Data Marketing

La first party data est celle que vous collectez directement, sur vos propres points de contact : site, appli, CRM, caisse, newsletter, service client. La second party est la first party d’un partenaire, partagée dans le cadre d’un accord (un média qui partage ses audiences avec un annonceur, par exemple). La third party est achetée à un tiers qui ne connaît pas vos clients : data brokers, segments d’audience agrégés. La hiérarchie de valeur va dans cet ordre : la first party est la plus fiable, la seule dont vous maîtrisez la collecte et le consentement, et la seule qui reste exploitable quand les cookies tiers disparaissent et que le RGPD encadre le reste. C’est pour ça qu’elle devient l’actif principal d’une stratégie data : ce que vous savez de vos clients, personne d’autre ne l’a.

Source : Think with Google — Building a first-party data strategy

La donnée déclarative, c’est ce que la personne dit d’elle-même : réponses à un formulaire, sondage, préférences cochées, avis laissé. La donnée comportementale, c’est ce qu’elle fait réellement : pages vues, produits ajoutés au panier, e-mails ouverts, fréquence d’achat, abandon à telle étape. L’écart entre les deux est constant et documenté : on déclare vouloir manger sain, on commande une pizza. Non pas par mensonge, mais parce qu’on se connaît mal, qu’on répond ce qui est socialement attendu et qu’on prédit mal son propre futur. Le comportement ment moins, mais il ne dit pas tout : il révèle le quoi, rarement le pourquoi. Le déclaratif reste indispensable pour la motivation, le contexte et tout ce que l’on ne peut pas observer (le consentement, par exemple). Le bon réflexe : partir du comportement, utiliser le déclaratif pour l’expliquer.

Source : Nielsen Norman Group — First Rule of Usability? Don’t Listen to Users

Une CDP est un logiciel packagé qui construit une base client unifiée et persistante, accessible aux autres outils. Trois idées dans cette définition. Unifiée : elle réconcilie les données venant du site, de l’appli, du CRM, de l’e-mailing et du point de vente autour d’une même personne identifiée (e-mail, identifiant client). Persistante : le profil se conserve et s’enrichit dans le temps, il n’expire pas comme un cookie. Accessible : les segments et profils sont poussés vers les outils d’activation (e-mail, publicité, personnalisation du site). La CDP est pilotée par le marketing, pas par la DSI, et travaille sur des individus connus. C’est ce qui la distingue de la DMP.

Source : CDP Institute — CDP Basics

Une DMP collecte et organise des données d’audience majoritairement anonymes (cookies, identifiants publicitaires) pour construire des segments et les activer en publicité programmatique : ciblage, retargeting, audiences similaires (look-alike). Elle mélange volontiers first et third party data et travaille sur des profils éphémères, liés à un navigateur ou un appareil plus qu’à une personne. Née pour l’achat média, elle est directement touchée par la fin des cookies tiers et le renforcement du consentement : sa base de données s’érode. Pour retenir la différence : CDP = clients identifiés, durables, pour la relation ; DMP = audiences anonymes, périssables, pour la publicité.

Source : Adobe — What is a Data Management Platform?

Le data warehouse (entrepôt) stocke des données structurées, nettoyées et organisées selon un schéma défini à l’avance, pour répondre vite et de façon fiable à des questions métier en SQL. On y charge la donnée une fois qu’on sait à quoi elle sert. BigQuery, que vous utiliserez, en est un. Le data lake (lac) est un réservoir où l’on dépose tout, en format brut, sans transformation préalable : logs, fichiers JSON, images, exports. On décide de la structure au moment de la lecture, pas de l’écriture. Il coûte moins cher au stockage et convient à l’exploration et à l’entraînement de modèles, mais sans discipline il devient un marécage où plus personne ne retrouve rien. Beaucoup d’organisations combinent les deux : le lake reçoit, le warehouse sert.

