Les entreprises se tournent vers les données et leurs idées pour générer des revenus et créer de nouvelles opportunités. Mais ce processus nécessite des travaux importants et des données fiables. La mauvaise qualité des données constitue l’un des plus gros problèmes dans l'industrie des technologies interentreprises aujourd'hui, et souvent, au moment où ces problèmes se concrétisent, des revenus seront déjà perdus. Mais à quel point ce problème est-il important?
Integrate, un fabricant de logiciels de marketing de génération de demandes sortantes, a récemment soumis cette question à un test en analysant la qualité des données fournies dans 778 585 formulaires de clients potentiels. Ils ont découvert qu’en moyenne, 40 % des listes de clients potentiels générées étaient de mauvaise qualité en termes d'informations incomplètes et inexactes. Et ces résultats semblent à peine effleurer les problèmes rencontrés par les professionnels du marketing : rappelez-vous que les entonnoirs de conversion sont longs, sinueux et complexes. Des listes de clients potentiels de mauvaise qualité placées en haut de votre entonnoir de marketing agissent comme des parasites : si vous ne faites pas preuve d’une attention particulière à vos processus, vous risquez de gaspiller des actifs précieux de votre organisation, du temps, de la matière grise et des ressources financières.
Alors, quelles mesures les professionnels du marketing interentreprise peuvent-ils prendre pour améliorer la qualité des données? La solution consiste à développer une boucle de rétroaction pour les équipes d’analyse. Avec une oreille attentive, les professionnels du marketing sont les mieux placés pour fournir des perspectives réelles, en confrontant la théorie à la réalité. Trois spécialistes des analyses marketing partagent leurs perspectives :
Restreindre vos processus de collecte de données
Quand on cherche les causes de la mauvaise qualité des données, il est souvent facile de blâmer les processus statistiques dans les coulisses : lors de la modélisation des scénarios réels, les analyses doivent trier au fur et à mesure les techniques qu’elles utilisent. Chaque nuance compte et une mauvaise hypothèse peut faire dérailler un cadre de mesure entier.
Comme Cheryl Max, le spécialiste en segment de marché de Dun & Bradstreet pour les responsables en chef des données et des analyses, le souligne cependan, le coupable est souvent quelque chose de plus simple, c’est les pratiques de collecte de données à la base.
« Je pense que, surtout, ce qui est sur le marché et avec les professionnels du marketing, et nous n’y sommes pour rien, c'est l'ensemble des discussions sur les mégadonnées et le fait que chaque entreprise avec laquelle vous travaillez dispose d'une API », déclare Max. « Les entreprises ont insisté pour qu’absolument tout ce tout ce qui se passe avec chaque client ou potentiel client soit recueilli, à chaque point de service ».
Si vous souhaitez améliorer la précision de votre analyse, vous devrez déterminer quelles données seront pertinentes pour vous aider à répondre à vos questions. Toutes les données ne sont pas utiles ni pertinentes dans la résolution d’un problème commercial.
« La clé consiste à se concentrer sur les connaissances et les analyses qui peuvent vous aider à prendre une décision éclairée », explique Max. « La clé consiste à connaître les informations pertinentes pour la prise de décision. À savoir ce qu’il faut choisir et ce qu'il ne faut pas prendre en compte dans le lot ».
Établir l’ordre de priorité des relations dans les données
Le comportement du client n’existe pas en vase clos. Mais souvent, les données, elles, le font. Les entreprises se penchent souvent sur des informations sur leurs clients et leurs clients potentiels selon quelques perspectives limitées, peut-être à travers leurs propres données primaires ou dans l’optique de quelque partenaires sous licence de données tierces.
Mais dans le monde réel, les cycles de décision sont beaucoup plus complexes. Et ce sont les relations entre les gens, les idées et les choses qui constituent le cœur d’un processus de vente réussi.
« Le fait d’avoir une compréhension profonde de relations entre de nombreuses personnes, de nombreux comptes, produits et lieux, et de conserver les informations sur ces relations actuelles est désormais un aspect important de la qualité des données », déclare Ajay Khanna, vice-président du marketing des produits chez Reltio, une entreprise qui crée des applications basées sur les données.
