Construire une CDP – Comment capitaliser sur son Data Warehouse

Les Customer Data Platforms (ou CDP) font l’objet d’une grande attention ces derniers temps. Tous les vendeurs de solutions MarTech essaient de vous convaincre d’acheter leur SaaS pour créer une « vue unique du client ».

Si vous n’êtes pas familier avec les Customer Data Platforms, Wikipedia propose une bonne définition :

« Une Customer Data Platforms (CDP) est une combinatoire de logiciels qui crée une base de données clients persistante et unifiée, accessible à d’autres systèmes. Les données sont extraites de plusieurs sources, nettoyées et combinées pour créer un profil client unique. Ces données structurées sont ensuite mises à la disposition d’autres systèmes de marketing. »

La promesse est belle, non ? Elle l’est ! Si vous avez déjà eu à traiter des données clients dans une entreprise, quelle que soit sa taille ou son département (ventes, marketing, support, ingénierie, analyse, etc.), la proposition de valeur d’un CDP est claire. Il est difficile de construire et de rendre opérationnelle une vue unique du client. En fait, cela n’a fait que se compliquer.

En tant qu’employé (de la première heure) de Segment et en tant que personne qui s’intéresse aux communautés du marketing et des données depuis plus de cinq ans, je trouve les Customer Data Platforms tout à fait intrigantes.

Dans la communauté du marketing, disposer d’une plateforme tout-en-un pour résoudre nos innombrables problèmes de données semble être le Saint Graal. Dans la communauté du Data Marketing d’autre part, nous avons toujours essayé de le faire en utilisant l’entrepôt de données. Pourtant, la plupart des gens ne font pas le lien entre les deux.

Avant d’expliquer pourquoi le Data Warehouse (et non une CDP prête à l’emploi) devrait être votre Customer Data Platform, j’aimerais vous donner quelques informations sur le marché des CDP et ses principaux acteurs.

Qu’est-ce qu’une Customer Data Platform ?

Les CDP sont des plateformes de données et de marketing tout-en-un. Elles ont pour objectif de servir de base de données pour toutes les informations relatives à vos clients, avec une couche d’activation groupée pour vous aider à exploiter les données pour l’automatisation du marketing.

Toutes les CDP ont quelques composants communs :

• L’ingestion de données. Les CDP étant des bases de données clients, il leur faut un moyen d’ingérer des données. La plupart des CDP y parviennent via une API permettant aux développeurs de suivre les comportements des utilisateurs et les événements qu’ils réalisent dans vos applications.
• Résolution d’identité. Les CDP construisent et maintiennent des graphiques de profils d’utilisateurs afin que tous les identifiants d’utilisateurs (cookie, IDFA, ID d’appareil, etc.) puissent être ramenés à un « identifiant d’utilisateur unique ». La plupart des CDP mettent en œuvre un algorithme déterministe simple pour la résolution d’identité. Ces algorithmes sont fonctionnellement similaires aux requêtes que votre équipe d’analystes a déjà écrites pour faire de l’attribution marketing en SQL, par exemple en joignant des profils d’utilisateurs « anonymes » et « connus » à l’aide d’une poignée d’identifiants. Toutefois, certains CDP procèdent à la résolution d’identité de manière probabiliste, ce qui n’est pas simple à réaliser en interne sans une équipe compétente en science des données.
• Constructeur d’audience. C’est peut-être le composant le plus nécessaire d’un CDP. Sans constructeur d’audience, un CDP n’est qu’une « infrastructure de données clients ». Le constructeur d’audience est une interface permettant aux spécialistes du marketing de créer des segments de clientèle sans SQL et de les synchroniser avec diverses plateformes de marketing et de publicité pour lancer des campagnes ciblées.

En dehors de ces composants de base, certaines CDP offrent des fonctionnalités supplémentaires aux spécialistes du marketing, comme l’orchestration cross-canal, les audiences prédictives, etc. Consultez ce guide qui offre un aperçu complet des technologies d’intégration de données disponibles, y compris les Customer Data Platforms.

Les CDP ne sont pas de simples petits nouveaux et doivent être prises très au sérieux. Comme on le voit ci-dessous, les Customer Data Platforms font de plus en plus parler d’elles et connaissent une popularité croissante depuis ces 4 – 5 dernières années.

La demande des acheteurs suit également cette tendance. Le chiffre d’affaires global combiné des acteurs de l’industrie des CDP va passer de 2,4 milliards de dollars en 2020 à 10,3 milliards en 2025 d’après une étude très sérieuse.

