Contenu connexe Similaire à Soft Computing & IBM : Digital, Big Data & DMP (20) Plus de Soft Computing (9) Soft Computing & IBM : Digital, Big Data & DMP1. © Soft Computing – www.softcomputing.com
Digital, Big Data, DMP…
Tout le monde en parle…
Quels sont les applications marketing, les concepts et les outils ?
Soft Computing et IBM partagent leurs retours d’expériences à ce sujet.
Conférence IBM – Soft Computing à Lille
17/04/2015
2. © 2
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
3. © 3
Vos interlocuteurs
Frédéric PERONNE
Directeur Associé
fpn@softcomputing.com
Marie-Jo BAUDUIN
Directrice Agence Lille
mbd@softcomputing.com
Soft Computing :
LILLE : Euratechnologie, 165 Avenue de Bretagne, 59000 Lille, Tel 03 20 54 02 86
PARIS : 55 Quai de grenelle, 75015 PARIS, Tel 01 73 00 55 00
www.softcomputing.com
4. © 4
Compétences InterlocuteursPrestations Modalités Marchés
Data
Science
Information
Technologies
Direction Digital,
Marketing, Data
IT
AMOA
Think
Build
Run
Délégation
d’expertise
Mode projet
Centre de
services
Digital
Marketing
Clients : 80% des
F500 Français
12 pays servis
Expertises
Sectorielles
Retail
FinanceServices
Industrie
Carte d’identité : spécialiste Digital, Big Data & CRM
Spécialiste
Digital : 12,6 M€
Big Data: 11 M€
CRM: 14,5 M€
5. © 5
Du vécu métier
2003 2013
Web mining
15 M Clients
5 ans
Recommandations
Temps réel
Réseaux
d’influence
Analyse de
sentiments
50 To+
6. © 6
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
8. © 8
Le Client a changé
Le Digital Native né
en 1980
est devenu
Digital Dad (ou mom)
11. © 11
Quels enjeux actuels ?
Un parcours client personnalisé intégrant tous les canaux
d’interaction avec plus de valeur ajoutée quel que soit le canal, et
sans rupture
Une marque « nomade » basée sur une gestion continue
de la relation et répondant aux attentes de la génération Y
Une relation de plus en plus :
- dématérialisée pour la gestion quotidienne
- humaine pour les événements clés
De nouveaux produits et services…
« intelligents » « éco-responsables »
« généreux » « au juste prix » « modulaires »
La fiabilité et rapidité des échanges d’information comme
nouveau point de comparaison
=> Une marque « à l’écoute, impliquée, réactive »
CRM
Réseaux sociaux
DMP
Temps réel
Webanalytics
Display / RTB
Big Data
13. © 13
Dans ce contexte, nos clients initient et généralisent la mise en
place de nouveaux dispositifs relationnels…
Multiplicité des points de contacts avec leurs clients / prospects
Approche Multicanal / Omnicanal clients
Approche patrimoniale et souveraine de la donnée
Identification sur l’ensemble de leur écosystème CRM & digital
(Référentiel Client Unique…)
La puissance de leur connaissance clients acquises
Segmentations, scores, analyses consommation
La finesse dans l’activation clients, prospects identifiés
Programmes relationnels segmentés multi canal , Triggers
(demande de devis, Mails anniversaires..) , Re-marketing
14. © 14
…mais souhaitent aller plus loin dans la valorisation des données disponibles
+ 650 % de données collectées d’ici 2020
Digitalisation de notre quotidien L ’émergence des nouveaux usages Des couts de stockage en
baisse
15. © 15
…avec donc de nouveaux enjeux opérationnels
Dans la captation de la donnée sur les canaux numériques :
– Quelle stratégie de taggage ?
– Quelle stratégie de cookiefication ?
– Comment créer un master ID marketing ?
Dans son analyse :
– Comment enrichir les modèles de connaissance clients actuels ?
– Comment intégrer les opportunités offertes par le Big Data
Dans son activation :
– Comment optimiser / internaliser la gestion de mes achats médias ?
– Quel contrat relationnel construire avec mon client (respect CNIL) ?
