Référentiel données clients – Le guide complet pour intégrer et unifier vos données clients

Vos données clients sont éparpillées, dispersées dans vos outils et vos bases : CRM, outils de gestion de campagnes, DMP, service client, etc. Comment les intégrer, les réconcilier, les unifier dans un référentiel client unique ? C’est à cette question que nous allons essayer de répondre dans cet article.

Mettre en place un référentiel données clients comporte de multiples avantages :

• Une vision unique de chaque client (ou lead).
• Un alignement des ventes, du marketing et des équipes en contact avec la clientèle autour des mêmes données.
• Moins de temps passé à déplacer et normaliser les données.
• La maximisation de la valeur vie client grâce à l’automatisation et la personnalisation des actions commerciales et marketing.
• La mise en place d’une pratique marketing cross-canal et transversale.

Les bénéfices sont évidents. Mais ne nous le cachons, la mise en place d’un référentiel données clients est loin d’être un travail facile. Découvrons ensemble les différentes méthodes d’intégration possible.

Les principaux challenges associés à la mise en place d’un référentiel données clients

La mise en place d’un référentiel données clients est un vrai challenge. Pour plusieurs raisons. D’abord parce qu’il existe une grande variété de sources de données clients. Il y a, schématiquement, six types d’outils qui stockent de la donnée clients et qu’il faut intégrer entre eux :

• Les outils d’analytics – type Google Analytics – qui trackent les sessions web et les sessions mobiles.
• Les CRM qui stockent les informations déclaratives et enregistrent l’historique transactionnel et relationnel de chaque contact (prospect ou client). Les données du CRM sont exploitées par les commerciaux et les customer success managers pour personnaliser leur relation clients.
• Les solutions d’emailing et de marketing automation qui enregistrent les contacts, les messages et les réactions (emails ouverts, emails cliqués, etc.) pour utiliser ces données dans le cadre des campagnes et de workflows.
• Les bases de données produits qui enregistrent toutes les actions utilisateurs et les données de profil.
• Les solutions d’enrichissement de données, qui permettent d’enrichir les informations de vos bases de données clients.
• Les segments d’audience générés à partir des ad networks (qui, en général, ne sont pas exportables et donc difficiles à intégrer aux autres outils)

Bref, la règle veut que les données soient éparpillées dans des dizaines de bases et d’outils. L’objectif ne se limite pas à connecter entre elles toutes ces données. Dans certains cas, ce n’est pas possible car certaines données ne peuvent pas se combiner entre elles. Il faut en effet distinguer :

• Les données client-side et les données server-side. Les données client-side sont tracées depuis l’appareil de l’utilisateur (pensons aux scripts Google Analytics). Ils sont des données server-side, qui sont tracées et enregistrées ailleurs : le CRM, la base de données produits…
• Les outils et les bases. Les bases sont en général gérées directement par les équipes techniques. Leur paramétrage est propre à chaque entreprise. Assembler les bases de données dans les outils nécessite des compétences techniques avancées.
• Les événements (les actions utilisateurs) et les propriétés (les informations à propos de l’utilisateur). Les événements (comme par exemple « Viewed pricing page », « request demo », « opened email ») sont enregistrés suivant des modes très différents (via des outils analytics par exemple), tandis que les propriétés (le nom, l’email, le nom de l’entreprise), sont en général enregistrées à partir de formulaires, de saisies manuelles dans le CRM ou via des outils d’enrichissement de données.
• Les données concernant des personnes physiques et les données concernant des entreprises. En B2B, cette distinction est très importante. Les entreprises achètent des produits, les personnes physiques prennent des décisions ou accomplissent des actions.
• Les utilisateurs avant (anonymes) et après (identifiés) l’inscription. La plupart des outils qui permettent d’historiciser les données relatives à un utilisateur ou à un contact ne le font qu’à partir du moment où le contact a été identifié, par une adresse email.

Toutes ces distinctions (de mode de collecte, de type de données, de statut, de stockage des données…) complexifient le travail d’intégration des données clients.

Découvrez notre guide complet du projet CRM marketing.

Comparatif des outils et méthodes pour la mise en place d’un référentiel données clients

Quels outils utiliser pour réussir l’intégration et l’unification des données clients de votre entreprise ? En général, les stratégies mises en place par les entreprises reposent sur une ou plusieurs des méthodes d’intégration que nous allons vous présenter. A chaque outil et méthode correspond une architecture bien spécifique.

