Pourquoi cette défiance du Marketing vis-à-vis de l’Analytics ?

La relation entre le Marketing et l’Analytics est rarement au niveau qu’elle devrait être. C’est un constat que nous faisons trop souvent dans nos missions, les équipes marketing d’un côté et les équipes BI de l’autre ont globalement du mal à fonctionner efficacement ensemble. Les impacts de cet alignement incomplèt du marketing et de l’analytics se déduisent facilement :

• Les décisions marketing ne sont pas suffisamment alimentées et étayées par les données. Pas assez « data driven ». Le marketing n’exploite pas assez les données à sa disposition.
• Les analyses ne sont pas toujours exploitables par le marketing, car décontextualisées des enjeux marketing et business. Pas assez business-driven. Les analystes manquent de vision marketing.

Quand on conçoit tout ce que peut apporter une bonne coordination des fonctions marketing et analytics, la mise en place d’un marketing data driven, on peut s’étonner de cette situation. Notre conviction intime est que le Data Marketing est l’avenir du Marketing. Plus que jamais, le Marketing et l’Analytics doivent travailler de pair.

Alors, pourquoi cette défiance persistante ? Nous voyons au moins 7 réponses à cette question. Nous avons construit cet article en exploitant les résultats d’une récente étude de Gartner et sur notre expérience de consultant en Data Marketing.

#1 Des données pas suffisamment fiables, des analyses pas suffisamment claires

La défiance des équipes marketing pour l’analytics ne s’estompe pas, au contraire, elle s’accentue. C’est l’un des enseignements de la très intéressante étude de septembre 2020 réalisée par Gartner et intitulée : « Marketing Data and Analytics Survey 2020« .

Encore trop de marketeurs continuent de prendre des décisions, par exemple lancer une campagne marketing, sans se baser sur les données fournies par l’analytics, par les données. L’instinct, le flair, le doigt mouillé continuent d’avoir une place prépondérante. On s’appuie à la rigueur sur quelques feedbacks clients, quelques données par-ci par-là éparpillées dans des tableaux de bord, mais on ne systématise pas l’approche data-driven.

Bien sûr, c’est un peu moins vrai chez la nouvelle génération de professionnels du marketing, davantage sensibilisés aux enjeux autour de la donnée. Toujours d’après Gartner, 54% des marketers « seniors » sont défiants vis-à-vis du data marketing, contre seulement 37% des marketers de niveau intermédiaire. Mais 37% c’est déjà beaucoup trop !

Tout le monde est d’accord pour reconnaître que le marketing est un art faisant appel à la créativité, à l’imagination, à l’audace. Mais un art qui, de plus en plus, peut (et doit selon nous) se nourrir de données et d’analyses, de toutes ces « mesures » au sens large du terme qui font du marketing une discipline de plus en plus scientifique dans son approche et dans sa méthodologie.

Alors, pourquoi les responsables marketing restent-ils dubitatifs, si ce n’est défiants, face à l’incroyable pouvoir que les données et les analyses pourraient leur apporter ? Gartner donne plusieurs éléments de réponse. Cette défiance s’expliquerait notamment par le fait que :

• La qualité des données n’est pas toujours au rendez-vous, les données ne sont donc pas dignes de confiance. On ne peut pas s’appuyer sur des data non fiables pour prendre des décisions. CQFD.
• Les analyses proposées par l’équipe BI ne sont pas toujours utilisables par l’équipe marketing. Elles ne dessinent pas clairement des pistes d’action concrètes.
• Les recommandations faites par l’équipe data ne sont pas claires, « nébuleuses » pour reprendre le terme du rapport Gartner.

Bref, des données de mauvaise qualité, des analyses qui ne servent à rien, des recommandations à côté de la plaque. La BI aurait une lourde responsabilité dans cet état de fait. Mais celui-ci renvoie vers une réalité plus profonde qui est la mauvaise communication entre les deux fonctions.