– Comment garantir la cohérence de communication tous canaux ?
Dans la mesure :
– Quels KPI’s de performance ?
– Quels modèles d’attribution ?
16. © 16
Des données à aller chercher plus ou moins en profondeur dans
les systèmes et les parcours clients
Données clients
Données CRM
Données prospects
Données Web A
Données Second Party
Third Party
Réseaux Sociaux
Sémantiques
BDDM
DWH
DMP
Big Data
?
17. © 17
L’opportunité : l’exploitation de la donnée dans son ensemble
M
o
b
i
l
e
web
Données
« contractuelles » et
« transactionnelles »
Aujourd’hui Non exploré
Ex : Segmentation, scores
Exploitation des données
C
R
C
18. © 18
Les nouveaux besoins d’analyse
Améliorer la performance
de détection/ de prévision
avec des données exogènes
Proposer des produits de
substitution
Scorer à la volée
Analyser les sentiments, les
appels au SC
Recommander des produits
Appréhender les styles de
consommation
Identifier et optimiser les
parcours Web
Identifier et optimiser les
parcours en magasin
Segmenter les clients selon
leurs interactions
Omnicanal
19. © 19
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
20. © 2015 IBM Corporation
An overview of the IBM Analytics platform
Jacques Milman – Big Data executive Architect
Laurent Sergueenkoff – IBM Analytics Sales team Leader
21. © 2015 IBM Corporation2
Agenda
1. Introduction
2. IBM Analytic Strategy
3. IBM Watson Analytics
22. © 2015 IBM Corporation3
IBM engagements
Analytics for all
Propose technologies to simplify
data access and analysis
Analytics from everywhere
Give choice to access
technologies on premise or on the
cloud from any devices
Cloud Analytics Mobile Social Secure
23. © 2015 IBM Corporation4
Products that changing the Experience of Analytics
Data Analysis and
Visualization!
• Cloud-based predictive
& cognitive analytics
discovery platform
• Designed for business
use
Structured Data! Data at Rest!
• Deployment of hadoop
clusters
• Enables scaling of both
volume and processing
speed
• Rapid deployment of
data warehouses
• In-database analytic
capabilities for the best
analytic performance
Cloud
PureData for
Analytics
Cloud
IBM BigInsights on cloud IBM BigInsights for
Apache Hadoop
IBM Watson Analytics
Cloud
IBM Watson Explorer
& tools
25. © 2015 IBM Corporation6
IBM a Leader in the Forrester Wave:
Big Data Predictive Analytics Solutions, Q2 2015
Source: Forrester Research Inc. “The Forrester Wave: Big Data Predictive
Analytics Solutions, Q2 2015”, Mike Gualtieri & Rowan Curran, April 1, 2015
The Forrester Wave is copyrighted by Forrester
Research, Inc. Forrester and Forrester Wave are
trademarks of Forrester Research, Inc. The Forrester
Wave is a graphical representation of Forrester's call
on a market and is plotted using a detailed
spreadsheet with exposed scores, weightings, and
comments. Forrester does not endorse any
vendor, product, or service depicted in the Forrester
Wave. Information is based on best available
resources. Opinions reflect judgment at the time and
are subject to change.
“IBM assembles an impressive set of
capabilities, putting predictive at the center. No
matter how an organization wants to get
started with predictive analytics, IBM has an
option for them. The solution offers one of the
most comprehensive set of capabilities to build
models, conduct analysis, and deploy
predictive applications: both on-premises and
in the cloud. With customers deriving insights
from data sets with scores of thousands of
features, IBM’s predictive analytics has the
power to take on truly big data and emerge
with critical insights.”
Source: Forrester Research Inc. “The Forrester Wave:
Big Data Predictive Analytics Solutions, Q2 2015”, Mike
Gualtieri & Rowan Curran, April 1, 2015
26. © 2015 IBM Corporation7
IBM Positioned in Leaders Quadrant of the
Gartner Magic Quadrant for Advanced Analytics Platforms
Source: Gartner “Magic Quadrant for Advanced Analytics Platforms”,
Gareth Herschel, Alexander Linden, Lisa Kart, 19 February 2015
This graphic was published by Gartner, Inc. as part of a larger research document and should be evaluated in the context of the entire document. The Gartner document is available upon
request from IBM. Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the
highest ratings. Gartner research publications consist of the opinions of Gartner's research organization and should not be construed as statements of fact. Gartner disclaims all warranties,
expressed or implied, with respect to this research, including any warranties of merchantability or fitness for a particular purpose.