Méthode #1 : Les intégrations natives « one-click » (via des connecteurs)

Plusieurs outils comme Salesforce, MailChimp ou Hubspot proposent des connecteurs permettant d’intégrer vos données en quelques clics. L’avantage de ces connecteurs, c’est qu’ils sont en général développés et mis à jour par les personnes qui ont développé le produit. Leur installation est très simple. Mais, disons-le tout de suite, ce n’est pas une méthode entièrement fiable et sure d’intégration des données. D’abord, il n’existe pas de connecteurs pour tous les outils. En utilisant cette méthode, certaines intégrations sont de fait impossibles à réaliser. Et même si l’intégration est possible, il n’est pas dit qu’elle vous réponde à tous vos besoins. Vous n’êtes maître ni de l’éventail de connecteurs disponibles ni de la qualité des connecteurs.

Les connecteurs « one-click », par ailleurs, ne sont pas conçus pour gérer des flux de données complexes entre plusieurs outils. Ils se contentent, en général, d’extraire la donnée d’un outil pour la charger dans un autre, sans processer la donnée dans l’intervalle. Dans le fameux process ETL (Extract-Transform-Load), le T figure aux abonnés absents. Lorsque vos sources de données augmentent et, avec eux, vos besoins d’intégrations, utiliser des connecteurs devient problématique. Le CRM que vous utilisez, par exemple, n’a pas forcément de connecteurs disponibles avec vos outils d’analytics, de marketing automation, d’enrichissement de données, etc. Il y a enfin un manque de transparence en général sur le fonctionnement et l’effectivité des flux de données.

En résumé : Lorsque les intégrations sont disponibles, cela peut faire sens de les utiliser pour commencer. Mais dépendre entièrement de ces intégrations n’est pas une solution viable à partir d’un certain niveau de maturité.

Avantages :

• Facile à mettre en place
• Pas besoin de compétences techniques
• Les connecteurs sont testés et éprouvés

Inconvénients :

• Solution pas toujours disponible
• Ne répond pas toujours à tous les besoins
• Ne permet pas de personnaliser la gestion des flux
• Manque de transparence sur les flux de données et les logs.

Découvrez comment aligner les ventes et le marketing avec une approche pragmatique.

Méthode #2 : L’export manuel de données dans des feuilles de calcul

Cette méthode est celle qui permet de comprendre le plus facilement le process ETL. Vous exportez d’un outil des données au format CSV, vous les triez/transformez dans une feuille de calcul et, enfin, quiconque maîtrise un logiciel comme Excel peut gérer les données. Avec de très bonnes connaissances en spreadsheet, presque tout devient possible.

Cette méthode manuelle est facile et flexible, mais elle devient difficile à utiliser à partir d’un certain niveau de maturité de votre activité. Par ailleurs, combiner, manipuler et processer des données sans créer des problèmes est un vrai challenge – à moins d’être un expert complet des feuilles de calcul. Et, en général, les membres de votre équipe qui ont les compétences pour faire ce travail ont mieux à faire que de se transformer en API humains. Et puis, avec le développement de votre activité, du volume de données et des sources de données, vous devrez créer sans cesse de nouvelles feuilles : tout devient vite complexe.

Sans compter que la donnée clients est une matière vivante. Devoir régulièrement mettre à jour et reprocesser les données peut vite devenir un travail répétitif et pénible. Et cela multiplie les risques d’erreur.

En résumé : l’export manuel de données et la création de feuilles de calcul est une solution accessible et flexible au départ (à condition d’avoir les compétences nécessaires), mais devient rapidement chronophage et répétitif à mesure que vos flux et sources de données se complexifient.

Avantages :

• Permet de rendre la donnée facilement accessible
• Vous êtes libre d’organiser les données comme vous le voulez.
• Méthode accessible à tout le monde.

Inconvénients :

• Ralenti les flux de données
• Devient vite répétitif et ennuyant
• Le travail de combinaison et de transformation des données est difficile
• Rapidement, des compétences très poussées en conception de spreadsheets deviennent nécessaires.
• Les spreadsheets ne sont pas toujours partagés entre les équipes.
• Les données des spreadsheets ne sont pas toujours à jour.

Découvrez le guide complet pour qualifier, scorer et chauffer vos leads avec des scénarios automatisés.

