Soft Computing, profile picture
Téléchargé parSoft Computing
PDF, PPTX5,106 vues

Soft Computing & IBM : Digital, Big Data & DMP

Le document présente une conférence sur l'impact du big data et des outils numériques dans le marketing, en soulignant les défis contemporains auxquels les entreprises font face pour intégrer des interactions client multicanal. Il aborde également l'offre d'IBM et de Soft Computing, ainsi que des études de cas sur des parcours clients optimisés grâce à l'analyse de données. L'événement met en avant des solutions analytiques novatrices pour améliorer l'expérience client et le processus décisionnel.

Technologie◦
Sujets connexes:
Soft Computing•

Intégrer la présentation

Télécharger en tant que PDF, PPTX
© 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 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 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 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 Du vécu métier 2003 2013 Web mining 15 M Clients 5 ans Recommandations Temps réel Réseaux d’influence Analyse de sentiments 50 To+
© 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
© 7 SOMMAIRESommaire Focus sur les utilisations marketing
© 8 Le Client a changé Le Digital Native né en 1980 est devenu Digital Dad (ou mom)
© 9 Son mode d’expression change AVANT APRES
© 10 Son mode de consommation change AVANT APRES
© 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
© 12 Big data et Digital 2015 Démocratisation
© 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 …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 …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 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 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 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 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
© 2015 IBM Corporation An overview of the IBM Analytics platform Jacques Milman – Big Data executive Architect Laurent Sergueenkoff – IBM Analytics Sales team Leader
© 2015 IBM Corporation2 Agenda 1. Introduction 2. IBM Analytic Strategy 3. IBM Watson Analytics
© 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
© 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
© 2015 IBM Corporation Analysts point of view
© 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
© 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.
© 2015 IBM Corporation8 Agenda 2. IBM Analytics Strategy
© 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
© 2015 IBM Corporation10 Big Data Drives Better Decisions DATA §  Drives every decision §  Fuels every interaction §  Powers every process
© 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
© 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
© 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
© 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
© 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.
© 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
© 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 qAll 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
© 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
© 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
© 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
© 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
© 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
© 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
© 2015 IBM Corporation24 Agenda 3. IBM Watson Analytics
© 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
© 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
© 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
© 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
© 2015 IBM Corporation29 And it’s rarely a straightforward process e Data Scientists and StatisticiansBusiness Users IT Business Analysts
© 2015 IBM Corporation30 Fully Automated Intelligence Natural Language Dialogue Guided Analytic Discovery Single Analytics Experience IBM Watson Analytics
© 2015 IBM Corporation31 c % %   c10 % 3 3 3 c110 3 3 3 3 3 IBM Watson Analytics for smarter data discovery
© 2015 IBM Corporation32 Business Analysts Data Scientists Self-sufficiency for business users and experts alike Business Users IBM Watson Analytics
© 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
© 2015 IBM Corporation34 IBM Watson Analytics demo
© 2015 IBM Corporation35
© 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
© 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
© 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
© 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
© 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
© 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
© 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
© 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
© 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
© 29 DMP Publicité Agence Canaux relationnels Nécessité d’une coordination omnicanale pour que chaque point de contact apporte une valeur ajoutée au client Web analytics CRM
Le Graal : DMP + CRM Cookie profil CRM profil @social user Open graph Navi-gation Transac- tions Evéne- ments
© 31 Clients : le client digital au coeur Client digital Visiteur digital Client non digital
© 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
© 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
© 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
© 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
© 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
© 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
© 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, …
© 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
© 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
© 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, …
© 42 Des Données… Mais de qualité ! EnrichissementRNVP DédupModèle de données Collecte Structurées Nettoyées Enrichies Données
Des accélérateurs Plug & BI : Primitives de collecte et d’alimentation DWReady : Structure de données et dictionnaire Soft VisionReady : KPI et dimensions
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
© 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
© 46 Best-of-breed intégré et verticalisé Outils
© 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
© 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
© 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°
© 50
© 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
© 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
© 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)
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
© 55 Exemple de problématique
© 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
© 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
© 58 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
© 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
© 60 Questions Réponses

Contenu connexe

PDF
Du Data Mining à la Data Science
parSoft Computing
 
PDF
Soft Marketing Ready : une solution tout-en-un pour les Directions Marketing ...
parSoft Computing
 