Les différentes catégories de Customer Data Platforms

Les acteurs de la CDP peuvent être répartis en quelques grandes catégories.

Customer Data Platforms à usage général

Les CDP à usage général visent un large éventail de cas d’utilisation. Les principaux acteurs de l’espace CDP général sont aujourd’hui Segment et mParticle. Ensuite, il y a un certain nombre de concurrents comme Treasure Data, Simon Data, Lytics, Blueshift et Redpoint Global.

Customer Data Platforms verticales

Il s’agit de CDP qui ciblent un type d’entreprise très spécifique (secteur, taille, maturité, outils SaaS en place, etc.) et résolvent des problèmes spécifiques.

Customer Data Platforms conglomérats

Il s’agit de grandes entreprises comme Adobe, Salesforce et Microsoft qui ont commencé à appeler leurs CRM existants ou leurs suites marketing cloud « CDP ».

Il y a trop de fournisseurs de CDP pour qu’on puisse les compter. Cela rend l’espace plutôt difficile à manœuvrer en tant que nouveau venu. Dans la suite de cet article, nous nous concentrerons sur les CDP à usage général comme Segment Personas, mParticle et Treasure Data. C’est à eux que la plupart des gens pensent lorsqu’ils entendent CDP et ils sont utilisés par beaucoup plus d’entreprises que les autres. En tant qu’employé (de la première heure) de Segment, c’est le domaine dans lequel j’ai le plus d’expérience.

Pour en savoir plus sur les Customer Data Platforms, l’état du marché et ses principaux acteurs, nous vous invitons à télécharger notre Livre blanc complet sur les CDP.

Pourquoi la Customer Data Platform devrait être le Data Warehouse ?

Il y a cinq raisons principales pour lesquelles vous devriez préférer votre entrepôt de données à une CDP standard sur l’étagère :

• Les CDP ne sont pas la source unique de vérité. Le Data Warehouse contient toutes vos données.
• Les CDP excluent les équipes data. Les équipes marketing & data devraient travailler ensemble.
• Les CDP ne sont pas flexibles. Chaque entreprise a un modèle de données unique.
• Les CDP possèdent vos données. Vous êtes enfermé.
• Les CDP ne bénéficient pas de l’écosystème de données. Vous êtes cloisonné.

Les Customer Data Platforms ne sont pas la source unique de vérité

Le Data Warehouse contient toutes vos données. Que vous soyez une marque B2C, une entreprise B2B SaaS, une marketplace ecommerce ou même une grande banque comme BNP Paribas, il y a de fortes chances que vos données clients se trouvent déjà dans un entrepôt de données. La première raison pour laquelle votre CDP devrait être l’entrepôt de données est que votre entrepôt de données est déjà votre CDP.

Les CDP prétendent être la source unique de vérité, mais les CDP ne remplacent pas les Data Warehouses. Le fait d’avoir des bases de données clients distinctes pour les différents départements ne délivre  et ne constitue pas une « source unique de vérité ». Certaines CDP permettent d’importer des données depuis l’entrepôt de données, mais cela entraîne une latence supplémentaire des données et la « fraîcheur des données » demeure un voeux pieux.

Il est plus facile que jamais de centraliser toutes vos données dans un Data Warehouse en utilisant des plateformes SaaS comme Fivetran. Une fois que vos données clients sont dans l’entrepôt, les équipes chargées des données déterminent les définitions de base, comme « qu’est-ce qu’un utilisateur ‘actif' », en SQL. Le Data Warehouse est la source de vérité pour les définitions fiables de votre entreprise. Il est absurde de redéfinir ces définitions dans vos outils de vente, de marketing, etc.

La plupart des entreprises pense que le Data Warehouse sert uniquement à l’analyse, à la BI, mais les entreprises disposant de stack data modernes construisent depuis des années des pipelines de données opérationnelles à partir de leur Data Warehouse ! Les solutions SaaS comme Hightouch vous permettent de pousser facilement les données et les définitions vers les outils métier à partir de votre entrepôt en utilisant simplement SQL, sans scripts.

Les Customer Data Platforms excluent les équipes data

Les CDP ciblent les équipes de marketing et se vendent principalement aux CMO. Mais force est de reconnaître que les marketeurs ne sont pas les mieux habilités à résoudre les problèmes de données complexes que les CDP traitent.

L’accès en libre-service et la démocratisation des données sont importants, mais il s’agit d’un effort inter-fonctionnel. Les équipes data devraient être chargées de comprendre le modèle de données de votre entreprise et de créer des modèles de données propres que tout le monde pourra utiliser. Les équipes de marketing devraient être habilitées quant à elles à analyser le comportement des clients et à itérer sur les segments de clients pour les campagnes sans être bloquées par les équipes data.