Méthode #3 : Les logiciels de workflows

Lorsque les connecteurs ne sont pas disponibles, les solutions de workflows (« si ceci alors cela ») deviennent alléchantes – surtout si vous avez déjà intégré de l’automatisation dans vos process. Ce qui est intéressant dans cette méthode, c’est sa simplicité. Une fois les paramétrages initiaux réalisés, tout roule comme sur des roulettes. En tous cas au début…Les problèmes surgissent à mesure que se complexifient vos flux de données. La gestion des données clients, parfois, ça consiste à sauvegarder des tweets dans Evernote ou à transférer des factures dans Gmail. De la même manière que vous avez un historique et un contexte avec vos amis et votre famille, un lead ou un client a un historique relationnel avec votre entreprise et vos équipes. Cet historique relationnel, comme nous l’avons rappelé au début, est éclaté dans vos différents outils. Mais est-ce que l’automatisation est une réponse satisfaisante ? Une règle simple comme « Envoyer les nouveaux leads à Salesforce » fait complètement perdre de vue l’historique éventuel et le contexte. Et si cet individu était déjà un lead ? Et si cet individu était un prospect ne correspondant pas à votre cible ? Et si ce lead avait déjà un compte ? Et s’il avait déjà consulté plusieurs pages de votre site web ou ouverts vos emails ? A mesure que vous vous développerez, vous serez forcé de construire plusieurs workflows les uns sur les autres. Cela deviendra rapidement compliqué et chronophage à mettre en place, à gérer et à comprendre. A la fin, seule la personne qui a créé le workflow comprend vraiment de quoi il s’agit.

Les outils de workflows ont été conçus pour gérer des workflows simples composés d’actions ponctuelles, comme par exemple envoyer une notification au paiement d’une facture, ce ne sont pas des logiciels pouvant intégrer de gros volumes de données. En partie parce qu’ils ont été conçus pour processer la donnée, pas pour la stocker. Les outils de workflows n’ont pas une base de données comme votre CRM ou votre logiciel d’emailing en a une. Il n’y a pas de profils clients. Cela limite la capacité de ces outils à transformer la donnée puisqu’ils ne peuvent processer que les données que vous partagez avec eux. En utilisant un outil de workflows, vous serez assez vite limité(e). Ces outils ne permettent pas de délivrer rapidement, de manière fiable et transparente les données clients dont vos équipes ont besoin.

En résumé : les outils de workflow basés sur le « si X, alors Y » sont très intéressants pour les automations simples et ponctuelles. Mais vous serez vite limité dans le cadre de la gestion de vos données clients.

Avantages :

• Rapide à mettre en place
• Accessible à beaucoup de personnes
• Pas de compétences en programmation nécessaires.

Inconvénients :

• Ne convient pas pour les données clients contextuelles.
• La gestion et la maintenance de workflows multiples sont difficiles.
• Ne permet pas de gérer de gros volumes de données complexes
• Pas de transparence sur les données processées
• Manque de flexibilité dans le processing et la transformation des données.

Découvrez comment réussir l’analyse de sa base de données clients / CRM.

Méthode #4 : Les CRM « tout-en-un » et les solutions de Marketing Automation

La gestion des données clients devient une vraie problématique à partir d’un certain niveau de développement de l’activité. Vous devez commencer à codifier des pratiques, à mettre en place des process, vous êtes amené à un moment ou à un autre à changer de logiciels pour intégrer l’ensemble de vos données clients. Par ailleurs, qui dit croissance de l’activité dit recrutement de commerciaux, de marketers, d’une équipe Customer Success – autant de personnes qui ont besoin que les données clients soient bien gérées.

Beaucoup d’entreprises font le choix de migrer vers un CRM comme Salesforce par exemple. Beaucoup optent aussi pour un outil de marketing automation, avec une intégration des deux outils entre eux. L’intégration du CRM et du Marketing Automation permet d’aligner le marketing et les ventes. Ces outils intuitifs et tout-en-un permettent de gagner beaucoup de temps, que ce soit au niveau de la formation des équipes, de l’accompagnement des nouvelles recrues, du management…Les plateformes tout-en-un, c’est même dans leur définition, sont des outils précieux pour intégrer les données clients.

Mais malgré tout, cette solution n’en est qu’à moitié une…Les CRM comme Salesforce et les plateformes de Marketing Automation comme HubSpot ont leurs limites. Ils ne peuvent pas tout faire, ne répondent pas à tous les besoins. Ils ne permettent pas d’intégrer toutes les données clients. Il suffit de regarder les pages avec les intégrations disponibles pour se rendre compte que le « tout-en-un » est un petit mensonge. Vous aurez besoin d’intégrer les données clients sur les autres outils. Vos données peuvent être consolidées dans chacun de ces outils, mais les données dont vos équipes auront besoin peuvent très bien être stockées ailleurs.

