soft computing & ibm : digital, big data & dmp
TRANSCRIPT
© 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
SOMMAIRE Sommaire
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
Marie-Jo BAUDUIN
Directrice Agence Lille
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 Interlocuteurs Prestations 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
Finance Services
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
SOMMAIRE Sommaire
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
SOMMAIRE Sommaire
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
SOMMAIRE Sommaire
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 Corporation 2
Agenda
1. Introduction
2. IBM Analytic Strategy
3. IBM Watson Analytics
© 2015 IBM Corporation 3
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 Corporation 4
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 Corporation 6
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 Corporation 7
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 Corporation 8
Agenda
2. IBM Analytics Strategy
© 2015 IBM Corporation 9
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 Corporation 10
Big Data Drives Better Decisions
DATA § Drives every decision § Fuels every interaction § Powers every process
© 2015 IBM Corporation 11
Big Data Adoption curve
Small/Medium Businesses
Large Businesses
VeryVery VeryLarge
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 - SaS à
Small/Medium BusinessesSmall/Medium Businesses
Large Businesses
VeryVeryLarge Large
© 2015 IBM Corporation 12
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 Corporation 13 13 © 2015 IBM Corporation
Infosphere BigInsights
DB2 BLU
Cloudant Pure 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 Corporation 14
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 Pig HCatalog
YARN Ambari HBase Flume Sqoop Solr/Lucene
© 2015 IBM Corporation 15
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 Corporation 16
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 Corporation 17
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
LuceneSearch
Chainable MapReduce
Replication &Sync
IOQ
Fabric Mem3 Rexi
Apache CouchDB
Docs: JSON,Attachments
Horizontal Clustering Framework
Geo-Spatial Indexing
Geo-Load Balancing
© 2015 IBM Corporation 18
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
Hig
h vo
lum
es
Eve
nts
Integration
ETL
Streams
© 2015 IBM Corporation 19
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 Corporation 20
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 Corporation 21
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 Corporation 22
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
OperationalSystems
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 Corporation 23
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 Corporation 24
Agenda
3. IBM Watson Analytics
© 2015 IBM Corporation 25
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 Corporation 26
Leveraging analytics still faces many obstacles
� � u� � � A� � � �� e � � A� � � � � � � c � �� � � � � � �� u� � �� � � � � � � � � � � � � � �� � � �� �� � � � � � � � r � � c � �� � � � � � � � � � � u� � � � � � � � u� � �� � � � �� u� � � � u�e 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 Corporation 27
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 Corporation 28
Even a simple analytics project has multiple steps and people steps and people
Data Access
Data Preparation
Analysis
Validation
Collaboration
Reporting
Data Scientists and Statisticians
Business Users
IT Business Analysts
© 2015 IBM Corporation 29
And it’s rarely a straightforward process
� �� ��� � � � � � �
� �� �� � � � �� � � � �
� � �� e� � � �
� � � � � � � �
� � � � �� � � � � � �
� � � � � � �
Data Scientists and Statisticians Business Users
IT Business Analysts
© 2015 IBM Corporation 30
Fully Automated Intelligence
Natural Language Dialogue
Guided Analytic Discovery
Single Analytics Experience
IBM Watson Analytics
© 2015 IBM Corporation 31
c � � � � � %� � � � � � � � � � � � � � � � � � %�� � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � �
c10� � � � � � � � � � � � � � � � � � � � � � � �� � � � � � � � � � � %� � � � � � � � � � � � �
� 3� � � � � � � � � � � � � � �
� � � � 3� � � � � � � � � � � � � � � � � � � � � � � � � � � � �� � � � � � � � � � � 3� � �
c110� � � � � � � � � � � � � � � � � � � � � � � � 3�� � � � � � � � � � � � � � � � � � � � 3� � � � � � � �
� � � � � � � � � � � � � � � � � � � 3�
� � � � � � � � � � � � � � � � � � � � � � �� � � � 3� � �
� � � � � � � � � � � � � � � � � � � � � 3� � �
IBM Watson Analytics for smarter data discovery
© 2015 IBM Corporation 32
Business Analysts Data Scientists
Self-sufficiency for business users and experts alike
Business Users
IBM Watson Analytics
© 2015 IBM Corporation 33
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 Corporation 34
IBM Watson Analytics demo
© 2015 IBM Corporation 35
© 20
SOMMAIRE Sommaire
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 Rétention Animation
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
SOMMAIRE Sommaire
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
SOMMAIRE Sommaire
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
analy
tics
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 sortants
Canaux 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
SOMMAIRE Sommaire
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 !
Enrichissement RNVP Dédup
Modèle 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
SOMMAIRE Sommaire
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
SOMMAIRE Sommaire
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