#2 Un manque de communication entre le Marketing et l’Analytics

Le problème sous-jacent est le manque de communication entre les équipes. Si le travail réalisé par les équipes data ne satisfait pas les équipes marketing, ne répond pas à ses attentes, c’est d’abord parce que les besoins et attentes du marketing ne sont pas clairement formulés et partagés à l’équipe BI.

C’est ce manque de communication qui empêche les équipes data d’avoir le contexte business qui leur permettrait de mieux guider leurs analyses et de produire des analyses plus utiles au marketing. Pour le coup, ce n’est pas l’équipe Data / BI qui est en cause, mais plutôt le Marketing. De leur côté, l’équipe BI doit comprendre les raisons de la défiance du marketing à son endroit :  Quand les analyses entrent en conflit avec l’intuition des marketers, et que la fiabilité des données est sujette à caution, il est compréhensible que le marketing se détourne des données et n’exploite pas le travail des analystes.

Découvrez les clés pour réussir la sélection d’un consultant AMOA Digital.

#3 Un problème d’ego ?

La question est un peu provocante, mais elle met la lumière sur une question d’ordre psychologique qui ne doit pas être négligée. Les données peuvent porter atteinte à l’ego du marketer. Lorsqu’un marketer a en tête une idée, une hypothèse, un plan d’actions et que la donnée lui explique qu’il s’agit d’une mauvaise idée, d’une hypothèse fausse, d’un plan d’actions bancale, la tendance naturelle de certains marketers sera d’ignorer les données. C’est un réflexe humain, mis en évidence dans l’étude de Gartner. La raison « Data Findings Conflict With Intended Course of Action » apparaît chez 32% des professionnels interrogés dans le Top 3 des raisons pour lesquelles les données ne sont pas utilisées dans la prise de décision marketing. C’est même la raison numéro 1 pour 8% des sondés.

Le marketer préfère en général utiliser la donnée pour confirmer ses hypothèses et démontrer la pertinence d’une idée, d’une décision. Les données sont les bienvenues quand elles vont dans son sens, rejetées quand elles entrent en contradiction avec son sentiment intime.

On le voit, l’étude Gartner met en évidence bien d’autres raisons de la réticence du Marketing à l’égard de la data :

• Les décisions sont avant tout dictées par le calendrier marketing.
• Les analyses n’intègrent en général pas toutes les sources de données, ce qui les rend incomplètes et pas suffisamment fiables.
• L’analyse des données est un travail chronophage.
• Les données de ventes et de conversion ne sont pas suffisamment accessibles.
• Les analyses sont trop complexes à comprendre.

Clairement, la réponse à la question posée dans le titre de notre article n’est pas unique. Les réponses sont multiples.

#4 Une digitalisation incomplètes des entreprises

Le plus grand défi de l’analyse marketing est d’agréger un ensemble complet de données précises pour toutes les campagnes, qu’elles soient en ligne ou hors ligne, et de compiler ces données de manière à obtenir des informations utiles. Il est déjà difficile d’analyser correctement les données, mais il l’est encore plus de rassembler toutes les données nécessaires à l’analyse. Le problème majeur à ce niveau-là, c’est que beaucoup d’entreprises ne sont pas encore entièrement digitalisées, ce qui empêche les marketers d’avoir accès à tous les sources de données. C’est aussi une des raisons de la sous-exploitation des données en marketing.

La transformation digitale est un sujet clé pour une entreprise qui souhaite développer une approche marketing data-driven. C’est quelque chose que l’on constate chez tous nos clients : moins le SI Client est organisé, plus les outils et bases sont fragmentés, plus les données sont éparpillées, plus il est difficile de développer un marketing data driven. Le rapprochement des fonctions marketing et analytics nécessite une unification des données. Il y a un enjeu important d’architecture IT.

Découvrez pourquoi il est si difficile d’avoir une culture data driven.