27. © 2015 IBM Corporation8
Agenda
2. IBM Analytics Strategy
28. © 2015 IBM Corporation9
Big Data & Analytics
Enable all analytics
Embrace all data
Run at the speed
of business
1
2
3
Results quickly
& easily digested
by anyone
Analytics
deployed
anywhere
Data analyzed
anywhere
and infused
everywhere
The Analytics Culture
Analytics is only as good as the data that fuels it
29. © 2015 IBM Corporation10
Big Data Drives Better Decisions
DATA
§ Drives every decision
§ Fuels every interaction
§ Powers every process
30. © 2015 IBM Corporation11
Big Data Adoption curve
Small/Medium Businesses
Large Businesses
VeryVeryVery
Large
q Entreprise DWH extension
q Big Data Analytics
q CRM
q Enterprise Data governance
à
q Business Case oriented
q Technology agnostics
q Cloud - PaaS
à
q Packaged solutions
q Cloud - SaSà
Small/Medium BusinessesSmall/Medium Businesses
Large Businesses
VeryVery
LargeLarge
31. © 2015 IBM Corporation12
Big Data Solution Scope
Data Sources
Transactional
Social
Application
User Generated
Journal
Video and Audio
Machine / Sensor
Documents
Third Party
Internal Insight
Reporting
Enterprise
Content
Discovery
Exploration
Decision
Management
Predictive
Analytics
Visualization
External-Facing
Applications
Web or Mobile
Systems of
Engagement
Information Governance
Real-time Analytics
NoSQL Doc
Store
Data Warehouse Deep Analytics,
Modeling
Operational
Systems
Landing,
Exploration,
Archive
Reporting,
Analytics
32. © 2015 IBM Corporation1313 © 2015 IBM Corporation
Infosphere BigInsights
DB2 BLU
CloudantPure Data for Analytics
(Netezza)
q IBM Hadoop offering
q 100% Apache/Open source (ODP)
q BIG SQL
q Big R
q Machine learning
q GPFS/HDFS
q Text Analytics
q Analytical/Datawarehouse appliance
q High Volumes
q Extreme simplicity
q HW acceleration
q In database analytics
q NoSQL document store (JSON)
q Web/Digital applications
q Geospatial capabilities
q Cloud & on premises
q Extreme scalability
q Mobile applications
q Columnar DB engine
q In memory
q SIMD acceleration
q Built for Analytics
q Extreme simplicity
q Stream Computing
q Real time analytics
q Complex event processingf (CEP)
q Time Series
q Geospatial analytics
q Extremely high throughput
q Low latency
q Search Based Application (SBA)
q Entreprise Search Engine
q Application builder
q Federated access
q Content Analytics
Infosphere Streams Watson Explorer
33. © 2015 IBM Corporation14
BigInsights & Open Source : Packaging Structure
Text Analytics
POSIX Distributed Filesystem
Multi-workload, Multi-tenant
scheduling
IBM BigInsights
Enterprise Management
Machine Learning on Big
R
Big R
IBM BigInsights
Data Scientist
IBM BigInsights
Analyst
Big SQL
BigSheets
Big SQL
BigSheets
IBM BigInsights for Apache Hadoop
IBM Open Platform with Apache Hadoop
HDFS MapReduce Spark Hive PigHCatalog
YARN Ambari HBase Flume Sqoop Solr/Lucene
34. © 2015 IBM Corporation15
Open Data Platform (announced 2/17)
The current ecosystem is
challenged and slowed by
fragmented and duplicated
efforts.
The ODP Core will take the
guesswork out of the
process and accelerate
many use cases by running
on a common platform.