PDF
Machine Learning et Intelligence Artificielle
parSoft Computing
 
PDF
Data Lake
parSoft Computing
 
PDF
Big Data by Soft Computing
parSoft Computing
 
PDF
Big Data by Soft Computing - Lille
parSoft Computing
 
PDF
BigData selon IBM
parSolutions IT et Business
 
PDF
Coupler web-analytics-et-campagnes-marketing-ciblees
parSoft Computing
 
Du Data Mining à la Data Science
parSoft Computing
 
Soft Marketing Ready : une solution tout-en-un pour les Directions Marketing ...
parSoft Computing
 
Machine Learning et Intelligence Artificielle
parSoft Computing
 
Data Lake
parSoft Computing
 
Big Data by Soft Computing
parSoft Computing
 
Big Data by Soft Computing - Lille
parSoft Computing
 
BigData selon IBM
parSolutions IT et Business
 
Coupler web-analytics-et-campagnes-marketing-ciblees
parSoft Computing
 

Tendances

PDF
Réseaux Sociaux, CRM/PRM et Digital
parSoft Computing
 
PDF
19/10/17 Séminaire Référentiel Client Unique
parSoft Computing
 
PDF
CRM & DMP : le digital au service d’une animation client omnicanal et temps réel
parSoft Computing
 
PDF
Des reportings efficients pour des analyses pertinentes
parSoft Computing
 
PDF
Données Personnelles
parSoft Computing
 
PDF
27/04/17 Séminaire Données Personnelles
parSoft Computing
 
PDF
05/10/17 Matinale Qlik Sense
parSoft Computing
 
PDF
29/06/17 Matinale Python
parSoft Computing
 
PDF
Objets Connectés (IoT) et Data Science
parSoft Computing
 
PDF
Moteur de Recommandation
parSoft Computing
 
PDF
01/06/2017 Matinale Activation Client personnalisée et Délivrabilité
parSoft Computing
 
PDF
Salon e-Marketing 2015 : La donnée, accélérateur de toutes les convergences ...
parSoft Computing
 
PDF
07/12/17 Séminaire Expérience Client
parSoft Computing
 
PDF
Livre Blanc : comprendre les data-lakes
parConverteo
 
PDF
Matinale Technologique SAS
parSoft Computing
 
PDF
Salon Big Data 2015 : Big Data et Marketing Digital, Retours d’expérience en ...
parSoft Computing
 
PDF
06/07/17 Table ronde Data Transformation Program
parSoft Computing
 
PDF
16/04/19 Matinale Experts Marketing Omnicanal
parSoft Computing
 
PDF
DMP : après un temps d'observation, comment l'inscrire dans une réalité opéra...
parSoft Computing
 
PDF
Du datamining à la datascience
parSoft Computing
 
Réseaux Sociaux, CRM/PRM et Digital
parSoft Computing
 
19/10/17 Séminaire Référentiel Client Unique
parSoft Computing
 
CRM & DMP : le digital au service d’une animation client omnicanal et temps réel
parSoft Computing
 
Des reportings efficients pour des analyses pertinentes
parSoft Computing
 
Données Personnelles
parSoft Computing
 
27/04/17 Séminaire Données Personnelles
parSoft Computing
 
05/10/17 Matinale Qlik Sense
parSoft Computing
 
29/06/17 Matinale Python
parSoft Computing
 
Objets Connectés (IoT) et Data Science
parSoft Computing
 
Moteur de Recommandation
parSoft Computing
 
01/06/2017 Matinale Activation Client personnalisée et Délivrabilité
parSoft Computing
 
Salon e-Marketing 2015 : La donnée, accélérateur de toutes les convergences ...
parSoft Computing
 
07/12/17 Séminaire Expérience Client
parSoft Computing
 
Livre Blanc : comprendre les data-lakes
parConverteo
 
Matinale Technologique SAS
parSoft Computing
 
Salon Big Data 2015 : Big Data et Marketing Digital, Retours d’expérience en ...
parSoft Computing
 
06/07/17 Table ronde Data Transformation Program
parSoft Computing
 
16/04/19 Matinale Experts Marketing Omnicanal
parSoft Computing
 
DMP : après un temps d'observation, comment l'inscrire dans une réalité opéra...
parSoft Computing
 
Du datamining à la datascience
parSoft Computing
 

En vedette

PPTX
Les 10 questions à se poser pour manager ses choix technologiques - sous l'an...
parOlivier Lombart
 
PDF
Animation Client Omnicanal
parSoft Computing
 
PPTX
Transformation digitale: quelles opportunités pour quels défis?
parButter-Cake blog by Youmna Ovazza
 