Les CDP ne permettent pas ce fonctionnement « symbiotique » des équipes marketing & data. Au lieu de cela, les Customer Data Platforms donnent aux responsables marketing d’immenses capacités sans le processus ou les garde-fous des équipes data et d’ingénierie. Il peut y avoir un équilibre heureux et productif entre les équipes de marketing et data, mais les outils et les processus que votre entreprise adopte doivent comprendre le rôle et le flux de travail de chaque équipe et faciliter la collaboration entre elles. C’est toute la thèse qui sous-tend Hightouch (et son équivalent français, Octolis) : elle permet aux spécialistes du marketing de segmenter visuellement les utilisateurs en fonction des modèles de données que votre équipe data assemble en SQL dans votre Data Warehouse.

En fin de compte, il n’y a pas de préoccupations d’ingénierie ou de marketing – il y a uniquement des préoccupations commerciales. Souvent, le marketing seul n’a pas les compétences techniques pour évaluer en profondeur les problématiques techniques, alors même que ces problématiques peuvent avoir un impact important sur la performance commerciale. Une collaboration efficace entre les équipes est le fondement d’une entreprise prospère.

Les Customer Data Platforms ne sont pas flexibles

Les CDP sont construits autour de modèles de données rigides. Segment Personas, par exemple, ne propose que deux objets de base : les utilisateurs et les comptes. Et qui plus est, un utilisateur ne peut appartenir qu’à un seul compte.

Dans la réalité, les modèles de données ne sont pas aussi rigides. Les utilisateurs peuvent appartenir à plusieurs comptes et les comptes peuvent avoir des sous-comptes, des business units, etc. Outre les utilisateurs et les comptes, les entreprises du XXIe siècle possèdent leurs propres objets et leur propre hiérarchie.

• Les entreprises B2B comme GitHub ont des organisations, des référentiels, des requêtes pull,etc. Et ce n’est que pour leur application, sans tenir compte du CRM, de l’outil de ticketing…
• Les entreprises B2C comme Amazon ont des utilisateurs, des paniers, des abonnements (Prime, Audible, etc.), des vendeurs, des commandes, des retours, des cartes cadeaux, un historique de recherche et un inventaire global des produits. Et la liste est encore longue.

La réponse de l’écosystème CDP aux données personnalisées est « l’événement ». Les CDP vous permettent de leur envoyer un flux d’événements personnalisés réalisés par vos utilisateurs. Cela semble génial en théorie, mais il n’est pas toujours facile de répondre aux questions dont vous avez besoin avec de simples événements. Les Data Warehouse ont ce qui manque aux CDP : la capacité de modéliser et d’interroger des données relationnelles ad hoc.

Les Customer Data Platforms sont propriétaires de vos données

Les CDP offrent un accès restreint à vos données clients, alors que les Data Warehouses offrent un accès illimité à vos données. Les meilleures entreprises reconnaissent que leur capacité à exploiter les données clients constitue un avantage concurrentiel. Elles doivent donc être propriétaires de leurs données.

Les CDP ne proposent que des actions très spécifiques sur vos données clients, généralement conçues pour des flux de travail marketing. Les CDP étant des solutions tout-en-un, vous êtes enfermé et soumis aux caprices de votre fournisseur de CDP quant à l’utilisation de vos données clients. La transition d’une CDP à une autre ne se fait pas sans heurts. Avec l’avènement du cloud, il n’y a aucune raison que les flux de travail de votre entreprise soient liés à la politique de données d’un fournisseur.

Et nous ne parlons ici que de la problématique fonctionnelle…Avec l’augmentation des réglementations et des préoccupations concernant la confidentialité des données (GDPR, CCPA, etc.), la résidence des données (par exemple, l’invalidation du Privacy Shield) et la sécurité des données (SOC2, ISO, HIPAA, etc.), cet enjeu de propriété des données devient incontournable.

Les Customer Data Platforms imposent leur écosystème data

Puisque les CDP possèdent vos données, ils possèdent aussi votre écosystème. Chaque CDP doit construire son propre « écosystème » indépendant.

Étant donné que les CDP sont conçus pour s’adapter à leur propre écosystème, chaque CDP doit répondre de manière indépendante à ces préoccupations par le biais de fonctionnalités propriétaires. Par exemple, si vous envoyez une série de mauvais événements à un CDP, vous êtes limité aux fonctions dont il dispose pour nettoyer votre ensemble de données. Les transformations dont vous avez besoin n’existent souvent pas et vous n’avez pas d’autre choix que de remplir un ticket de support. En revanche, si votre CDP est votre Data Warehouse, vous pouvez utiliser SQL pour transformer vos données comme vous le souhaitez et des outils comme dbt on top pour encoder et exécuter systématiquement ces transformations.