#5 Une absence de perception complète de la chaîne de valeur

Les données clients sont à la fois objet d’analyses et levier d’actions. Elles ont un double statut. Les données sont analysées et exploitées en activation pour impacter l’expérience utilisateur. La donnée NPS par exemple permet de mesurer la satisfaction client (outil d’analyse), mais est aussi utilisée pour cibler les programmes et scénarios marketing (outil de ciblage marketing).

Le gros problème, c’est que les personnes qui sont chargées de l’analyse ne sont pas les mêmes que celles qui exploitent les données. La donnée passe par différents process, fait l’objet de différents traitements dans des outils divers et variés et parfois redondants. Personne ne contrôle toute la chaîne de valeur et de traitement de la donnée. Cela pose problème.

La solution ? Que les analystes envisagent leur travail d’analyse comme une composante du process d’activation des données. On analyse en vue d’une activation future et non pas pour produire de beaux reportings inutiles. Cela suppose de la part des analystes une compréhension complète du cycle de vie client et des process de l’entreprise correspondant. Les analystes, dans leur manière d’envisager leur travail, doivent développer une compréhension de toute la chaîne de valeur. C’est à cette condition que les résultats de l’analyse data pourront être convertis en enseignements clients utiles.

#6 Les enseignements doivent être convertis en actions

Les analyses n’ont de valeur que si elles délivrent des enseignements utiles pour l’activation. Cela suppose, de la part des analystes, une compréhension des différentes variables qui impactent le comportement utilisateur. Mais même lorsque les insights sont clairs, les convertir en actions nécessite :

• La capacité de communiquer ces insights aux personnes à même de les exploiter.
• Une compréhension des leviers à activer pour tirer profit des enseignements.
• La machinerie digitale permettant de pousser les informations automatiquement aux utilisateurs cibles, en fonction de leur niveau en analytics notamment.

Nous en revenons donc ultimement à la question des outils. L’alignement des fonctions est complexe sans un alignement des outils. De manière générale, pour qu’une équipe marketing intègre la donnée clients dans son quotidien et se fonde sur elle pour imaginer ses actions, il faut que les données soient organisées, unifiées dans une base marketing de référence. On parle parfois de Référentiel Client Unique ou RCU. Le Référentiel peut prendre différents visages : un CRM, un entrepôt de données DWH, un Data lake, une Customer Data Platform. Dans tous les cas, l’enjeu est d’unifier les données en provenance de tous les points de contact sources de données.

Découvrez notre guide complet sur le Référentiel Client Unique (RCU) : Définition, prix et exemples de solutions.

#7 Une acquisition de compétences négligée

Gartner a montré que l’acquisition de nouvelles compétences était l’activité la plus négligée par les data marketers. En 2020, seulement 23% d’entre eux consacraient du temps à cette activité. Ils étaient 39% en 2018.

Les data marketers consacrent la plupart de leur temps dans la gestion des données, l’intégration des données, le formatage des données, l’exécution de requêtes SQL ad hoc, l’exploration des données pour dégager de nouveaux enseignements, la création de rapports et de tableaux de bord. Les professionnels du data marketing doivent se consacrer davantage à l’acquisition de nouvelles compétences. C’est clé pour « rester dans le jeu ». C’est en favorisant cette dynamique d’apprentissage continu (via des formations par exemple) que les entreprises permettront au « marketing analytics » de devenir plus puissant.

Notre conviction est qu’un rapprochement du métier d’analyste et du métier de marketer est aussi bien l’avenir du marketing que l’avenir de l’analytics. Le marketing doit devenir data-driven tout comme l’analytics doit devenir business-driven (ou marketing-driven). Chez Cartelis, nous accompagnons les entreprises dans le développement d’une culture marketing fortement data-driven et dans la mise en place d’infrastructures IT adaptée aux nouvelles exigences du marketing.

CRM / Data - Plus de 15 ressources & templates gratuits à télécharger.

Découvrir