webleads-tracker

Qui sommes-nous ?

Métiers & Expertises

Enjeux & Solutions

Blog & Actualités

Contactez-nous

Nous recrutons


Lead generation, encore un bel anglicisme pour dire qu’on veut transformer des prospects en clients… C’est même la priorité « numéro 1 » des directeurs marketing selon le baromètre du CMIT*, repris dans le très bon article d’emarketing fin 2017. Toutefois, encore faut-il avoir des leads…

Deux méthodes, pas incompatibles, sont connues pour l’acquisition de leads : l’inbound ou l’outbound ? On fait venir ou on va chercher. La première bénéficie de suffisamment de littérature sur le web pour ne pas avoir en parler davantage. Nous allons donc nous concentrer dans cet article sur la deuxième technique, l’outbound, car, quoique l’on en pense, elle demeure très utilisée dans les entreprises pour acquérir du lead.

Dans une stratégie d’outbound marketing, il existe deux piliers fondamentaux à ne pas négliger : la qualité de la donnée et le ciblage, et ce, quel que soit le canal choisi (emailing, téléphone, courrier). Quatre méthodes de ciblage sont donc disponibles pour générer du lead, de la plus traditionnelle à la plus moderne, celle où s’intègre le graal de la technologie actuelle : l’intelligence artificielle.

1 – Le ciblage à l’ancienne, ou l’art de balancer ou  « shooter » large

Le titre est provocateur mais résume assez bien la technique. On se concentre ici sur de grands critères exogènes basés sur notre propre connaissance client, généralement le secteur d’activité et la fonction. On cible large en espérant remonter un maximum de contacts. L’efficacité est limitée, les retours souvent assez faibles et le risque de polluer des leads potentiels est non négligeable. Toutefois, la méthode reste la plus utilisée aujourd’hui, en emailing, mailing ou phoning. Pourquoi ? Parce qu’il est toujours possible de cibler plus précisément, de multiplier les critères jusqu’à une cible très fine où l’impact sera bien meilleur. Tout d’abord, il faut s’assurer de la fiabilité des données, ce qui n’est pas une mince affaire. Par exemple, pour un mailing papier il faut s’assurer de la probabilité de fiabilité d’une adresse. Ce type d’indicateurs existe et c’est le genre de petits détails qui font toute la différence. Ensuite, on précise la cible par de nouvelles données. Merci à l’open data ou à certains professionnels qui commercialisent des données de plus en plus précises (immatriculations, labels …).

2 – Le ciblage néo moderne, ou l’art du ciblage

C’est la version améliorée du ciblage à l’ancienne. On reste sur une sélection de critères mais on améliore encore leur précision en profitant de la mine d’or qu’est le web. Grâce aux techniques de crawling, la data sur les entreprises est florissante. On peut ainsi récupérer des descriptions d’activités très précises issues du web, exploiter les méta-description ou identifier la présence sur les réseaux sociaux des employés … Autant de critères qui permettent d’être toujours plus précis et de passer d’un ciblage sur critères classique à un ciblage sur mots-clés et sémantique. Attention toutefois au processus de data quality management des fournisseurs. Scraper un site n’est pas trop compliqué, en revanche, faire en sorte d’en tirer une data fiable et à jour, devient plus difficile.

3 – Le ciblage sur portefeuille, ou l’art de lutter contre la suffisance

En tant que marketeur, n’avez-vous jamais entendu de la part d’un commercial ou d’un dirigeant, la phrase « Pas besoin de tes trucs, moi je connais très bien mes clients » ?  C’est souvent vrai, le commercial est généralement la meilleure source d’information sur un client ; toutefois, cela ne doit pas l’empêcher de s’aventurer un peu plus loin. En effet, c’est la phase d’analyse client qui permettra de découvrir des informations inédites. En premier lieu, on segmente le portefeuille. A ce stade, le commercial peut aider. On découpe par fonction, par produit vendu, par zone géographique, en fonction de son ressenti, de sa connaissance client … L’objectif, chercher à identifier des poches d’activités homogènes sur lesquelles le message peut-être personnalisé. Il n’est pas rare pendant cette phase d’analyse statistique de découvrir des aspects que le commercial n’avait pas identifiés : concentration du portefeuille client entre quelques mains ou quelques secteurs d’activités, panier moyen très élevé sur telle taille d’entreprise… C’est une phase très descriptive mais qui révèle souvent des niches à cibler par des messages précis.

4 – Le scoring, ou quand tu te rends compte que tu aurais dû embaucher un data scientist

Le scoring, c’est quand ce qui est décrit dans le point 3 est réalisé par un robot. Soyons clair le scoring d’appétence existe depuis longtemps. On prend son portefeuille client, on établit l’objectif du score (généralement, quelle est la probabilité que cette entreprise soit cliente), puis on sélectionne les variables qui ont le plus d’impact sur le résultat que l’on souhaite obtenir. Le choix des variables reste très métier et le score très dépendant de la disponibilité des données. La vraie nouveauté, et cela est beaucoup plus récent, est que désormais la machine apprend d’elle-même, c’est-à-dire qu’elle va elle-même tester les variables et les modifier au fur et à mesure, sélectionner les plus discriminantes pour faire évoluer le score en permanence. Ainsi là où chaque année, le marketing devait réviser les variables, vérifier la pertinence du score est aujourd’hui réalisé tout seul par l’outil. Merci le big data !

*Le Club des directeurs marketing et communication de l’IT


Pour aller + loin –
Ellisphere fournisseur de datamarketing.

Pour vos opérations marketing, Ellisphere vous accompagne dans toute la chaîne de traitement de la donnée : de la fourniture d’informations stratégiques, de leur sélection, de leur analyse et de leur intégration dans vos systèmes d’information.

A chaque phase, une équipe spécialisée :

– 4 experts datamarketing pour la sélection et l’enrichissement de data, ainsi que l’accompagnement aux opérations marketing,

– 4 experts pour enrichir, assainir et qualifier vos données,

– 4 data scientists pour la conception de score marketing,

– 4 chargés de solutions spécifiques pour l’intégration dans vos systèmes internes.

Besoin de plus d'information sur nos solutions ?
Envie de rejoindre l'équipe Ellisphere ?

CONTACTEZ - NOUS

Notre site utilise des cookies afin de nous permettre de réaliser des statistiques de visites. En cliquant sur le bouton "J'accepte" ou en poursuivant la visite vous acceptez l'utilisation de ces cookies

Consultez notre politique de protection des données pour plus de détails.