Contexte

Le contexte est général et commun à toutes les sociétés qui ne disposent pas d’une vision claire de leurs données et donc de leur activité. Les données sont parfois déjà centralisées, mais leur exploitation est compliquée. Dans d’autres cas, les données sont silotées par sous-activités commerciales de l’entreprise, mais les produits et les stocks sont communs. Perdus dans les sources diverses et variées, et parfois influencés par les responsables qui peuvent avoir des avis biaisés, le dirigeant navigue à vue…mais avec une forte myopie !

Approche

Après une prise de brief pour identifier les sources de données et les besoins des différentes équipes, nous allons commencer par centraliser et homogénéiser les données. La seconde étape va consister à créer des tableaux de bord généralistes qui devront ensuite permettre d’identifier les points critiques à approfondir. L’objectif final est ensuite de mettre en place un outil de pilotage alimenté automatiquement et de redonner la main au client sur l’exploitation et l’évolution de l’outil (si celui-ci le souhaite).

Contexte

Startup typique des années 2010, créée dans le garage des parents, l'activité sur un marché de niche est dominée par un acteur majeur. Comment accélérer la croissance d’une activité d’un pure-player quand l’historique des données est réduit, le budget limité et la fréquence de commande des clients limitée ?

Approche

Il a fallu exploiter le plus finement possible les données du backoffice du site e-commerce et les rapprocher des statistiques des visites sur la boutique en ligne et les tendances de recherche sur les mots clés pertinents pour notre client.

L'analyse a permis de déterminer qu'une approche par l'envoi d'un mini-catalogue papier pouvait être très efficace. Mais avant d'investir un budget non négligeable, nous avons segmenté le fichier clients en plusieurs tranches selon un score Récence Fréquence Montant.

L'envoi du catalogue a fortement fait augmenter le nombre de visites sur le site sur les semaines suivant la date d'envoi, ainsi que le nombre de commandes. Quant à l'analyse de la segmentation via des tableaux de bord préparés spécialement, elle a permis d'isoler les meilleurs segments clients à relancer plus souvent, et ceux à utiliser plus spécifiquement lors d'opérations spéciales.

Contexte

Réseau de 6 boutiques physiquessur la France et d’une boutique en ligne. L’activité en boutiques physiques est en baisse, alors que la fréquentation est en légère progression sur la boutique en ligne. Les boutiques physiques sont la principale source de chiffre d’affaires. L’objectif est donc à la fois de faire progresser les ventes en ligne, mais également de mener des opérations drive-to-store ciblées sur les clients les plus appétents.

Les données ne sont pas centralisées : chaque boutique à son logiciel comptable et les données sont uniquement exportables sous Excel avec distinction factures, avoirs et clients, donc autant de fichiers Excel à traiter à chaque livraison.

Approche

Création d’un programme pour automatiser la consolidation des fichiers Excel le plus automatiquement possible, mais un travail manuel était nécessaire à chaque réception ce qui nécessite une gestion spécifique.

Identification des comportements clients et de leur >géolocalisation par rapport aux magasins physiques afin de communiquer pour le drive-to-store uniquement aux clients habitants à moins de 45 minutes de trajet des boutiques et qui n’ont pas de comportement d’achat en ligne.

Communication avec le média et le message en fonction de chaque cohorte de clients : catalogue papier, sms, emailing, carton A5 drive-to-store.

Contexte

Un grand réseau de stations de lavages de voitures a équipé ses stations d’un dispositif permettant de capter les données d’utilisation des services (programmes choisis, fréquentation, etc.). À ce stade, ces données sont remontées manuellement et centralisées dans un tableau Excel, avec une perspective d’automatisation dans les phases futures du projet. Les usages sont associés à une clé RFID de lavage, un porte-monnaie rechargeable servant aussi de support de fidélisation, permettant d’analyser les comportements clients et d’activer des communications ciblées ou des tests A/B pour optimiser les services.

L’analyse des données doit permettre de mieux comprendre l’usage qui est fait des services proposés par les stations et de définir des profils d’utilisateurs à des fins d’exploitation en data marketing.

Approche

Intégration des données transmises par les stations de lavage dans un outil de BI et récupération des données météo SYNOP de Météo France©. Croisement des passages et programmes utilisés sur les stations de lavage, avec les données SYNOP afin de mettre en évidence les impacts météorologiques. Ajout d’un vecteur binaire afin de déterminer les profils d’utilisation selon les programmes activés par les utilisateurs et déterminer quels programmes sont vraiment utiles.

Contexte

La société dispose d’un logiciel de gestion commerciale développée en interne pour des besoins très spécifiques. Cet outil permet de facturer et d’exporter les données vers le logiciel de comptabilité (Sage), mais les achats sont gérés coté comptabilité.

Les données envoyées vers le logiciel de comptabilité sont parcellaires et aucun logiciel de comptabilité ne permettrait de gérer les données spécifiques à l'activité de cette entreprise.

L’objectif est de pouvoir suivre la trésorerie à J+30/60/90 mois en fonction de données qui ne sont présents que dans la gestion commerciale, et en exploitant les achats.

Approche

Utilisation de connecteurs sur les bases de données de la gestion commerciale (Hyperfile) et de la base de données du logiciel de comptabilité (Sql Server).

Centralisation de l’ensemble des données utiles dans un outil de BI (Qlik Cloud) et création des tableaux de bord accompagnés des filtres issus des données de la gestion commerciale.

Exploitation des données d’encaissements et d’échéances à la fois sur les factures d’achats et de ventes afin de calculer un prévisionnel de trésorerie sur les mois à venir.

Contexte

L’acquisition de nouveaux clients (ou recrutement) est le nerf de la guerre de toute activité commerciale. Dans un environnement omnicanal qui mixe les opérations digitales et print, il est en général compliqué de savoir d’où vient un nouveau client quand celui-ci a passé une première commande sur une boutique en ligne en arrivant « de Google ».

Effectivement, vos statistiques de visites et de conversion vont attribuer la vente au canal ou au mot clé utilisé par l'internaute. Sauf que la recherche sur le moteur de recherche a très bien pu être initiée par une communication que le prospect a reçu par un autre canal.

Approche

Le matchback consiste à confronter les fichiers de prospection utilisés en opérations print avec les clients générés après le dépôt des plis à La Poste, quelle que soit l’origine de la commande. Contrairement à ce qu’on peut penser, beaucoup d’internautes oublient d’utiliser les codes avantages affichés sur un message print lorsqu’il passe sa commande en ligne.

La confrontation se fait par déduplication sur l’adresse postale du client (puisqu’il a en général reçu un colis), avec les différentes données de prospection exploitées. Nous pouvons alors corriger les statistiques de performance des opérations print pour réaffecter le nouveau client au bon média de communication et non seulement au canal de commande.