Source : Google Cloud — Data lake vs data warehouse

Le nettoyage corrige ou retire ce qui est faux, incomplet ou aberrant : un âge de 150 ans, une commande à 0 €, un pays vide. La déduplication fusionne les enregistrements qui décrivent la même entité : le même client inscrit avec deux orthographes de son e-mail, la même session comptée deux fois après un import. La normalisation met tout au même format : dates en ISO, pays en code à deux lettres, montants dans la même devise, majuscules cohérentes. C’est l’étape la plus ingrate et la plus déterminante : une analyse sur des données sales produit des conclusions fausses présentées avec la même assurance que des conclusions justes. La règle du métier : garbage in, garbage out. Le TP 2 vous met dans ce cas réel avec un export GA4.

Source : Tableau — Guide to data cleaning

Segmenter, c’est découper une base en groupes homogènes pour leur parler différemment. La segmentation RFM est la méthode la plus simple et la plus robuste pour une base transactionnelle : chaque client reçoit trois notes, souvent de 1 à 5. Récence : depuis combien de temps son dernier achat. Fréquence : combien d’achats sur la période. Montant : combien dépensé au total. On combine les notes pour former des segments parlants : les champions (5-5-5), les nouveaux, les fidèles à petit panier, ceux qui décrochent, les perdus. L’intérêt : elle ne demande que des données que vous avez déjà, elle se recalcule facilement, et chaque segment appelle une action précise. Sa limite : elle ne dit rien de ce que le client vaut demain, ni pourquoi il achète.

Source : Mailchimp — Analyse RFM : définition et méthode

Le scoring attribue une note à un contact selon sa probabilité de réaliser une action : acheter, devenir client, résilier. Le lead scoring, cas le plus courant, combine des critères explicites (secteur, fonction, taille d’entreprise : est-ce la bonne cible ?) et des critères implicites (pages visitées, e-mails ouverts, démo demandée : est-ce le bon moment ?). Chaque critère vaut des points, positifs ou négatifs, et un seuil déclenche la bascule marketing → commercial. Un scoring manuel repose sur des règles écrites par l’équipe ; un scoring prédictif laisse un modèle apprendre les poids à partir des conversions passées. Dans les deux cas, un score n’est utile que s’il est relié à une action et recalibré régulièrement.

Source : HubSpot — Lead scoring : définition, calcul et mise en place

Avec la segmentation classique, c’est vous qui fixez les critères. Avec le clustering, vous donnez les données à un algorithme non supervisé et il regroupe les individus qui se ressemblent, sans étiquette préalable. La méthode la plus répandue, k-means, place k centres et rattache chaque point au centre le plus proche, puis recommence jusqu’à stabilité. Vous obtenez des groupes que vous n’auriez pas forcément imaginés. Deux difficultés en pratique : choisir le nombre de groupes (k), et surtout interpréter le résultat, car l’algorithme ne nomme pas les clusters, il les numérote. Un cluster inexplicable n’est pas actionnable. Le clustering sert donc à explorer et à faire émerger des hypothèses, que l’on valide ensuite avec le métier.

Source : Google Machine Learning Crash Course — Clustering overview

La lifetime value (ou CLV) estime ce qu’un client rapporte sur toute la durée de sa relation avec vous, pas seulement à la première commande. Version simple : panier moyen × fréquence d’achat annuelle × durée de vie moyenne en années. Version plus juste : remplacer le chiffre d’affaires par la marge, et actualiser le futur. La LTV sert d’abord à répondre à une question : combien puis-je dépenser pour acquérir un client ? Le ratio LTV / CAC (coût d’acquisition) est le garde-fou : en dessous de 1, chaque client vous coûte de l’argent. Elle se calcule par segment, par canal d’acquisition, par cohorte, jamais seulement en moyenne globale, qui masque tout. Dans GA4, l’exploration « Durée de vie de l’utilisateur » vous en donne une première approche.

Source : Google Analytics — Exploration Durée de vie de l’utilisateur

Le churn mesure la part de clients qui mettent fin à leur relation avec vous sur une période : clients perdus pendant la période ÷ clients au début de la période. Il se calcule par mois pour les abonnements et les services facturés mensuellement, par an pour le reste. Il n’y a pas de bon chiffre universel : un taux acceptable dépend du modèle économique, du coût d’acquisition et de la marge par client. La bonne question n’est pas « quel est mon churn ? » mais « pourquoi ces clients partent-ils, et étaient-ils les bons clients au départ ? » Un churn élevé est souvent un problème d’acquisition (on a recruté des chasseurs de promo) autant qu’un problème de fidélisation. Churn et LTV sont les deux faces d’une même pièce.

