 secondes 2005 2015 Trading Desk (ATD) Editeur de site Demand Side Platform (DSP) Ad exchange (Adex) Supply Side Platform (SSP) Annonceur ou Agence média Ad Server de l’éditeur ou Ad network RTB & programmati que
  20. 20. © 20 Big Data vu du marketing olume itesse ariété éracité aleur
  21. 21. © 21 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  22. 22. © 22 Big data 2014 Démocratisation
  23. 23. © 23 Démocratisation hardware 5 nœuds 1 namenode, 20 cœurs, 192 Go ram 4 datanodes, 64 cœurs, 64 Gb ram, 10 To DD
  24. 24. © 24 Démocratisation : stockage
  25. 25. © 25 Démocratisation : outils de datavisualisation
  26. 26. © 26 Démocratisation : de plus en plus de données en libre service
  27. 27. © 27 Démocratisation : de plus en plus de données à coût modique
  28. 28. © 28 Démocratisation : analytique ML en cloud
  29. 29. © 29 Impact sur les usages + Données Détail Temps réel Prédictif Non- structuré Ouvert sur l’extérieur Autonome Hybride
  30. 30. © 30 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  31. 31. © 31 Big Data : la clé de voûte d’une expérience client sans couture et omnicanal LA PREFERENCE DE MARQUE Expérience client Qualité de service LA DONNEE, SA CENTRALISATION, SON UTILISATION SON ACTIONNABILITE, SA VALORISATION Performance média, marketing et commerciale Digitalisation
  32. 32. © 32 Synthèse des typologies de données Propriétaires Ouvertes Permanentes Volatiles Données Tiers : 3 rd party Open Data CRM données nominatives et transactionnelles Tracking Web, email, display… Semantiques: Contenu web fan pages, avis…
  33. 33. © 33 #1 : parcours clients
  34. 34. © 34 L’objectif Extraire des parcours client pour qualifier des bases marketing, définir des programmes relationnels et des plans de vie
  35. 35. © 35 L’analyse Sessions et pages vues (id session) Segmentation visiteurs (id visiteur) Cookie Origine de la navigation Temps moyen par visite Catégorisation Catégorisation des pages vues E acheteur – churner
  36. 36. © 36 Focus : processus de récupération des données Site WebDépôt de Cookie 1 Taggage 2 Réconciliation 3 Tracking 4 Croisement 5 3 A l’affichage d’une page, dépôt d’un cookie avec un Id Internaute sur le device Dépôt des tags de navigation sur les pages du site (ou des sites) Remontée IdCRM à la connexion client et réconciliation avec un ou plusieurs Id Internaute Web &CRM 2 4 Intégration en temps réel des données de navigation et affectation à l’Id correspondant Croisement avec les données CRM et données externes 3rd Party CRM 5 Analyse 6 1 3 2 4 6 5 1 Analyse 6
  37. 37. © 37 Focus : déclinaison opérationnelle Inbound Densification de la personnalisation des programmes eCRM (remarketing) et Mobile Display
  38. 38. © 38 #2 : écoute active des réseaux sociaux
  39. 39. © 39 L’objectif Analyses des tweets, pages de marque, blog/commentaires afin d’identifier des ambassadeurs, détecter et analyser des évolutions
  40. 40. © 40 L’analyse 1. Analyse du contenu des posts (occurrence des mots et thèmes) 2. Les liens entre les mots employés et thématiques abordées 4. Les profils-type des « posteurs » selon leur sentiments / thèmes 3. La mesure de la perception positive/négative
  41. 41. © 42 Focus : les données de vos pages fan’s Données natives extraites en json Conversion en xml Conversion automatique en csv Id FB Id Post Contenu du post Date de Post
  42. 42. © 43 Focus : croisement client @socialu ser CRM profil
  43. 43. © 44 Focus : déclinaison opérationnelle Engagements relationnels Programme de reconnaissance social différencié Valorisation expérience client et fidélisation
  44. 44. © 45 #3 : recommandations personnalisées
  45. 45. © 46 L’objectif Faire des propositions personnalisées à la volée au visiteur identifié ou non à base d’auto- apprentissage ?