La clé consiste à rechercher des relations dans des comptes. La technologie des graphiques, une structure de base de données qui relie plusieurs types de nœuds, se présente comme une alternative à la gestion des relations avec le client (GRC) basée sur des enregistrements. Par exemple, si vous appliquez la technologie graphique à un modèle de marketing basé sur des comptes, vous pouvez vérifier si les entreprises ont déjà fait des affaires avec votre entreprise, si elles ont été recommandées par des clients existants ou si elles travaillent avec des partenaires d’intégration communs.
« La technologie des graphiques est, au cœur du processus de vente, un outil de découverte », explique Khanna. « Il s’agit d'une approche chirurgicale en matière de marketing ».
Ce niveau de précision vous permettra d’établir l'ordre de priorité des relations de vos clients et de vos clients potentiels les plus importants.
« Nous sommes en mesure d’obtenir de nombreux signaux provenant de différentes sources de données », déclare Max. « Et lorsque nous les rassemblons, nous pouvons concevoir une trajectoire claire pour l’entreprise que nous analysons ».
Changer la conversation en temps réel
Avec le temps, les données vieillissent : à moins que les entreprises investissent dans la mise à jour régulière de leurs dossiers, les informations peuvent devenir obsolètes. Mais la conservation des dossiers s’avère inefficace et coûteuse, ce qui explique pourquoi de nombreux professionnels du marketing adoptent un modèle de ciblage en temps réel. Et en établissant des relations avec vos clients potentiels le plus tôt possible, votre entreprise est plus susceptible
« Les entreprises s’appuient généralement sur des cadres de ciblage à plus long terme », déclare Nicole Borneman, directrice principale des services d'analyse chez D&B. Le terme auquel la plupart des professionnels du marketing sont habitués est l’analyse prédictive, qui décrit le processus de prise de décision en utilisant des données historiques. On l’utilise par exemple pour acheter des modèles, ce qui permet aux équipes de ventes et de marketing d'établir l'ordre de priorité de leurs opérations, mais cela peut également prendre des semaines, voire des mois. En outre, ces modèles ne sont pas toujours précis, car ils ne s’inspirent pas de la dynamique du marché du monde réel. Ces modèles sont plus efficaces pour les clients qui font des achats à un rythme stable et prévisible. Mais qu’en est-il des clients, actuels et potentiels, qui ne font pas partie de ce groupe?
C’est là que le concept d'analyse par anticipation entre en scène. L’analyse par anticipation dépasse l'analyse prédictive en ce sens qu'elle permet aux entreprises de prévoir les comportements futurs plus rapidement que l'analyse prédictive traditionnelle en identifiant le changement, l'accélération et la décélération de la dynamique du marché. L’analyse par anticipation tient compte des problèmes les plus complexes des entreprises et attribue à l'entreprise la responsabilité de prendre des mesures pour atteindre un résultat défini.
« Les analyses par anticipation permettent mieux de mesurer que l’analyse traditionnelle », explique Borneman. Les entreprises qui trouvent le plus de valeur dans ce processus peuvent être de nouveaux arrivants sur le marché, qui changent l’orientation des affaires ou se développent à un rythme accéléré. Par exemple, pensez à Uber. En surface, ils ressembleraient à tout le monde. Mais, tout d’un coup, ils décollent, et génèrent un besoin de technologie.
Les analyses par anticipation permettent la réactivité dont les équipes des ventes et de marketing ont besoin.
Dernière observation
Lorsque vous cherchez à améliorer la qualité de vos données, pensez en termes de solutions de remplacement. Voulez-vous passer plus de temps à essayer de convaincre de potentiels clients, ou voulez-vous conclure davantage de contrats, plus rapidement? Assurez-vous que les données que vous collectez vous fournissent une vision fiable de vos clients et de vos clients potentiels. Réfléchissez sérieusement aux données dont vous disposez et aux données dont vous avez besoin pour effectuer le bon type d’analyse afin de résoudre les problèmes les plus difficiles de votre entreprise et d'aider votre entreprise à atteindre son objectif de croissance.