PDF
Bpifrance le lab - le numerique deroutant
parBpifrance
 
PDF
Bpifrance Le Lab - Disrupter la banque pour la sauver
parBpifrance
 
PPSX
Introduction au BIG DATA
parZakariyaa AIT ELMOUDEN
 
PDF
Les Français et la banque : bouleversements en vue !
parWavestone
 
PDF
BPCE Assurances - Jean-Marie Adam : Comment gérer la transformation digitale ...
parInsurance_Marketing
 
DOCX
Big data et marketing :Vers une analyse prédictif de d'acte d'achat
parfifi75
 
PPTX
Big data
parYosra ADDALI
 
PDF
Business intelligence-dans-la-banque-de-demain
parSoft Computing
 
PDF
Rapport tarifs-bancaires juillet 2010 / http://www.banque-france.fr/ccsf/fr/p...
parMinistère de l'Économie et des Finances
 
PDF
E-banking - L'E-transformation de la Banque
parElena HERNANDEZ
 
PPTX
La Communication Non-Violente (CNV)
parKeley Consulting
 
PDF
Point de Vue Sopra Consulting sur le Big Data
parNicolas Peene
 
PDF
OCTO Technologies - Mobile Monday Maroc: M-Banking & M-Payment
parmmmaroc
 
PDF
Elia Consulting - Les salariés du secteur banque/assurance face à la digitali...
parElia Consulting
 
PDF
Groupama banque - Stratégie Digitale point presse 22 mai 2014
parAntoine Wintrebert
 
PDF
Dossier de Presse - Signature Electronique BPCE - Avril 2013
parAntoine Wintrebert
 
PDF
Application Mobile "Livre des histoires " avec Corona sdk
parNazih Heni
 
Les 10 questions à se poser pour manager ses choix technologiques - sous l'an...
parOlivier Lombart
 
Animation Client Omnicanal
parSoft Computing
 
Transformation digitale: quelles opportunités pour quels défis?
parButter-Cake blog by Youmna Ovazza
 
Bpifrance le lab - le numerique deroutant
parBpifrance
 
Bpifrance Le Lab - Disrupter la banque pour la sauver
parBpifrance
 
Introduction au BIG DATA
parZakariyaa AIT ELMOUDEN
 
Les Français et la banque : bouleversements en vue !
parWavestone
 
BPCE Assurances - Jean-Marie Adam : Comment gérer la transformation digitale ...
parInsurance_Marketing
 
Big data et marketing :Vers une analyse prédictif de d'acte d'achat
parfifi75
 
Big data
parYosra ADDALI
 
Business intelligence-dans-la-banque-de-demain
parSoft Computing
 
Rapport tarifs-bancaires juillet 2010 / http://www.banque-france.fr/ccsf/fr/p...
parMinistère de l'Économie et des Finances
 
E-banking - L'E-transformation de la Banque
parElena HERNANDEZ
 
La Communication Non-Violente (CNV)
parKeley Consulting
 
Point de Vue Sopra Consulting sur le Big Data
parNicolas Peene
 
OCTO Technologies - Mobile Monday Maroc: M-Banking & M-Payment
parmmmaroc
 
Elia Consulting - Les salariés du secteur banque/assurance face à la digitali...
parElia Consulting
 
Groupama banque - Stratégie Digitale point presse 22 mai 2014
parAntoine Wintrebert
 
Dossier de Presse - Signature Electronique BPCE - Avril 2013
parAntoine Wintrebert
 
Application Mobile "Livre des histoires " avec Corona sdk
parNazih Heni
 

Similaire à Soft Computing & IBM : Digital, Big Data & DMP

PDF
Big Data: quelle valeur pour l'entreprise
parGenève Lab
 
PDF
EBG - Livret de synthèse 2017
par55 | fifty-five
 
PPTX
Big data - Cours d'introduction l Data-business
parVincent de Stoecklin
 
PDF
L'impact du Big Data sur les stratégies marketing
parVictor Fremiot
 
PDF
BIG DATA AS A STRATEGY : CUSTOMER EXPERIENCE AND ANALYTICS
parJawad Jari, Enterprise Architect
 
PDF
Big Data : nouvelle donne et opportunités - par Romain Chaumais, Co-Fondateur...
parChristelle EDHEC
 
PDF
HUBREPORT - Future of Data & CRM [EXTRAIT]
parHUB INSTITUTE
 
PDF
Le Big Data et les analytics : quels enjeux pour le marketing BtoB
parSparklane
 
