Les confinements successifs déclenchés par la COVID19 ont mis l’accent sur la nécessité d’établir un lien étroit avec ses clients et prospects. Afin de les fidéliser, de les informer et de leur proposer une expérience client personnalisée, les e-commerçants doivent pouvoir collecter et entretenir des données de qualité.
Ainsi, un grand nombre d’entre eux a mis en place des infrastructures et processus permettant d’établir une vision 360° des clients. Pour autant, le seul déploiement de ces plates-formes CRM, DMP (Data Management Platform) et CDP (Customer Data Platform) ne suffit pas à garantir une bonne expérience client. La mise en place d’une véritable gouvernance de données est nécessaire.
Cinq étapes au service de la qualité des données
Cohérence
Un des pré requis est de contrôler que les données récoltées sont complètes et valides. C’est-à-dire pas de champs partiellement remplis, pas de formats incohérents (lettres dans un champ chiffres par exemple). En parallèle, il faut s’assurer qu’elles sont à jour et stockées au bon endroit.
Exemple de vérification : Assurer que l’email possède une extension, que l’âge saisi est réaliste.
Normalisation
Afin d’harmoniser les données il est important de procéder à une normalisation. Cette étape consiste à définir des règles de gestion pour des sujets comme les majuscules, minuscules, titres, raisons sociales et adresses postales. Dans ce dernier cas, le traitement à appliquer est dénommé RNVP (Restructuration, normalisation et validation postale). Il uniformise la rédaction des adresses et les confronte à un référentiel postal existant.
Exemples de normalisation : Harmoniser Mr & Monsieur. Passer en majuscules les noms de famille.
Dédoublonnage
Afin de limiter le nombre de doublons au sein des bases de données CRM, deux actions, préventives et curatives sont possibles. Dans un premier temps, il s’agit d’éviter avant intégration qu’une source ne créé un doublon en proposant une fusion avec un enregistrement présent.
Ensuite, si plusieurs enregistrements similaires sont présents en base, il est souhaitable de prévoir des routines automatiques qui permettront de fusionner ces données.
Au préalable, une réflexion sur les critères de matching doit être menée. Elle permettra de répondre à la question suivante : Quelles sont les informations fiables qui permettent de déceler des doublons (Nom, prénom, email, date de naissance, adresse… ?)
Qualification et enrichissement
L’ajout de données externes (scoring, variables socio/demo…) est parfois une étape indispensable pour mieux appréhender le potentiel commercial d’une cible et aussi fournir une communication plus personnalisée et plus pertinente.
Attention toutefois, à ne pas intégrer des informations pour lesquelles le client n’aurait pas formalisé son consentement préalable.
Suivi et alertes
Une fois familiarisé avec les quatre étapes précédentes, il est relativement facile de mettre en place des tableaux de bord relatifs à l’hygiène des bases de données. Que ce soit à travers les reportings des outils de maintenance des données ou alors via des systèmes internes de B.I (Business Intelligence), il est alors possible de mettre en place des alertes automatiques. De cette façon, il sera possible d’identifier et corriger les sources de dégradation des données.
Par exemple : Mauvais recueil des adresses postales en magasin.
AxiCom France