  46. 46. © 47 L’analyse Mix catégorielles ‘Utilisateurs’ Liens intra et inter catégories Tag 1 : P1/P2/P3/P4 Tag 2 : P1/P2/P3/P4 Tag 3 : P1/P2/P3/P4 Tag 4 : P1/P2/P3/P4 ….. Produits liés / tags Segments Utilisateurs = tags Click Path AnalysisSessions et pages vues
  47. 47. © 48 Focus : déclinaison opérationnelle Préconisations croisées sur les produits sur la base des achats Fiches produits « business » Template personnalisé / au client Des arborescences personnalisées en fonction de ce que j’achète où j’aime. Des conseils produits par type de produit Augmentation du taux de transfo site, CA / mail, du taux de nourriture et des occasions de contact
  48. 48. © 49 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  49. 49. © 50 Exemple de problématique
  50. 50. © 51 Solution fonctionnelle Prototyper l’algorithme de substitution Produire la matrice d’association Suivre et optimiser la performance l’algorithme Proposer des substitutions Intégrer l’algorithme de substitution Développer l’algorithme de substitution algorithme Algorithme « industrialisé » Matrice d’association Historique des propositions Référentiels produit Liste Programme de production des matrices d’associations Hub EAN substituts
  51. 51. © 52 Architecture Lab data Large Data Fast Data Prototyper l’algorithme de substitution Produire la matrice d’association Suivre et optimiser la performance l’algorithme Proposer des substitutions Intégrer l’algorithme de substitution Développer l’algorithme de substitution
  52. 52. © 53 Lab data Large Data Fast Data
  53. 53. © 54 Planning Run Initialisation du centre de services Conception et réalisation « large » Maintenance Monitoring applications Administration Gestion des projets de setup Gestion du centre de servicesProgram Management Gestion des projets d’évolutions BusinessIT Gestiondeprojetet deservices Setup Sprints algorithme sur le « lab » Mise en place architecture Définition du SLA Conception et réalisation « fast » Tests Sprints d’amélioration algorithme sur le « lab » Surveillance de la santé de l’algorithme « lab » Infra Hard & soft Hébergement et monitoring Data exploration M1 M2 M3 M4 M5
  54. 54. © 55 SOMMAIRESommaire 1. A propos de Soft Computing 2. Introduction 3. Big data : de quoi parle-t-on ? 4. Ce qui a évolué ces derniers mois 5. Vue du marketing 6. Big Data et datamining 7. Comment avancer ?
  55. 55. © 56 Débuter simple : log, stream, transaction Streams sociaux Weblogs Capteurs E-mails Transactions bancaires Pages web Documents scannés Trace GPS Données boursières Enregistrements téléphoniques Video-surveillance Données d’usage
  56. 56. © 57 Do It Yourself ou Appliance ? Ikea ou Roche Bobois ? Exemple Do it yourself Oracle appliance Application datamining / banque - 5 M clients actifs  300 nœuds – 900 Go RAM – 650 To DD Configuration 54 Dell serveurs*6 cœurs-16 Go-12 To Appliance Sun 18 serveurs*12 cœurs-48 Go-36 To Coût 150 K€ 150 K€ Avantage Evolutivité Clé en main
  57. 57. © 58 Où mettre les données ? En cible, 3 environnements : 1- Données chaudes 2- Analytique gros volumes 3- Datawarehouse structuré et agrégats DMP Attention à la souveraineté des données Enjeu sur les historiques dans le cloud Nota : le marketing n’est pas que digital Big data : données chaudes Big data : données froides Dataware : données structurées
  58. 58. © 59 Cohabitation Datawarehouse et big data SGBDR Connecteurs SQL Loader (import/export)
  59. 59. © 60 Open Source et Xaas Capex : 0 Opex progressifs Ouverture vers le onpremise et l’enterprise
  60. 60. © 61 3 compétences d’emblée Marketing DatascienceProgrammation
  61. 61. © 62 R.O.I. Connaissance Datamining Assortiments en magasins Rapports Rapports industriels Données : vision 360° client et produit Campagnes ciblées Technologies 1 2 3 4 Business Driven
  62. 62. © 63 Cibler des R.O.I. < 6 mois
  63. 63. © 64 Reconsidérer chaque année les ROI : les barrières à l’entrée baissent toujours plus 𝐋𝐨𝐢 𝐝𝐞 𝐊𝐫𝐲𝐝𝐞𝐫 ∶ € 𝐆𝐨 = 𝟏𝟎−𝟎,𝟐𝟓𝟎𝟐∗ 𝐚𝐧−𝟏𝟗𝟖𝟎 +𝟔,𝟑𝟎𝟒
  64. 64. © 65 Victoires rapides : 3 à 6 mois , 1 pilote 1. DMP : Data : Weblogs Objectif : extraire des parcours client pour qualifier des bases marketing, définir des programmes relationnels et des plans de vie. Cible : : eCommerce et medias 2. Ecoute active des réseaux sociaux : Data : Streams sociaux Objectif : analyses des twits, pages de marque, blog/commentaires afin d’identifier des ambassadeurs, détecter et analyser des évolutions et d’animer les échanges (services de community management) Cible : retail et pgc 3. Recommandations personnalisées : Data : Weblogs et BDM Objectif : faire des propositions personnalisées à la volée au visiteur à base d’autoapprentissage Cible : retail et eCommerce
  65. 65. © 66 Offre de services S ensibilisation tratégie andbox R oadmap ollout un

×