PDF
CRM & DMP : une convergence inévitable
parSoft Computing
 
PDF
Comment coupler votre Webanalytics et votre CRM ?
parSoft Computing
 
PDF
Livre Blanc Big Data : fin ou renouveau du Marketing ?
parAproged
 
PDF
Bluemix Paris Meetup : Big data et Analytics - 15 avril 2015
parIBM France Lab
 
PDF
Seminaire Soft Computing Interactive
parSoft Computing
 
PDF
Maîtriser concrètement le Big Data
parSoft Concept
 
PDF
Le marketing suisse à l'heure du big data
par1.618 Digital Agency
 
PDF
Webanalytics et CRM
parSoft Computing
 
PPT
Connaissance marché et apports du web
parThomas Coustenoble
 
PDF
Perspectives n°17 aout-septembre 2013 - athénéa conseils
parYoann DUCUING
 
PPTX
14Mar14 Tendances big data HEC - v1.2
parMarc-Eric LaRocque
 
PPTX
19 fév 2014 Tendances Big Data - v1.0
parMarc-Eric LaRocque
 
Big Data: quelle valeur pour l'entreprise
parGenève Lab
 
EBG - Livret de synthèse 2017
par55 | fifty-five
 
Big data - Cours d'introduction l Data-business
parVincent de Stoecklin
 
L'impact du Big Data sur les stratégies marketing
parVictor Fremiot
 
BIG DATA AS A STRATEGY : CUSTOMER EXPERIENCE AND ANALYTICS
parJawad Jari, Enterprise Architect
 
Big Data : nouvelle donne et opportunités - par Romain Chaumais, Co-Fondateur...
parChristelle EDHEC
 