Freeing up enterprises and
ecosystem vendors to
focus on building business
driven applications.
35. © 2015 IBM Corporation16
Open Data Platform Overview
q Develop an industry standard big data management platform with Hadoop
q What is ODP?
q Open-source, non-profit entity
q A focused, committed investment in evolving the current state of the platform
q Delivering a Foundation certified, packaged, and tested Reference Distribution
q Simplifies upstream and downstream qualification efforts
q Test once, use everywhere
q The ENTIRE industry is enabled to create big data offerings using this
reference implementation
q Apache: Complementary to the great work happening today
q Apache creates source artifacts inside projects, the foundation will create a
reference implementation of the fully integrated platform
36. © 2015 IBM Corporation17
Cloudant stack
q Based on CouchDB (open source)
q Leverages SQLite for Cloudant Sync
q All of this is wrapped in native-application-friendly APIs
www.cloudant.com
qAll of this is wrapped in native-application-friendly APIs
§Horizontal Clustering Framework
Visualization
Lucene
Search
Chainable
MapReduce
Replication &
Sync
IOQ
Fabric Mem3 Rexi
Apache CouchDB
Docs: JSON,
Attachments
Horizontal Clustering Framework
Geo-Spatial
Indexing
Geo-Load Balancing
37. © 2015 IBM Corporation18
Real time analytics to enable real time decision
Data Sources
Transactional
Social
Application
User Generated
Journal
Video and Audio
Machine/Sensor
Documents
Third Party
Internal Insight
Reporting
Discovery
Exploration
Decision
Management
Predictive
Analytics
Visualization
External-Facing
Applications
Web or Mobile
Systems of
Engagement
Landing,
Exploration,
Unstructured
Archive
Real Time
Analytics
CEP
Warehouse
DataMart
ODS
Operational
Web/Digital
NoSQL
HighvolumesEvents
Integration
ETL
Streams
38. © 2015 IBM Corporation19
Data Lake architecture
Data Sources
Transactional
Social
Application
User Generated
Journal
Video and Audio
Machine/Sensor
Documents
Third Party
Internal Insight
Reporting
Discovery
Exploration
Decision
Management
Predictive
Analytics
Visualization
External-Facing
Applications
Web or Mobile
Systems of
Engagement
Data Lake
Interaction
Hadoop
Data Warehouse
Data Mart
Operational
Other
Result Set
Query
39. © 2015 IBM Corporation20
Data Lake interoperability
Data Sources
Transactional
Social
Application
User Generated
Journal
Video and Audio
Machine/Sensor
Documents
Third Party
Internal Insight
Reporting
Discovery
Exploration
Decision
Management
Predictive
Analytics
Visualization
External-Facing
Applications
Web or Mobile
Systems of
Engagement
Data Lake
Interaction
Result Set
Query
Warehouse
Hadoop
40. © 2015 IBM Corporation21
IBM High value Clouds
Business
Process
as a Service
Software
as a Service
Platform
as a Service
Infrastructure
as a Service
Business Process
Solutions
Application Application Application Application Application
External
Ecosystem
Industry Collaboration
Human
Resources
Big Data
& Analytics
Commerce Marketing
Development
Big Data
& Analytics
Security Integration Mobile Social
Traditional
Workloads
Compute Storage Networking IBM Managed Cloud
Middleware
Services
Enabling business transformation
Marketplace of high value consumable business applications
Composable and integrated application development platform
Enterprise class, optimized infrastructure
Enterprise
as a Service
41. © 2015 IBM Corporation22
Data Movement and Refinement
Transactional
Systems
NoSQL Doc
Store
Landing,
Exploration,
Archive
Data
Warehousing
Hosted Data Services
Cloud Data Services for Big Data solutions (as of Apr. 2015)
Data Sources
Transactional
Social
Application
User Generated
Journal
Video and Audio
Machine / Sensor
Documents
Third Party
Internal Insight
Reporting
Enterprise
Content
Discovery
Exploration
Decision
Management
Predictive
Analytics
Visualization
External-Facing
Applications
Web or Mobile
Systems of
Engagement
NoSQL Doc Store Data Warehousing Deep Analytics,
Modeling
Operational
Systems
Landing,
Exploration,
Archive
Reporting,
Analytics
Real Time Analytics
Information Governance
Cloud Data Services
On Premises
Internal Insight
Reporting
Enterprise
Content
Discovery
Exploration
Decision
Management
Predictive
Analytics
Visualization
External-Facing
Applications
Web or Mobile
Systems of
Engagement
Data Sources
Transactional
Social
Application
User Generated
Journal
Video and Audio
Machine / Sensor
