Web Analytics :La data au service du parcours

cross-canal des clients

Barbara Sohier, Directrice E-commerce de Padd1

Présentation PADD

• Création 1974

• Spécialiste de l’équipement pour le cheval et le cavalier

• N°1 français

• 12.000 références – les plus grandes marques mondiales

• Conseil, expertise et professionnalisme

• Cible : 15-25 prescriptrices utilisatrices // 25-50 acheteurs et

utilisatrices – femmes

2

Présentation PADD

• 57 magasins en France dont 2 mégastores

• Un site e-commerce en France depuis 2003

• Développement international E-commerce 2016 :

Espagne, Belgique, Pays-Bas et Suisse

• Des clients encartés depuis + de 20 ans (250 000@)

3

Enjeux PADD

• Fidélisation des clients FR

• Segmenter la base de données = meilleure connaissance client pour un meilleur

ciblage

• Développement à l’international

• Acquisition de trafic

• Développement de la base de données

• Ouverture de magasins physiques

• Améliorer / optimiser le Taux de conversion des sites

4

Les Challenges

• Pour PADD

• Enrichir, optimiser, déployer le catalogue produits Europe (nouveautés, destockages…)

• Capitaliser sur les clients habituels, venant du offline.

• A la différence des concurrents, souvent uniquement par correspondance

• Réconcilier data on et data offline

• Tableaux de bord / suivi rotations produits (stocks / ventes)

• Pour le département marketing / e-commerce

• Gérer le CRM existant (> 250 000 contacts) en France pour le segmenter

• Mieux connaitre le client

• Le toucher de manière personnalisée via le canal e-mail et/ou SMS

• Avoir une connaissance clients X produits5

Comment créer une vision cross-canal?

• Des Données quantitativement élevées et qualitativement détériorées :

• Réconcilier les infos du MediaSystem (fournisseur) avec les infos clients, tickets magasins et

données web….

• Plus de 5 formats différents de données, non compatibles

• Une culture Big Data inexistante en interne

• Embaucher un data scientist ? / Former les équipes ?

• Comment collaborer?

• Quelle finalité business?

• Comment développer un produit final qui pourra être mis en production et générer de la valeur?

• Quel ROI ? 6

Architecture de la plateforme

Magasins Padd

AS 400

DMP

7

Personnalisation et recommandations

Sites ecommerce

PADD

Media System

RENFORCER LES

COMPËTENCES DATA DE MON

EQUIPE

Combiner des langages et des

technologies Big Data

Travailler en collaboration et faites

croitre les compétences de l’équipe.

CRÉER MON PROJET DATA

DE A À Z

Déploiemen

tConnexion

Exploration

Préparation

Modélisation

Evaluation

Délivrer des projets Data en temps

record

Moins de nettoyage, plus de

modélisation et des itérations en

continu

Utilisez vos outils habituels…

ou accélérez le retraitement

des données avec des outils

visuels

CONNECTION POSSIBLE

AVEC TOUTES NOS

TECHNOLOGIES

Dataiku pour structurer nos projets Data Science

8

Mise en place d’une segmentation client

• Segmentation RFM

• Acheteurs à plus grand quotient

• Inactifs / VIP / nouveaux

• Réduire le churn

• Augmenter la récurrence + panier moyen

• Mais aussi segmentation par finalité

• Quels types d’acheteurs? Cheval ou cavalier? Poney ou cheval ? Propriétaire ou

club ?....

• Segmentation par profil démographique

9

10

Pour des messages personnalisés

• Accueil PRM / inscrits site

• FR : offre de bienvenue à l’issue de la 1ère commande

• Email anniversaire client (web et magasins)

• Lutte anti-churn: réveil des inactifs

• Clients VIP : envoi remerciements + cadeau

• Relance paniers abandonnés

• Cross et Up sell

….11

PRM - Accueil inscrits

Objectifs = Remercier le nouvel inscrit + Le réassurer avec les éléments forts de Padd + L’inciter à passer sa 1ère commande Contenu = Intégrer des témoignages clients + Lien vers Facebook Youtube

Email remerciement inscription

Un visiteur crée un compte sur le site Padd – sans commander

H+0Email « les avantages Padd »

J+3 J+7Email «Offre découverte» avec code promo

J+14Relance Email «Offre découverte » avec code promo

Si le client passe une commande WEB arrêt du scénario

12

13

Next Step: Vers la recommandation produit associée

• Définir les appétences entre catégories / sous catégories produits

• Faire de la recommandation produits par email et onsite +

personnalisation fine selon le profil du client

• Généralisation de tableaux de bord all Padd : magasins, web, codes

promos, ventes, stocks, …..

14

Take-Aways

• Les Small compagnies font du Big Data et de la Data Science !

• Vous avez la data, pourvu que vous sachiez la traiter

• Envoyez moins mais ciblez mieux !

• Le ROI à court-terme ne fait pas tout

• Ne jamais négliger l’offline, mais mieux le réconcilier avec le online, le

client est partout et omnicanal.

15

Merci

16