Aujourd’hui, les données client sont le carburant qui alimente la donnée customer centric, dont raffolent les spécialistes du marketing. Or, lorsque les données clients proviennent de sources disparates, cela crée un frein massif à toutes les initiatives de marketing personnalisées.
C’est donc pour créer une vue unique des informations sur les clients que les gros retailers de la planète ont proposés des bases de données clients dites « 360 ». Les premiers outils de RCU ont ainsi vu le jour., et ont évolué au fil des années. La notion de CDP ajoute l’idée d’une couche logicielle.
Pour rappel, un CDP moderne selon le CDP Institute, est un logiciel packagé proposant une base de données clients unifiée, accessible à d’autres systèmes d’une organisation. Elle donne à tous les départements des informations précieuses pour améliorer leurs performances.
Du RCU sur mesure à la CDP dite « Datawarehouse centric », nous présentons dans cet article la brève histoire des plateformes de gestion de données client.
📕 Sommaire
1ère génération : RCU sur mesure
La première génération de plateforme de gestion de données client voit le jour avec le Référentiel Client Unique (RCU). Il s’agit alors d’une vue unique du client. Pour chaque personne avec laquelle vous faites affaire, elle offre un panorama de toutes les données recueillies à son sujet. Le plus souvent, le RCU est construit par un intégrateur data spécialisé : AID, Epsilon (ex Publicis ETO), Business & Decisions… etc.
Pour créer un RCU, vous devez capter les données client en temps réel sur tous vos canaux et systèmes internes. L’intégration des données est réalisée en batch, avec des flux journaliers. Une fois collecté, le RCU est le processus de nettoyage, de normalisation et de déduplication de ces fragments de données. Il permet de les rassembler pour former une source unique de vérité. Dans le cas du RCU, ces traitements sont codés sur mesure.
Enfin, le RCU ne présente pas d’interface logicielle interactive comme pour la dernière génération de CDP. Il est possible qu’il permette d’accéder à une interface très basique de fiche client 360, mais celle-ci n’est pas cliquable.
Comme son nom en anglais l’indique, Single Customer View ne constitue qu’une simple « vue » des informations clients, et non pas une base de données comme nous allons le voir dans les générations suivantes. Le RCU correspond plus au processus par lequel les données passent, plutôt qu’à une base de données physique.
2ème génération : Data Management Platform – 2010 à 2015
Les DMP constituent une nouvelle génération de plateformes centrées sur la collecte, le traitement et l’activation d’audience de visiteurs anonymes. Elle s’insère dans la grande époque de la montée en régime de la publicité en ligne programmatique (RTB).
En effet, une DMP se connecte à une DSP (Demand Side Platform) ou SSP (Supply Side Platform) pour acheter des publicités en ligne, une bannière par exemple. La DMP ingère les identifiants anonymes des clients, les compare à des listes de tiers et construit un modèle de ressemblance. Puis, elle sélectionne des individus anonymes similaires dans des listes de tiers et envoie ces listes aux réseaux publicitaires.
En bref, une DMP est utile pour la segmentation, la création d’audiences similaires et l’optimisation des dépenses en médias payants. Elle ne stocke pas de données de first party. La plupart des données qu’elle utilise sont de tierces parties, stockées sous forme d’identifiants de cookies et basées sur le comportement des utilisateurs en ligne.
Il existe plusieurs types de DMP. Certaines sont centrées uniquement sur le traitement de données anonymes (comme Weborama), mais d’autres permettent de réconcilier visiteurs anonymes et clients, et mettent en avant des use cases CRM. Elles ressemblent de fait davantage à ce qu’on appelle une CDP aujourd’hui.
Au niveau des acteur français de DMP, on peut penser à Ysance, Makazi (disparu..) ou encore Mediarithmics.
3ème génération – Customer Data Platform sur l’étagère
Dans un contexte de déclin du RTB, les DMP sont de moins en moins utilisées pour de l’activation media, et de plus en plus pour de l’activation « CRM » sur plusieurs canaux différents.
De plus, avec la montée en régime des architectures de type « best of breed », les entreprises se digitalisent et commencent à multiplier les briques martech. La CDP s’impose alors comme le Hub naturel des données clients, pour les entreprises qui ne choisissent pas l’approche full Salesforce ou full Oracle (et encore, ne croyez pas que les briques Salesforce sont toutes parfaitement intégrées…).
La CDP : un nouvel outil, à destination des équipes métiers
C’est ainsi que naît une nouvelle génération d’acteurs capables de traiter de la donnée comportementale anonyme, mais surtout des données nominatives. Le tout en respectant le cadre réglementaire, qui devient de plus en plus strict sur le sujet.
Dans une CDP, les interfaces logicielles sont beaucoup plus simples, et proposent de plus en plus de possibilités pour brancher différentes sources et destinations. Elles permettent aussi de mettre en place des règles de traitements, d’ajouter des scores, etc. Cette nouvelle génération de solution s’adresse vraiment aux marketers, sans nécessiter de compétences techniques.
L’expression CDP apparaît et se développe à ce moment-là. En réalité, la définition actuelle de CDP correspond à cette génération d’outil.
Les CDP : un nouvel eldorado pour les acteurs martech
De nombreux éditeurs lancent (ou relancent) une offre de CDP pour créer une vue du client à 360 :
4ème génération – Customer Data platform « Datawarehouse centric »
L’échec des CDP sur étagère
Enfin, dans la 4ème génération de plateformes de données clients, on retrouve les CDP dites « Datawarehouse centric ». Celles-ci sont nées lorsque les grands éditeurs de CRM comme Adobe, Salesforce, Oracle ou SAP, n’ont pas réussi à faire adopter leurs produits CDP. Ces outils n’étaient pas conçus comme des cadres sur lesquels des applications tierces pouvaient fonctionner. En d’autres termes, leurs CDP étaient des suites logicielles, et non des plateformes.
Bien que les fournisseurs traditionnels de Martech n’aient pas su proposer de véritables CDP, les services marketing et informatique ont tout de même décidé qu’ils en avaient besoin. Ils ont donc fini par trouver un autre moyen de construire la leur. C’est là qu’interviennent les datawarehouses.
Ils ont beaucoup évolué récemment, et s’imposent désormais comme la pièce maîtresse des données des entreprises. Il est possible d’utiliser un datawarehouse comme une CDP, misant ainsi sur l’avenir de cette architecture de données.
Pourquoi préférer un datawarehouse à une CDP ?
Les CDP sur étagère présentent de sérieuses lacunes : manque de souplesse dans le modèle de données, incapacité à réconcilier différentes tables, difficulté à rajouter des champs calculés, surtout sur des données comportementales. De plus, les CDP ne sont pas flexibles, ils imposent leur écosystème. Pourtant, chaque entreprise a un modèle de données unique. Avec une CDP sur étagère, vous êtes cloisonnés.
De plus, les CDP prétendent être la source unique de vérité, mais en réalité, elles ne remplacent pas les datawarehouses, qui contiennent toutes vos données. La première raison pour laquelle votre CDP devrait être le datawarehouse est qu’il constitue la source même des données clients. Certaines CDP permettent d’importer des données depuis le datawarehouse, mais cela entraîne une latence supplémentaire et l’instantanéité des données reste alors une promesse non tenue.
Vous êtes à la recherche d’une solution CDP moderne ? Il est plus facile que jamais de centraliser toutes vos données dans un outil dit « Datawarehouse centric ». Tournez-vous vers les acteurs suivants : Octolis, Census, Hightouch ou Polytomic.