Documents
Third Party
42. © 2015 IBM Corporation23
DashDB
• Easy synchronization of JSON to structured data
• Allows analytics via standard BI tools
• In-database predictive algorithms allow greater insight for
Cloudant users than ever before
Cloudant Analytics
• Robust predictive analytic algorithms
• Integrated with R
• Watson Analytics Ready
• Analytics Ecosystem with Partners
In-Database Analytics
• Data Warehousing and Analytics in the Cloud
• Cloud Agility and Flexibility
• Analytics for Cloud Data, Data Marts, and dev/test
environments
Data Warehouse & Analytics Service
43. © 2015 IBM Corporation24
Agenda
3. IBM Watson Analytics
44. © 2015 IBM Corporation25
Technology has changed expectations
Our work and personal lives have blurred
It’s an “always-on” world
A Do-It-Yourself mentality prevails
45. © 2015 IBM Corporation26
Leveraging analytics still faces many obstacles
u A e A c u
r c u u u ue n e a u o u e
have a limited
understanding of
how to use analytics
to improve their
business
an,
Self-service analytics and
expectations to drive
better data-driven
decisions are rising
of the time is
spend on data
preparation
n1,
Making decisions rapidly
is no longer a goal; it’s an
imperative
lack of skills
internally in the
business
hn,
Need expert guidance to
perform analytic tasks
without developing skills
in specific tools
46. © 2015 IBM Corporation27
No data refinement
capabilities
Data exploration only
Slower to deploy, requires a
desktop installation
Creates data silos and maintenance
tasks for IT
Data needs to be manually
refined, an IT intensive task
Can only address simple
business questions
Not truly a “business user” solution
Existing “Desktop” solutions fall short
Still requires significant analytic skill
47. © 2015 IBM Corporation28
Even a simple analytics project has multiple
steps and peoplesteps and people
Data
Access
Data
Preparation
Analysis
Validation
Collaboration
Reporting
Data Scientists
and Statisticians
Business
Users
ITBusiness
Analysts
48. © 2015 IBM Corporation29
And it’s rarely a straightforward process
e
Data Scientists
and StatisticiansBusiness Users
IT
Business
Analysts
49. © 2015 IBM Corporation30
Fully Automated
Intelligence
Natural
Language
Dialogue
Guided Analytic
Discovery
Single Analytics
Experience
IBM Watson Analytics
50. © 2015 IBM Corporation31
c % %
c10
%
3
3
3
c110 3
3
3
3
3
IBM Watson Analytics for smarter data discovery
51. © 2015 IBM Corporation32
Business Analysts
Data Scientists
Self-sufficiency for business users and experts alike
Business Users
IBM Watson Analytics
52. © 2015 IBM Corporation33
Marketing
Campaign
Planning
and ROI
Sales
Customer
Retention
Finance
Prioritizing
Accounts
Receivable
IT
Helpdesk
Case
Analysis
Operations
Warranty
Analysis
HR
Identifying and
Retaining Key
Employees
Analytics can make a difference in many ways
… here are a few examples
53. © 2015 IBM Corporation34
IBM Watson Analytics demo
55. © 20
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
56. © 21
En 2015 l’expérience client est devenue la grande priorité du digital,
Rapport Trimestriel d’Econsultancy et Adobe sur l’intelligence digitale T1 2015, répondants tous pays et tous secteurs d’activité
C’est la problématique qu’adresse
directement l’écosystème Webanalytics,
DMP, Big Data
57. © 22
L’enjeu est d’exploiter l’ensemble des interactions avec les clients
Conversion
Génération de
trafic
Prescription
Re-Sell /
Up-sell
RétentionAnimation
Acquisition Développement Fidélisation
58. © 23
Le client se rend à
nouveau sur le site
(entre J et J+X)
Réception d’un email à H+2
communication sur les services
(livraison rapide, Click &
Collect…)
Un client se rend sur
le site internet
Ex. PARCOURS ROPO
Objectif : augmenter le taux de transformation multicanal des clients
1
L’internaute recherche
des Perceuses
2
L’internaute quitte le
site sans achat
3
Push notification sur compte
mobile avec offre/service
dédié
Personnalisation parcours web avec mise
en avant produits en lien avec les
Perceuses consultées (ex: Zone Push
Homepage)
à J+X, le client se rend en
magasin : il est reconnu par
ibeacon, un push
promotionnelle lui est
proposé et/ou une mise en
relation avec un vendeur
disponible lui est proposé
Déclenchement d’un tchat sur le site :
Proposition d’un rdv avec un vendeur en
mag pour bénéficier d’une démo, de
conseils personnalisés ?Click
CRM
5
7
Enregistrement
du cookie
Identification?
