Analysez-vous les données sur votre clientèle?

Un très grand nombre de données numériques sur le profil et le comportement de la clientèle sont générées automatiquement, ou monnayant peu d’efforts, de diverses façons, c’est ce qu’on appelle le Big Data. Il faut néanmoins savoir colliger ces données et les analyser adéquatement pour en tirer un énorme bénéfice. Les petites entreprises comme les grandes ont tout intérêt à s’y mettre.

Un sondage réalisé en 2017 par la firme EyeforTravel auprès de 453 répondants à travers le monde dévoile un portrait de l’utilisation des données numériques par les entreprises touristiques.

Les entreprises analysent-elles leurs données?

La majorité des entreprises affirment avoir une personne ou une équipe dédiée à l’analyse des données concernant leur clientèle. Cette proportion s’élève à 65 % pour les établissements d’hébergement et à 50 % parmi les organismes de gestion de la destination (DMO). La plupart ont une équipe formée de cinq employés ou moins. Les trois quarts des répondants estiment que le budget lié à l’analyse des données sera à la hausse à court terme. En Amérique du Nord, cette proportion est de 67 %, moins qu’en Asie-Pacifique (80 %). Avec des budgets prévus à la hausse, il devrait y avoir davantage de personnes assignées à la tâche de récolter et d’analyser des données.

Quelles données?

Tel que l’illustre le graphique suivant, les sources de données sont nombreuses. L’adresse courriel est souvent la première information utilisée pour concevoir un profil de clientèle. Il s’agit d’une donnée facile à obtenir auprès des clients. À cet égard, les auteurs de l’étude sont étonnés qu’il n’y ait pas plus de 57 % des entreprises qui colligent cette information. Quelque 55 % ont recours à celles collectées grâce à la gestion de la relation client (GRC ou CRM). La moitié (51 %) des répondants utilisent les informations tirées des moteurs de recherche. Les autres sources sont utilisées par moins de la moitié des organisations. Un grand nombre de celles-ci gagnerait pourtant à analyser davantage les données qu’elles ont sous la main

Quel type d’analyse?

Une fois les données colligées, une analyse doit être réalisée pour en tirer des informations. L’étude de EyeforTravel propose quatre types d’analyses : 

• Descriptive: synthèse des données métriques comme l’évolution de la fréquentation des lieux;
• Diagnostique: en plus de la synthèse des données, on ajoute des explications en établissant certaines corrélations;
• Prédictive: la modélisation permet de faire des projections à partir de données historiques;
• Prescriptive: l’analyse la plus élaborée qui va jusqu’à identifier une marche à suivre pour obtenir les résultats souhaités en fonction d’un grand nombre d’informations et de données historiques et actuelles. Ce type d’analyse poussée fait référence à l’intelligence artificielle.

Sur les quatre types d’analyse, les deux plus simples sont les plus répandus. Comme l’illustre le graphique ci-dessous, parmi les organisations qui récoltent des données 60 % font de l’analyse descriptive et 68 % de l’analyse diagnostique. Néanmoins, l’analyse prédictive, qui permet de faire des prévisions, est pratiquée par plus de la moitié des répondants (58 %). Les analyses prescriptives, qui exigent des investissements en technologies et en ressources humaines, sont réalisées par plus du tiers des répondants, une forte proportion selon les auteurs.

Améliorer l’expérience client

Les organisations sondées devaient chacune identifier le principal objectif visé par l’analyse des données. L’amélioration de l’expérience client rassemble la plus forte proportion avec près de 17 % des réponses. Par ailleurs, les auteurs de l’étude rappellent qu’une enquête précédente avait révélé que les entreprises remportant le plus grand succès sont celles ayant misé sur l’expérience client. Développer un avantage compétitif, améliorer le taux de conversion et identifier de nouveaux clients potentiels figurent aussi parmi les objectifs les plus courants (voir le graphique ci-dessous).

Objectifs atteints? Ça dépend…

La plupart des organisations (98 %) estiment avoir atteint une partie ou l’ensemble de leurs objectifs liés à l’analyse des données de leur clientèle. Néanmoins, seules 6 % affirment avoir satisfait tous leurs objectifs, près du tiers en ont atteint la plupart et 60 % n’ont honoré que quelques-uns des objectifs fixés. Il reste donc du travail à faire, soit en matière de collecte et d’analyse de données, soit sur le plan du réalisme des objectifs.

Enjeux

La disponibilité d’une grande quantité de données laisse supposer d’énormes possibilités, mais certaines corrélations peuvent s’avérer inexactes ou encore certaines données peuvent être imprécises et mener à de fausses conclusions. Une forte proportion (46 %) des organisations ayant pris part à l’étude ont d’ailleurs identifié la qualité des données comme étant l’un des principaux enjeux d’une stratégie d’analyse de données. Le fait qu’il s’agisse d’informations souvent qualitatives, parfois subjectives, portant sur le comportement humain exacerbe ce risque.

Par ailleurs, le recrutement d’experts en collecte et analyse de données et la formation des employés à cet égard constituent également un défi identifié par plusieurs organisations (32 %). Attribuer la tâche d’analyser les données à des employés non formés peut mener sur de fausses pistes et s’avérer dangereux si ces résultats servent à nourrir les décisions stratégiques de l’entreprise.

Développer une culture de la donnée

Bien qu’il faille demeurer vigilant et informé quant aux façons de procéder pour analyser les données, l’inaction ou l’attente d’une solution parfaite n’est pas souhaitable. Certaines entreprises misent sur la rigueur liée à la collecte de données et cette pratique s’inscrit dans la culture de l’organisation, tant au sein de l’équipe des gestionnaires qu’au sein du personnel rattaché aux opérations. Il s’agit là d’un bon départ pour établir une stratégie d’analyse de données efficace permettant d’améliorer l’expérience client et la performance de l’entreprise.

Image à la une: Pexels