Après la collecte des données, il y a un certain nombre de préoccupations : gestion de la qualité des données, métadonnées/découverte, surveillance, observabilité, lignage, etc. Aucun fournisseur, pas même un géant du logiciel comme Salesforce ou Adobe, n’est en mesure de créer un logiciel de premier ordre qui répond à chacune de ces préoccupations. Dans la plupart des cas, les CDP ne répondent pas efficacement à toutes ces préoccupations en matière de données, car elles se concentrent sur la création de fonctionnalités destinées à séduire les professionnels du marketing. Même dans un monde parfait où une CDP répondrait à toutes ces préoccupations, vous devriez utiliser un ensemble d’outils distinct pour résoudre à nouveau ces problèmes pour l’entrepôt de données, car les CDP ne remplacent pas les Data Warehouses.

D’autre part, l’écosystème autour des Data Warehouses se développe rapidement. Les entrepôts de données sont la norme à laquelle pensent tous les fournisseurs de SaaS. Les entreprises qui s’attaquent à ces problèmes en privilégiant les entrepôts apparaissent à gauche et à droite.

Dans quels cas choisir une Customer Data Platform peut faire sens ?

Il serait injuste pour les CDP de ne pas parler des cas où il est judicieux d’option pour cette famille de solutions. Bien que nous ne croyions pas que les CDP soient la solution universelle pour les données clients, il existe des cas où il est judicieux d’envisager une CDP.

Customer Data Platforms verticales

Les CDP verticales sont des CDP conçues pour un type spécifique d’entreprise, classées par secteur, taille, objectif, etc. Contrairement aux CDP à usage général, je suis en fait très optimiste quant aux CDP verticales.

Mes deux exemples préférés de CDP verticaux sont Amperity et Zaius.

• Amperity se concentre sur les problèmes difficiles de science des données pour les entreprises de Retail traditionnelles, comme la meilleure estimation de la composition d’un ménage à partir de sources de données disparates.
• Zaius (récemment racheté par Optimizely) se concentre sur la création d’intégrations prêtes à l’emploi pour les entreprises de commerce électronique de taille moyenne utilisant Shopify ou Magento, complétées par des services SaaS courants.

Les entreprises qui utilisent des CDP verticaux disposent toujours, au minimum, de Data Warehouses pour l’analyse. En fait, un certain nombre de grandes entreprises utilisent simplement Amperity pour construire une vision client unique et construisent leurs propres pipelines à partir de l’entrepôt de données vers d’autres outils de vente/marketing/support.

Les capacités  » no-code  » des Customer Data Platforms

Les CDP offrent aux marketeurs de nouvelles possibilités. Le marketeur moyen n’est pas en mesure de résoudre des problèmes tels que la résolution d’identité, à moins qu’il ne connaisse bien le langage SQL. Pour les raisons susmentionnées, nous pensons que cela ne pose pas problème, au contraire, et que les équipes de marketing et de data ont simplement besoin d’un cadre pour collaborer.

Cela dit, si vous n’avez pas accès à une personne possédant des compétences SQL pour modéliser les données de votre entreprise, il peut être judicieux de se contenter d’une CDP standard.

Découvrez notre guide complet sur l’Operational Analytics, l’approche IT moderne pour réellement actionner vos données clients.

Les Customer Data Platforms ne nécessitent pas une stack data moderne

Si votre entreprise dispose d’une stack data marketing de qualité médiocre et que vous n’avez pas l’intention de l’améliorer prochainement, mais que vous êtes sérieusement débordé au niveau du marketing, il peut être judicieux d’utiliser une CDP standard comme palliatif. L’approche basée sur le Data Warehouse n’est pertinente que si vous disposez d’un entrepôt de données.

Si le problème vient des ressources humaines, nous vous conseillons vivement de vous y attaquer directement. De nombreuses entreprises ne parviennent pas à mettre en œuvre des CDP. La moitié du défi que représente l’adoption de tout logiciel est d’ordre humain. Il est très difficile de créer une base de données regroupant toutes les informations relatives à vos clients si vous ne disposez pas d’un membre de votre équipe capable de naviguer dans les méandres des données de votre entreprise. Grâce à des services tels que Snowflake, Fivetran, Hightouch ou Octolis, la création d’une stack data moderne est devenue un jeu d’enfant.