NON
Identification des internautes et
croisement avec données CRM,
Cohérence de communication : d’où il
vient? Quelle bannière/offre il a vu? a-
t-i déjà acheté une perceuse
auparavant? En fonction, population à
exclure
6 8
Moteur
de perso
Moteur
de perso
DMP
4
Email connu
Compte appli mobile connu
9
OUI
Reconnaissance ibeacon
59. © 24
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
60. © 25
Surveillance des réseaux sociaux
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
Les principales thématiques qui
ressortent sont les réductions en
magasins avec un fort lien entre les 3
concepts « réduction », « boutique » et
« jours ».
Identification d’un sentiment de
mécontentement entre 2 posts
abordant des notions de
récompense de la fidélité et des
problèmes liés à une commande.
Qualification complémentaire sur de
l’engagement
61. © 26
Analyser les sentiments
Un acteur de la
distribution
spécialisée
Mieux caractériser ses clients en
fonction de leur Posts Facebook,
Twitter et sur le Blog de l’enseigne
• 10 000 posts analysés de client authentifiés
• Client : Age, adresse, segment RFM…
• Transactions : date, montant, produit, famille de produit, canal….
• Contacts avec le service client : date, motif…
• Posts : 2 semaines
• Transaction : 12 mois
62. © 27
Analyser les sentiments
35 jours
1. Extraction des données et cleaning
2. Extraction des concepts thématiques
3. Segmentation/ regroupement des
thématiques
• Utilisation de la segmentation pour l’optimisation des
campagnes marketing
• Mise en place d’alerte sur Mots clés
• Analyse de données Textuelles
• ACM / Classification
• Arbre de décision pour l’extrapolation
4. Intégration des données CRM
5. Identification des règles d’extrapolation à la base
6. Application des règles à l’ensemble du portefeuille
63. © 28
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
65. Le Graal :
DMP + CRM
Cookie
profil
CRM profil
@social
user
Open graph
Navi-gation
Transac-
tions
Evéne-
ments
66. © 31
Clients : le client digital au coeur
Client
digital
Visiteur digital
Client non digital
67. © 32
Annonceur
Canaux sortantsCanaux entrants
La DMP est la plateforme fonctionnelle qui couvre le plus large
champ d’interactions et de données
CRM
DMP
Web analytics
Canaux Bilatéraux
BIG
DATA
68. © 33
Les promesses du couplage vu de l’annonceur
Déclencher des actions marketing ciblées
personnalisées en fonction d’événements liés à
une session digitale
Personnaliser en temps réel le ciblage
d’audience en tenant compte de données
client
Réconcilier données de visite et d’exposition et données CRM
pour améliorer la connaissance client et optimiser le ROI
marketing
Personnaliser l’expérience et les messages digitaux
en tenant compte de données sur le visiteur
69. © 34
La DMP : Le cœur du réacteur
La réconciliation de différents ID dans la durée
Id device Id device Id browser
Id web
analytics
Id experience
manager
Master Id
Adresse
email
Id CRM Id social
70. © 35
Use Case : Optimisation des achats Display par exclusion des clients
Description du cas
Plan d’actions
Client
existant ?