Source : Harvard Business Review — The Value of Keeping the Right Customers

Un client touche rarement un seul canal avant de convertir : une publicité sociale, puis une recherche Google, puis une newsletter, puis un clic direct. L’attribution répartit le mérite de la conversion entre ces points de contact. Les modèles à règles fixes sont simples mais arbitraires : dernier clic (tout au dernier), premier clic, linéaire (à parts égales), dépréciation dans le temps (plus au plus récent), basé sur la position (40 % au premier et au dernier). Le modèle basé sur les données, par défaut dans GA4, apprend la contribution de chaque canal à partir de vos propres conversions. Aucun modèle n’est vrai : chacun répond à une question différente. Ce qui compte, c’est de comparer les modèles et de comprendre ce que change le choix pour vos décisions budgétaires.

Source : Google Analytics — Attribuer le crédit des événements clés

Un test A/B compare deux versions d’un même élément (une page, un objet d’e-mail, un bouton) en les montrant aléatoirement à deux groupes équivalents, puis en mesurant laquelle atteint le mieux l’objectif fixé. C’est une expérience contrôlée randomisée, la même logique que l’essai clinique. Les règles qui font la différence entre un test et une anecdote : ne changer qu’une variable à la fois, définir la métrique de succès avant de lancer, calculer la taille d’échantillon nécessaire, laisser tourner assez longtemps, et ne pas arrêter dès qu’un résultat plaît. La signification statistique dit si l’écart est probablement réel ; elle ne dit pas s’il est important pour le business.

Source : Harvard Business Review — A Refresher on A/B Testing

Toute mesure est une métrique. Un KPI est une métrique choisie parce qu’elle dit si vous atteignez un objectif précis. La chaîne à respecter : objectif business → but concret → KPI qui le mesure → cible chiffrée. Test simple pour reconnaître un vrai KPI : si sa variation de 10 % ne pousse personne à décrocher son téléphone, ce n’est pas un KPI. Les métriques qui font plaisir quand elles montent mais ne déclenchent aucune décision (pages vues, abonnés, sessions) sont des vanity metrics. Un bon tableau de bord contient peu de KPI, chacun avec un propriétaire, une définition écrite, une cible et une décision associée.

Source : Avinash Kaushik — Web Analytics 101: Definitions: Goals, Metrics, KPIs, Dimensions, Targets

Un modèle apprend à partir de données historiques. Si ces données reflètent un déséquilibre (une catégorie de clients moins représentée, des décisions passées elles-mêmes biaisées), le modèle le reproduit, et souvent l’amplifie parce qu’il l’applique à grande échelle avec l’apparence de la neutralité. Il n’a pas besoin d’utiliser un critère interdit pour discriminer : un code postal, un prénom ou un type d’appareil peuvent servir de proxy. En marketing, cela touche directement le scoring, le ciblage publicitaire, la tarification dynamique et les recommandations. Se prémunir : vérifier la représentativité des données d’entraînement, tester les résultats par sous-groupe, garder un humain capable d’expliquer et de contester la décision.

Source : CNIL / Défenseur des droits — Algorithmes : prévenir l’automatisation des discriminations

La gouvernance, c’est l’ensemble des règles et des rôles qui garantissent que la donnée est exacte, sécurisée, disponible et utilisée dans les règles, tout au long de son cycle de vie : collecte, stockage, usage, suppression. Concrètement : qui est responsable de chaque jeu de données (owner), qui en assure la qualité au quotidien (steward), qui a le droit d’y accéder, combien de temps on la conserve, et où tout cela est écrit. La documentation n’est pas optionnelle : dictionnaire de données (que veut dire chaque colonne, comment est-elle calculée), registre des traitements exigé par le RGPD, politique de conservation. Sans gouvernance, deux équipes calculent le même KPI différemment, personne ne sait d’où vient un chiffre, et la première demande d’accès d’un client devient une crise.

Source : Google Cloud — Qu’est-ce que la gouvernance des données ?