single

     

L'importance de réunir des compétences analytiques et créatives chez Kiabi


image_digital-strategy_article_corps_522

Elisabeth Zehnder insiste sur l'importance de réunir compétences analytiques et créatives pour donner un nouveau souffle au marketing. Elle revient notamment sur le Big Data Challenge, conduit avec l'université de Lille 1.

ITW : Elisabeth Zehnder, Data scientist chez Kiabi

COMMENT EN ETES-VOUS VENUS A MOBILISER DES TECHNIQUES D'ANALYSE PREDICTIVE ?

Dans le cadre de sa stratégie cross-canal, Kiabi avait mis en place un référentiel clients unique. Rapidement, nous avons voulu en savoir plus sur nos clients. Il nous fallait donc des technologies pour lier l'ensemble de nos données, désiloter les univers et tout remettre au même endroit. D'ou le lancement en 2014 d'un projet Big Data Connaissance Clients, dont je suis aujourd'hui en charge.


COMMENT CE PROJET CONTRIBUET-IL A LA DEMARCHE MARKETING ?

Le projet s'est bati autour de deux grands objectifs. Le premier consistait à mettre la donnée à disposition du pilotage et des actions marketing, ce qui passe notamment par la data visualization. Le second objectif portait sur la personnalisation de la relation clients : comment s'adresser au client de façon plus précise, plus ciblée, en fonction de ses goûts et de ses envies. Ces questions nous ont amenés à mobiliser des techniques statistiques de scoring, d'algorithmie et d'analyse prédictive.


CETTE DEMARCHE SE CONSTRUIT A PLUSIEURS...

Notre roadmap, établie en 2014, a été partagée à la fois avec la DSI et le Marketing pour créer du liant et pour que les technologies correspondent bien aux attentes. L'objet du projet, c'est aussi le passage à l'échelle. Il ne s'agissait pas de développer un système R&D à part mais bien d'intégrer l'ensemble des solutions au SI Kiabi.


COMMENT DECRIRIEZ-VOUS VOTRE ROLE PAR RAPPORT A CELUI DES EQUIPES MARKETING ?

Des flux de données viennent désormais alimenter notre cluster Hadoop, ce qui nous permet de faire des rapprochements intéressants. Néanmoins nous ne sommes pas aujourd'hui en capacité d'explorer la donnée. Dans la littérature, on parle d'"exploration de la donnée" mais cela n'existe pas concrètement dans les entreprises : personne ne paie quelqu'un à explorer de la donnée sans en attendre une application précise. Le premier défi, pour nous analystes, c'est donc de faire preuve de créativité, explorer nos données, mais différemment, avec des perspectives d'applications marketing nouvelles. La second défi, c'est de s'élargir au niveau de l'écosystème mobile et data. Nous sommes basés à Lille ; des compétences de statisticiens et des startups innovantes nous entourent. A nous de nous ouvrir sur ce monde.


D'OU L'IDEE DE VOTRE BIG DATA CHALLENGE ?

En effet. Quand j'ai rencontré la direction du Master SIAD de Lille 1, nous avions la même envie de faire avancer nos connaissances sur les technologies big data. Nous avons décidé d'un partenariat pour faire travailler leurs étudiants data scientists avec nos responsables métiers Kiabi. Cela nous a amené à travailler sur des éléments plus exploratoires mais susceptibles d'apporter des éléments de réponse et une nouvelle vision des choses. Ce Big Data Challenge s'est déroulé de janvier à avril 2016. Six équipes ont été formées, chacune avec 4 data scientists et 2 experts métier Kiabi.


PENSEZ-VOUS QU'IL Y AIT UNE OPPOSITION ENTRE MAD MEN ET MATH MEN, PROFILS ANALYTIQUES VS CREATIFS ?

Dans les six équipes, certains marketeurs étaient dotés d'une bonne sensibilité à la data - notamment s'ils travaillaient sur le géomarketing. D'autres étaient davantage créatifs. Le point fort qui nous permet d'avancer, c'est précisément notre capacité à relier data et créativité pour réinventer l'expérience client.


AVEZ-VOUS UN EXEMPLE CHEZ KIABI D'INITIATIVE MARKETING CREATIVE ARRIMEE A LA DATA ?

Une collaboratrice a notamment eu l'idée de relier Net Promoter Score (NPS) et comportement du client. Des clients sont insatisfaits de l'enseigne pour telle ou telle raison : qui sont-ils ? Beaucoup de questions corolaires s'ensuivent. Est-ce qu'une mauvaise note donnée par un client fait qu'il pense à déserter l'enseigne ? Pour un client fidèle, une action commerciale ou marketing peut suffire à la rétention, mais pour un autre ? Est-ce que j'ai réussi à le retenir, ou juste à valider son NPS ? On peut aller plus loin dans ce type d'analyse : et s'il était possible de prédire les comportements d'achat d'un client non satisfait ?


DES ACTIONS MARKETING SONT-ELLES NEES A PARTIR DE CES OBSERVATIONS ?

C'était bien l'objectif du Big Data Challenge. Par manque de temps, ou des problématiques complexes, certaines équipes ne sont pas allées jusqu'au déploiement des actions. Mais les gagnants du challenge sont les équipes qui sont parvenues à sortir de leur rôle de Data Scientist et à préconiser des actions.


L'UN DES ENJEUX ETAIT DE PRODUIRE DES DONNEES EXPLOITABLES PAR LE MARKETING. A CE TITRE VOUS AVEZ DU TRAVAILLER SUR LA RESTITUTION ?

Nous n'avons pas eu l'occasion d'aller très loin sur le sujet de la data visualization. En revanche, un des projets gagnants était celui de clusterisation des magasins ; il consistait à classer les magasins en fonction du profil des clients. Si les clients d'un point de vente présentent des profils similaires, cela nous donne une indication sur la manière de communiquer en magasin. C'était un projet abouti, avec prévision du ROI.