OUI
NON
CRM
RCU
DMP
Un internaute accède au
site de l’éditeur
1
L’éditeur propose aux
enchères un
emplacement publicitaire
sur cette page
2
L’adexchange
propose l’enchère
à la DMP via un
DSP
3
5
La DMP réconcilie le cookie
de l’utilisateur avec le
référenciel client coockifié
4
La DMP refuse l’enchère sur
l’adexchange et déclenche
l’envoi d’un retargetting par
email
Adexchange
La DMP autorise l’achat sur
l’adexchange et l’internaute
est exposé à la bannière Accor
6
X
e-mail
71. © 36
Use Case : Campagne réactivation suite à identification opportunité sur
site tiers
Description du cas
Plan d’actions
CRM
Un internaute est identifié dans le
segment « appétent voyages
dans 3 mois » par une source 3rd
Party
1
La DMP identifie que le client fait
partie du segment « pas de visite
depuis + de 13 mois »
2
Le client est ciblé dans une campagne
de réactivation par le canal auquel il est
le plus appétent.
4
DMP
Le client est identifié dans les deux plus
déciles haut du score d’abandon CRM
3
X
72. © 37
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
73. © 38
Quels sont les obstacles pour
mettre en œuvre tous ces
concepts ?
• Coûts et délais des projets internes,
• Difficultés à anticiper les besoins,
• Faible capacité d’investissement,
• Sourcing et maintien d’expertises pointues,
• Manque de flexibilité des solutions ou SI existants,
…
74. © 39
Périmètre
Retail Finance Telco Media Utilities Travel
Processes
Data
Compétences
Outils
Un dispositif, comprenant: des services, des
outils, des processus et des expertises, pour
doter les Directions Marketing des moyens
d’assurer leurs nouvelles responsabilités
75. © 40
Couverture
Connaissance
client
Réalisation et
mesure de
campagnes
Reporting client
produit canal
Data Sharing
Gestion backoffice
de compte fidélité
Référentiel Client
Unique Transactionnel
Qualité de
données
Centre de service
marketing
Campagne
Couponing
Interractio
n inbound
Marketing
Web
Analytics
Clienteling
Ecoute des
Réseaux Sociaux
Optimisation
des Assortiments
Portail de
gestion
fiche Client
Moteur de
calcul
d’avantages
Gestion Relation
Client et SAV
Conseil
marketing
DMP
1st Party
Gestion des
Big Data
76. © 41
Socle de données éprouvé : DWReady
Données
Data quality
et sécurité intégrées
Multi Pays
Multi Marques
Multi Enseignes
Multi Formats
Omni-canal,
Digital
Données
internes et
externes,
Big Data,
…
77. © 42
Des Données… Mais de qualité !