En résumé : les plateformes « tout-en-un » permettent de consolider les données clients et sont scalables, mais elles ne permettent pas de tout faire, elles sont limitées dans leurs usages et leurs intégrations, elles ne couvrent pas tout le cycle de vie client. Les données clients doivent toujours être intégrées dans les autres outils.

Avantages :

• Permet de réduire le nombre d’outils utilisé
• Facilite la formation des équipes (moins d’outils à connaître)
• Crée une « source de vérité » pour chaque équipe
• Vous permet de recruter plus facilement des talents

Inconvénients :

• Malgré la promesse du « tout-en-un », vous serez toujours obligé d’utiliser d’autres outils
• Vous aurez moins de profondeur fonctionnelle qu’en choisissant un ensemble d’outils spécialisés (best of breed).
• Vous aurez quand même besoin de gérer des intégrations.
• Ces plateformes coûtent assez cher.

Découvrez combien coûte la mise en place d’un CRM commercial.

Méthode #5 : Le recours à des ingénieurs data pour intégrer les données via de la programmation

Tôt ou tard, vous devrez recruter un ingénieur responsable de l’intégration des données pour lier vos outils entre eux comme vous le souhaitez. Cette méthode donne la meilleure flexibilité et le meilleur contrôle sur vos données – vous pouvez réaliser tout ce que vous souhaitez, pourvu que ce soit possible grâce à de la programmation. Mais les intégrations sont rarement la priorité pour les développeurs et les ingénieurs. Si les ingénieurs ne sont pas directement rattachés à votre département, vous devrez batailler pour qu’ils réalisent ce que vous souhaitez.

Dans la mesure où les ressources sont souvent limitées, le périmètre des intégrations possibles est souvent réduit. La documentation des API (que les ingénieurs utilisent pour comprendre les intégrations) est souvent assez pauvre ou mal documentée. Ce qui pose des problèmes et ne permet pas toujours de réaliser tout ce dont ont besoin les équipes marketing, ventes…Par ailleurs, les intégrations personnalisées doivent régulièrement faire l’objet de tests de maintenance une fois en place. Les APIs peuvent planter. Vous rencontrerez forcément des problèmes à un moment ou à un autre. Cela suppose de disposer des ressources nécessaires pour résoudre les problèmes lorsqu’ils surviennent.

En résumé : Si vous avez une équipe de techniciens qui a le temps de construire et d’assurer la maintenance des intégrations, cette méthode est très alléchante. Elle offre un maximum de flexibilité. Mais c’est l’option qui coûte la plus chère.

Avantages :

• Une flexibilité et un contrôle complet.
• Méthode scalable une fois en place.

Inconvénients :

• Nécessite d’avoir « sous la main » un ingénieur ou un développeur.
• Les intégrations manuelles doivent faire l’objet de tests et d’un travail de maintenance régulier.
• La documentation des APIs est souvent très médiocre.
• Les possibilités offertes par les APIS sont parfois très limitées.

Découvrez notre comparatif des vendeurs de bases de données B2B.

Méthode #6 : Les entrepôts de données (Data Warehouse)

Les entrepôts de données sont conçus pour ingérer toutes les données de votre entreprise et les stocker en un même lieu. Les données de l’entreprise sont souvent dispersées. Avoir un entrepôt de données permet de sortir de cette situation et évite d’avoir à créer des intégrations avec chaque outil, car par définition les données sont toutes au même endroit. Il est possible, à partir d’un entrepôt de données, de construire un profil unifié de chaque contact de votre entreprise (prospecst / clients). Les différentes équipes n’ont ensuite plus qu’à exécuter les requêtes qu’elles veulent pour accéder rapidement aux données dont elles ont besoin.

Mais l’option « entrepôt de données » ne résout que la moitié du problème. Les données clients stockées dans l’entrepôt de données ne sont pas transformées en un format adapté pour les outils d’activation. Ce sont pourtant ces outils qui sont utilisés pour exploiter les données. Les données qui entrent dans un entrepôt de données peuvent facilement prendre la poussière et ne plus jamais en ressortir. Le formatage des données stockées dans l’entrepôt nécessite en général le recours à des techniques que nous avons rapidement vues plus haut : des requêtes SQL manuelles, la production d’un fichier csv, son export et son importation dans les différents outils.