L’alimentation en temps réel des Customer Data Platforms

Certaines CDP gèrent le « temps réel », ce qui relève encore aujourd’hui du défi voire de l’impossible avec les solutions Data Warehouses actuelles.

Dans la plupart des cas, les capacités d’alimentation en temps réel ne sont ni nécessaires ni utiles. Cela dit, il existe certains cas d’utilisation où l’exécution d’opérations en temps quasi réel est précieuse. Par exemple, une notification transactionnelle telle que « Merci d’avoir effectué un achat » lorsque vous passez à la caisse d’un Starbucks ne devrait pas être envoyée une heure plus tard. D’après nos recherches auprès des utilisateurs, la majorité des cas légitimes d’utilisation en temps réel concernent des flux de produits essentiels comme celui-ci, où l’ingénierie est impliquée, plutôt que des cas d’utilisation que le marketing pourrait gérer de manière autonome.

Si le fait de donner au marketing les moyens de gérer ces cas d’utilisation en temps réel est suffisamment crucial pour votre entreprise pour l’emporter sur les autres inconvénients d’une infrastructure de données cohérente et saine, il est alors justifié d’opter pour un CDP prêt à l’emploi. La seule chose à laquelle je vous invite à faire attention est que même les CDP qui annoncent des capacités en temps réel ne peuvent pas toujours les atteindre.

En effet, en coulisses, la plupart des CDP utilisent des entrepôts de données standard comme Snowflake et BigQuery, qui constituent une part importante de leur architecture interne. Par conséquent, les CDP sont en fin de compte bloquées par les mêmes limitations technologiques que votre équipe data.

Les Data Warehouses sont de plus en plus rapides.

• JetBlue utilise des pipelines opérationnels pour prévoir les retards de vols avec une latence de bout en bout de 2 minutes sur Snowflake et dbt.
• Google BigQuery dispose d’API d’insertion en continu.

Les capacités en temps réel se profilent à l’horizon. Snowflake, BigQuery et Redshift disposent tous de fonctionnalités bêta mettant en œuvre des vues SQL calculées de manière incrémentielle, ce qui constitue la base d’un système de traitement en flux en temps réel. Materialize est en train de construire des entrepôts de données SQL en temps réel à partir de la base et gagne beaucoup de terrain.

Personne ne peut prédire l’avenir avec certitude, mais le secteur s’oriente vers un Data Warehouse moderne comme base de données principale pour les données des clients.

Découvrez notre guide complet sur le Reverse ETL, la brique Data pour actionner les données de votre Data Warehouse Cloud.

Comment transformer mon Data Warehouse en Customer Data Platform ?

Vous pouvez utiliser des outils comme Hightouch ou son équivalent français Octolis pour transformer votre Data Warehouse en Customer Data Platform.

Octolis par exemple vous permet de synchroniser n’importe quelle donnée de votre entrepôt de données avec les outils de vente, de marketing et d’assistance via une interface user-friendly ou en utilisant du SQL, sans script.

Hightouch propose un constructeur d’audience qui ne fait aucune hypothèse sur le modèle de données de votre entreprise. Plutôt que de forcer votre entreprise à adapter son modèle de données à celui d’un CDP, Hightouch s’adapte au modèle de données de votre entreprise. Le générateur d’audience de Hightouch est alimenté par une couche de modélisation de schéma qui vous permet d’encoder la hiérarchie des objets relationnels et les événements de votre entreprise en étiquetant les tables et les vues de votre entrepôt de données que vous souhaitez exposer aux utilisateurs professionnels.

C’est la même approche utilisée par le moteur de segmentation multi-objets proposé par la solution Octolis. Les audiences, segments ou agrégats créés peuvent ensuite très facilement être redistribués aux outils d’activation comme le CRM ou la solution de Marketing Automation.

Il s’agit d’exemples de la manière dont des processus commerciaux & marketing spécifiques peuvent être activés à partir des données clients de votre entreprise sans perdre de flexibilité ou de contrôle. Les outils comme Hightouch, Census ou bien Octolis font partie d’une famille de produits construits directement au-dessus du Data Warehouse et destinée à un bel avenir.

Ces outils vous apportent le meilleur des deux mondes. Votre équipe data peut se concentrer sur les parties de la stack qui sont propres à votre entreprise, c’est-à-dire modéliser les données de votre entreprise et répondre à des questions commerciales difficiles. Quant à votre équipe marketing, elle peut exploiter les données des clients pour lancer des campagnes sans être bloquée par les équipes de données.

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

Découvrir