EnrichissementRNVP DédupModèle de données Collecte
Structurées
Nettoyées
Enrichies
Données
78. Des accélérateurs
Plug & BI :
Primitives de collecte et d’alimentation
DWReady :
Structure de données et dictionnaire
Soft VisionReady :
KPI et dimensions
79. Des accélérateurs
DRD :
Déduplication floue et stricte
batch et temps réel
DWReady :
Structure de données
Soft Vision :
Rapports et dimensions
Saturne :
RNVP et enrichissements batch
et temps réel sur 180 pays
80. © 45
Services + Technologies = Dispositif
Infrastructures
Business Apps
Services Support
Services Business
Support Apps
Services de
développement
Exploitation
Maintenance
Supervision
Support utilisateurs
Pilotage du services
Hébergement
Serveurs
Sécurité
Sauvegarde
Réseaux
Routeurs email
Dataquality
ETL
Supervision
Gestion des droits
annuaires
Primitives
d’alimentations
Suite BI
Gestion des demandes
Modèle de données
EMA
Datamining
GRC
Reporting
Datasharing
Back-office fidélité
Animation
commerciale
Web-analytics
Ecoute des réseaux
sociaux
Enquêtes
Portail
Centre de service études
Connaissance client
Marketing opérationnel
Conseil marketing et
digital
Délégation d’expertise
Mesure de la performance
Délivrabilité
Optimisation
82. © 47
Fonctionnement en Centre
de Services structurant
Process
Utilisateur utilise le
service
Direction marketing
Client
Définit les besoins et
gère les processus
Chargé de clientèle
Pilote les services
Service desk
Supporte les
utilisateurs
Production
exploite,
administre et
héberge le service
Conseil/Ressource
Métier
Gère les processus
opérationnels
Projet et
maintenance
Maintient et fait
évoluer les
systèmes
Sponsor Client
Négocie et
suit le service
83. © 48
Vivier d’expertise
« OnDemand »
Compétences
Fidélité
Marketing
produit
Acquisition
Big data
Marketing client
Gestionnaire de
campagnes
Social
marketing
Conseil fichier
et légal
Datamining
Search
Deliverabilité
84. © 49
Vison complète à 360°
pour chaque client
Prise de vue instantanée
du Client et synthèse des
données centralisées
La fiche client fournit des
détails incluant des données
externes
Vision Client 360°
86. © 51
Débuter simple: log, stream, transaction
Streams sociaux Weblogs Capteurs E-mails
Transactions Pages web Documents scannés Trace GPS
Données de marché Enregistrements Video-surveillance Données d’usage
87. © 52
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses
88. © 53
Cas d’un grand distributeur GSA
Mise en place d’une plateforme SMR
– Référentiel CRM Porteurs et non porteurs de carte de fidélité
– Collecte et historisation de 48 mois de ventes niveau détail, tous canaux
– Intégration de données de marché (Panels et référentiels)
– Gestion des campagnes tous canaux et historisation
– Bac à sable études et couplage avec la gestion de campagnes
– Optimisation des assortiments
– Portail de datasharing destinée aux industriels
– Plateforme de reporting à la carte et push réseau
Mise à disposition d’un centre de service
– Gestion complète de la plateforme SRR
– Centre d’étude marketing et de connaissance client
– Equipe de marketing opérationnel (paramétrage et gestion des campagnes)
89. Exemple d’études
Segmentation Clients selon
leur sensibilité aux e-mailings
Enjeux et
objectifs
Résultats
Développer une stratégie
d’animation performante et
génératrice de CA en
segmentant les clients selon le
croisement : récence
d’ouverture et réactions
(ouverture et réactivité)
Ajuster les niveaux de
pression commerciale par
segment pour maximiser les
taux d’ouverture
Adapter la stratégie
d’animation:
Personnaliser les contenus
sur les meilleurs clients
Comprendre les raisons du
désintérêt sur les segments les
moins réactifs
Résultats :
+ 8 pts ouverture
+ 4 pts clics
91. © 56
Proposer des produits de substitution
Un acteur de la
grande distribution
Etre en mesure de proposer un
produit de substitution quand le
produit n’est pas vendu par le
distributeur
• Liste des EAN de l’enseigne avec tous leurs attributs : libellés de
l’EAN, famille de produits, poids, package, format…
• Liste des EAN publiques avec tous leurs attributs : libellés de l’EAN,
famille de produits, poids, package, format…
• Pas de données d’apprentissage
92. © 57
Bénéfices
Concret : 1ère campagne en moins de 3 mois
Structurant : apport de process et bonnes pratiques
Simple : complexité masquée, expertises en complément
Sûr : souveraineté sur les donnés et outils respectée
Evolutif : déploiement progressif et linéaire
Compétitif : 2 à 4 fois moins coûteux versus projets internes
94. © 59
SOMMAIRESommaire
1. Présentation de Soft Computing
2. Les nouveaux défis du Marketing
3. L’offre IBM
4. Des usages métiers
A. Parcours clients Cross canal
B. Réseaux sociaux/web logs et influence
C. DMP et CRM: la réconciliation
5. Une réponse à la complexité croissante: l’offre « outils &
services » Soft Computing Marketing Ready
A. Etude de cas : une enseigne de distribution alimentaire
6. Questions/réponses