1

Le Big Data au cœur de la stratégie des PME

Par où commencer ?

2

Depuis 2008

20 experts du web

5 pôles

d’activités

45 clients satisfaits

Silicon Salad

3

Lolita Saint-Maxent Responsable e-marketing chez Silicon Salad

Intervenant

Réagissez en direct sur Twitter avec #conext @siliconsalad

Big Data, kesako ?

5

Exploitation de vos données à 360 degrés en temps réel

6

Descriptive Prédictive Associativeou ou

3 techniques d’exploitation

7

Des données illimitées

8

Temps réel

8 secondes

Automatisation

=

=

9

Transfor mation

Analyse (Algorithme)

Donnée

Agrégation

Action

Décision

Objectif

Projet Big Data En théorie

10

60% des projets de Big Data

seraient voués à l’échec*

* Étude Gartner publiée par Comarketing, 25.09.2015

En pratique

11

• Stratégiques • Culturels • Organisationnels

Problèmes

Réagissez en direct sur Twitter avec #conext @siliconsalad

Big Data VS PME ?

13

?Pas toujours…

Big Data

Volume gigantesque de données

=

14

C’est aussi…

Big Data

Mélange de données internes & externes pour

passer de l’analyse à l’action

=

15

Avantage concurrentiel

16

Savoir-Faire

Réagissez en direct sur Twitter avec #conext @siliconsalad

Par où commencer ?

18

19

Concentrez-vous sur les données pertinentes

Apprenez à utiliser les données disponibles

1

2

2 règles

20

Small Data

21

valeur + réactivité

=

22

Formuler l’objectif (la situation)1

Préparer le plan d’actions

2 Décrire le projet

23

Qui ? Quelles équipes sont concernées ?

Quoi ? Quelles données sont nécessaires ? Sont-elles disponibles, correctes et complètes ?

Où ? Où sont-elles ?

Quand ? Quelles sont mes différentes étapes ?

Comment ? Quels outils sont à ma disposition ? De quels outils et/ou ressources ai-je besoin ?

Pourquoi ? Quelle est la finalité du projet ?

Décrire le projet

24

• Simple • Concret • Résultats rapides • Fédérer l’ensemble des parties pour la suite

N’ayez pas peur de vous faire accompagner (ressources, outils, solutions)

Identifier un cas d’usage

25

• Qui sont mes clients en phase de ré-achat ? • Qui sont mes très bons clients (RFM) ? • Quels sont les produits susceptibles

d’intéresser un internaute ?

Exemples de cas d’usage

26

Exemples concrets

27

Acteur dans la vente de chaussures multi-marques sur le webJEF Chaussures

28

Objectif Déclencher la vente

29

Technique Scoring prédictif Rappel du produit ajouté au panier + produits susceptibles de l’intéresser (basé sur le comportement des autres internautes)

Outil NUUKIK Support Email

30

+15% de transformation supplémentaire

Résultats

31

Objectif Déclencher la vente

32

Technique Scoring prédictif Rappel du produit ajouté au panier + produits susceptibles de l’intéresser (basé sur sa navigation)

Outil Criteo Support Facebook

33

+15% de chiffre d’affaires

supplémentaire issu de Facebook

Résultats

34

Objectif Récompenser les meilleurs

clients abonnés

35

Technique Segmentation à 2 dimensions (statut abonné + statut client)

Outils Tableau Software et Campaign Monitor Support Email

36

Taux de clics et de conversion

x2

Résultats

Panier moyen

+60%

Réagissez en direct sur Twitter avec #conext @siliconsalad

À retenir

38

• Restez humble • Y aller pas à pas • La méthode QQOQCP • « Test and learn »

Et surtout n’oubliez pas de commencer par exploiter VOS données

39

Lolita Saint-Maxent Responsable e-marketing

Caroline Berent Business Developer

Discutons de vos projets