Comment instaurer une culture de l’expérimentation ?
Adriano Mucciardi exerce la fonction de Senior Manager au sein du cabinet de conseil Digital & Data Converteo. Il participe notamment à des projets de définition de stratégie digitale et d’optimisation d’écosystèmes digitaux pour de grands annonceurs français et internationaux.
Nous sommes allés à sa rencontre. Voici ses conseils et retours d’expérience.
Comment définiriez-vous le concept de culture de l’optimisation ?
La culture de l’optimisation se traduit d’abord par une perpétuelle remise en cause de la relation client et des parcours qui sont proposés.
Cette démarche doit se baser sur le maximum d’éléments concrets et objectifs. C’est pour cette raison que je crois fortement aux démarches structurées autour de la data.
Adopter une démarche d’optimisation continue signifie également savoir accepter l’échec pour en tirer le maximum d’enseignements. Il arrive par exemple que certains « nouveaux parcours », ayant demandé des efforts de conception et de réalisation, présentent des performances inférieures aux résultats attendus. Il faut donc être en mesure de tirer des apprentissages de ces résultats pour réorienter ou améliorer la stratégie.
Pensez-vous que les marques prennent aujourd’hui des mesures concrètes pour instaurer une culture de l’expérimentation en interne ?
Il existe aujourd’hui de nombreux exemples d’acteurs du digital ayant mis en place des logiques d’expérimentation systématique (par tests A/B) des évolutions de leurs parcours.
Ces acteurs sont souvent structurés autour de feature teams dédiées à l’expérimentation. Ils acceptent d’alourdir légèrement les processus de modifications de leurs sites, applications etc. en contrepartie d’un suivi précis des variations de la performance liées à chaque évolution. Cette démarche permet d’obtenir une compréhension très fine des facteurs qui contribuent à la performance globale du dispositif digital.
Ces feature teams A/B testing sont garantes de la culture de l’optimisation : elles connaissent l’outil d’optimisation utilisé par l’entreprise en profondeur, d’un point-de-vue fonctionnel et technique, et centralisent les initiatives afin d’avoir une forte cohérence sur la roadmap de tests. Ce sont également elles qui définissent et veillent au respect des processus de qualification et de réalisation des tests.
Quelles sont les principales difficultés que rencontrent les marketers lorsqu’ils veulent déployer des stratégies de personnalisation ?
La personnalisation se base avant tout sur des données comportementales, pouvant être croisées avec les données froides (CRM, transactionnelles, produit, ...). La première difficulté est de collecter des données de qualité et de les interpréter et les exploiter de manière pertinente.
La seconde difficulté rencontrée par les marques est de proposer une expérience cohérente sur l’ensemble des canaux. Il est possible d’exploiter la donnée comportementale digitale pour personnaliser un site ou une application. Mais lorsque l’on va au-delà du cœur digital (call-center, boutique, force de vente, ...), déployer une stratégie de personnalisation génère une plus grande complexité d’exécution, autant technique qu’organisationnelle.
Ces deux difficultés sont par ailleurs renforcées par l’obligation pour les marques de se conformer au RGPD.
Avez-vous des conseils méthodologiques permettant à vos clients de développer des processes et une culture de l’expérimentation ?
Pour l’A/B testing, nous conseillons à nos clients de démarrer par une analyse fine de leurs parcours, en s’appuyant sur leurs données analytics. Cela permet d’identifier clairement où se situent les poches de valeur et les zones de friction, et donc de concevoir une roadmap de tests pertinente.
Il est également essentiel d’analyser en détails les résultats des tests. Il ne suffit pas seulement de savoir qu’une version performe globalement plus qu’une autre, afin de valider l’évolution d’un parcours. Il faut arriver à identifier précisément les éléments qui contribuent à l’évolution de la performance. Ces analyses peuvent par exemple permettre d’identifier si une version globalement gagnante dessert un segment de clients à forte valeur.
Une personnalisation visant ce segment spécifique peut alors vous permettre d’augmenter vos conversions.
Quels nouveaux métiers liés à la personnalisation voyez-vous émerger ces dernières années ?
Je ne constate pas forcément l’arrivée de nouveaux métiers mais plutôt de nouvelles compétences pour des postes et des ressources existants.
Les profils sont de plus en plus experts de la data et de la web analyse. En plus d’une parfaite connaissance fonctionnelle des outils de personnalisation et d’une bonne culture de la performance digitale, la personnalisation exige une très bonne compréhension des logiques de collecte et d’exploitation des données clients (comportementales digitales en premier lieu).
Quels sont vos prochains défis dans le domaine de l’optimisation ?
Tout le monde parle aujourd’hui de personnalisation, mais ces pratiques sont à ce jour encore trop souvent « silotées ». Il est essentiel de personnaliser de manière omnicanal. Cela permet de garantir une parfaite cohérence du discours client indépendamment du point de contact (site, application, media, CRM, magasin, call-center, …).
Enfin, plus qu’un défi, une tendance de fond. Avec la montée en puissance des départements data, les entreprises voient un fort intérêt à intégrer leurs propres modèles data dans les outils de personnalisation. La capacité d’intégration d’algorithmes « in-house » dans les outils de personnalisation devient un élément important aux yeux des acteurs les plus matures du marché.