Une donnée client a toujours une valeur temporelle. Souvent, le succès de son traitement dépend de la réactivité de l’entreprise, de sa capacité à agir vite. Une donnée client est soumise au principe d’entropie, sa valeur tend à se dégrader avec le temps. Par exemple, la donnée « le lead a visité la page tarifs » n’a plus aucune valeur si vous voulez l’exploiter 2 ans après l’événement qu’elle décrit. Or, la synchronisation des données entre l’entrepôt et les outils d’activation ne se fait jamais en temps réel, mais périodiquement : toutes les X heures, tous les Y jours…

Pour certaines entreprises, le caractère lent de la synchronisation n’est pas un enjeu décisif. Mais même dans ce cas, reste le problème lié à la combinaison de différents types de données. Votre entrepôt de données stocke toutes les données clients, mais ces données doivent être associées à des profils, à des individus et ensuite formatées d’une manière qui fait sens. Enfin, les entrepôts de données sont très coûteux à installer.

Résumé : Si vous avez vraiment beaucoup de mal à intégrer vos outils entre eux, les réunir dans un entrepôt de données peut être une solution. Mais c’est un projet lourd, qui suppose de gros investissements. Par ailleurs, la synchronisation avec les outils tiers ne se fait pas en temps réel, ce qui peut poser problème dans certains contextes.

Avantages :

• Centralise TOUTES vos données clients
• L’installation est entièrement personnalisable.

Inconvénients :

• Nécessite le recours à un développeur ETL
• Coûteux à installer et à paramétrer
• Vous devrez toujours combiner plusieurs sources de données
• Le renvoi des données aux outils d’activation peut prendre du temps

La nouvelle et très prometteuse méthode d’intégration des données clients : les Customer Data Platforms (CDP)

Le secteur des MarTech connaît un dynamisme sans précédent. Il existait plus de 5 000 outils marketing en 2017. Cette profusion d’outils tend à accentuer le phénomène de dispersion des données clients. Le niveau d’éclatement des données tend naturellement à augmenter avec la croissance de l’activité de l’entreprise. Avec tous les inconvénients que cela implique :

• Des messages impersonnels et des opportunités manquées de convertir des leads en clients. Vos prospect ou clients finissent par se demander si vous les connaissez vraiment.
• L’impossibilité de coordonner les outils et les équipes autour des opérations de communication et des campagnes.
• Des process lents et répétitifs qui dégradent la productivité de vos équipes.
• Des équipes qui ne travaillent pas ensemble et qui se rejettent la faute.
• Etc.

L’enjeu de l’intégration des données clients est donc très important. Dans des marchés très concurrentiels, la capacité à intégrer les données clients peut être un atout non négligeable sur ses concurrents. Les données clients, leur disponibilité, leur accessibilité, impactent toutes les équipes en contact direct ou indirect avec les clients. Les entreprises qui réussissent à intégrer convenablement leurs données clients peuvent plus efficacement scaler, automatiser et personnaliser leurs opérations tout au long du cycle de vie client.

Le problème, c’est que les 6 méthodes d’intégration des données clients que nous venons de vous proposer ont leurs limites. Il n’y a pas de bonne méthode, de méthode satisfaisante…C’est pour cette raison qu’une nouvelle technologie est en train d’émerger : les Customer Data Platforms, ou CDP. Les CDP ont été conçues précisément pour remédier aux problèmes liés à l’intégration des données clients. Les Customer Data Platforms réunissent les avantages des six techniques présentées plus haut :

• La simplicité d’installation des intégrations « one-click ».
• Les flexibilité des intégrations manuelles.
• Des intégrations à toutes épreuve
• L’absence de compétences techniques requises
• La scalabilité…

Les CDP centralisent les données clients en provenance de toutes les sources. Elles permettent de stocker les données dans un même lieu. Ce sont des plateformes conçues pour être installées et paramétrées facilement. Vous pouvez synchroniser les données dont vous disposez dans leur format brut, la CDP se chargera s’y retrouvera et donnera du sens à vos données. Pas besoin de faire appel à des ingénieurs data.

Flexible, les CDP sont aussi des plateformes simples à utiliser. Elles réussissent le pari d’allier richesse fonctionnelle et simplicité. Les commerciaux, les marketers et les opérationnels peuvent utiliser une CDP, installer des data flows avancés sans avoir à écrire une ligne de code. En cas de problème technique, les équipes supports et techniques de l’éditeur peuvent vous aider directement, sans que vous ayez besoin de mobiliser vos propres développeurs. Le risque de se tromper est faible lorsque l’on affirme que les CDP représentent les référentiels données clients de l’avenir !

CRM / Data - Plus de 15 ressources & templates gratuits à télécharger.

Découvrir