HUBREPORT - Future of Data & CRM [EXTRAIT]
parHUB INSTITUTE
 
Le Big Data et les analytics : quels enjeux pour le marketing BtoB
parSparklane
 
CRM & DMP : une convergence inévitable
parSoft Computing
 
Comment coupler votre Webanalytics et votre CRM ?
parSoft Computing
 
Livre Blanc Big Data : fin ou renouveau du Marketing ?
parAproged
 
Bluemix Paris Meetup : Big data et Analytics - 15 avril 2015
parIBM France Lab
 
Seminaire Soft Computing Interactive
parSoft Computing
 
Maîtriser concrètement le Big Data
parSoft Concept
 
Le marketing suisse à l'heure du big data
par1.618 Digital Agency
 
Webanalytics et CRM
parSoft Computing
 
Connaissance marché et apports du web
parThomas Coustenoble
 
Perspectives n°17 aout-septembre 2013 - athénéa conseils
parYoann DUCUING
 
14Mar14 Tendances big data HEC - v1.2
parMarc-Eric LaRocque
 
19 fév 2014 Tendances Big Data - v1.0
parMarc-Eric LaRocque
 

Plus de Soft Computing

PDF
Data Science
parSoft Computing
 
PDF
23/11/17 Matinale Usages Réactivation et SMS Enrichi
parSoft Computing
 
PDF
Séminaire RCU
parSoft Computing
 
PDF
17/05/18 Matinale Usages Activation Omnicanal
parSoft Computing
 
PDF
La Gouvernance des Données
parSoft Computing
 
PDF
Phygital
parSoft Computing
 
PDF
Machine Learning
parSoft Computing
 
PDF
Digital In Store
parSoft Computing
 
PDF
Séminaire Expérience Client
parSoft Computing
 
PDF
Expérience Client
parSoft Computing
 
PDF
25/01/18 Matinale Data Science
parSoft Computing
 
PDF
28/09/2017 Séminaire Data & Activation Client
parSoft Computing
 
PDF
Matinale Technologique Adobe Campaign
parSoft Computing
 
Data Science
parSoft Computing
 
23/11/17 Matinale Usages Réactivation et SMS Enrichi
parSoft Computing
 
Séminaire RCU
parSoft Computing
 
17/05/18 Matinale Usages Activation Omnicanal
parSoft Computing
 
La Gouvernance des Données
parSoft Computing
 
Phygital
parSoft Computing
 
Machine Learning
parSoft Computing
 
Digital In Store
parSoft Computing
 
Séminaire Expérience Client
parSoft Computing
 
Expérience Client
parSoft Computing
 
25/01/18 Matinale Data Science
parSoft Computing
 
28/09/2017 Séminaire Data & Activation Client
parSoft Computing
 
Matinale Technologique Adobe Campaign
parSoft Computing
 

Soft Computing & IBM : Digital, Big Data & DMP

  • 1.
    © 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. Présentationde 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 FrédéricPERONNE 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 InterlocuteursPrestationsModalités 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 vécumétier 2003 2013 Web mining 15 M Clients 5 ans Recommandations Temps réel Réseaux d’influence Analyse de sentiments 50 To+
  • 6.
    © 6 SOMMAIRESommaire 1. Présentationde 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
  • 7.
    © 7 SOMMAIRESommaire Focus surles utilisations marketing
  • 8.
    © 8 Le Clienta changé Le Digital Native né en 1980 est devenu Digital Dad (ou mom)
  • 9.
    © 9 Son moded’expression change AVANT APRES
  • 10.
    © 10 Son modede consommation change AVANT APRES
  • 11.
    © 11 Quels enjeuxactuels ? 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
  • 12.
    © 12 Big dataet Digital 2015 Démocratisation
  • 13.
    © 13 Dans cecontexte, 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 souhaitentaller 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 doncde 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 donnéesà 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 nouveauxbesoins 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. Présentationde 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 IBMCorporation An overview of the IBM Analytics platform Jacques Milman – Big Data executive Architect Laurent Sergueenkoff – IBM Analytics Sales team Leader
  • 21.
    © 2015 IBMCorporation2 Agenda 1. Introduction 2. IBM Analytic Strategy 3. IBM Watson Analytics
  • 22.
    © 2015 IBMCorporation3 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 IBMCorporation4 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
  • 24.
    © 2015 IBMCorporation Analysts point of view
  • 25.
    © 2015 IBMCorporation6 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 IBMCorporation7 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 IBMCorporation8 Agenda 2. IBM Analytics Strategy
  • 28.
    © 2015 IBMCorporation9 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 IBMCorporation10 Big Data Drives Better Decisions DATA §  Drives every decision §  Fuels every interaction §  Powers every process
  • 30.
    © 2015 IBMCorporation11 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 IBMCorporation12 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 IBMCorporation1313 © 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 IBMCorporation14 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 IBMCorporation15 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 IBMCorporation16 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 IBMCorporation17 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 qAll 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 IBMCorporation18 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 IBMCorporation19 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 IBMCorporation20 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 IBMCorporation21 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 IBMCorporation22 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 IBMCorporation23 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 IBMCorporation24 Agenda 3. IBM Watson Analytics
  • 44.
    © 2015 IBMCorporation25 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 IBMCorporation26 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 IBMCorporation27 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 IBMCorporation28 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 IBMCorporation29 And it’s rarely a straightforward process e Data Scientists and StatisticiansBusiness Users IT Business Analysts
  • 49.
    © 2015 IBMCorporation30 Fully Automated Intelligence Natural Language Dialogue Guided Analytic Discovery Single Analytics Experience IBM Watson Analytics
  • 50.
    © 2015 IBMCorporation31 c % %   c10 % 3 3 3 c110 3 3 3 3 3 IBM Watson Analytics for smarter data discovery
  • 51.
    © 2015 IBMCorporation32 Business Analysts Data Scientists Self-sufficiency for business users and experts alike Business Users IBM Watson Analytics
  • 52.
    © 2015 IBMCorporation33 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 IBMCorporation34 IBM Watson Analytics demo
  • 54.
    © 2015 IBMCorporation35
  • 55.
    © 20 SOMMAIRESommaire 1. Présentationde 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 2015l’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 estd’exploiter l’ensemble des interactions avec les clients Conversion Génération de trafic Prescription Re-Sell / Up-sell RétentionAnimation Acquisition Développement Fidélisation
  • 58.
    © 23 Le clientse 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. Présentationde 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 desréseaux 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 lessentiments 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 lessentiments 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. Présentationde 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
  • 64.
    © 29 DMP Publicité Agence Canaux relationnels Nécessité d’unecoordination omnicanale pour que chaque point de contact apporte une valeur ajoutée au client Web analytics CRM
  • 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 sortantsCanauxentrants 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 promessesdu 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. Présentationde 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 sontles 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 FinanceTelco 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 mesurede 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 dedonnées 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 : Déduplicationfloue 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
  • 81.
  • 82.
    © 47 Fonctionnement enCentre 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 complèteà 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°
  • 85.
  • 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. Présentationde 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’ungrand 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 Clientsselon 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
  • 90.
    © 55 Exemple deproblématique
  • 91.
    © 56 Proposer desproduits 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
  • 93.
    © 58 R.O.I. Connaissance Datamining Assortimentsen magasins Rapports Rapports industriels Données : vision 360° client et produit Campagnes ciblées Technologies 1 2 3 4 Business Driven
  • 94.
    © 59 SOMMAIRESommaire 1. Présentationde 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
  • 95.