|
Interviews |
|
Benoît Contamine
|
Senior
Manager,
expert en CRM analytique
|
Valoris
|
"Le
dimensionnement de la solution est l'un des facteurs clefs
du CRM analytique" |
|
Le
panorama du CRM analytique
Sur le thème de la valorisation du capital client,
la réputation de Valoris
n'est plus à justifier. Mi-SSII, mi-cabinet de
conseil, la société intervient avec un
effectif d'environ 1 000 personnes sur de
nombreuses problématiques d'entreprises liées
à la gestion de la relation client, à
la business intelligence et à la gestion des
connaissances. Et c'est donc tout naturellement que
le CRM analytique, situé à la croisée
de ces trois domaines, représente une constituante
forte des projets sur lesquels elle intervient. De fait,
Valoris compte plus de 50 références
dans le domaine de la connaissance client, dont certaines
antérieures
à la disponibilité des offres actuelles
des différents éditeurs de solutions orientées
CRM analytique. Pour apporter une vision complémentaire
du sujet, nous nous sommes adressé à Benoît
Contamine, expert en la matière, et senior manager
chez Valoris.
|
Propos recueillis par
François Morel le 26
septembre 2001
. |
JDNet
Solutions: existe-t-il parfois une confusion, chez certains
clients, entre e-CRM et CRM analytique ? Quel est le croisement
entre les deux ?
Benoît Contamine:
je ne pense
pas qu'il y ait confusion sur ce point, mais peut être
existe-t-il une confusion sur le périmètre que doit adresser
le CRM analytique. Personnellement, j'y associerais la
totalité des activités d'analyse back-office d'une application
de gestion de la relation client. Tout d'abord, les outils
de CRM analytique doivent adresser des problématiques
particulièrement sensibles, comme le fait de déterminer
la rentabilité client ou d'être capable d'ingérer des
logs web et d'en offrir l'analyse... Mais cela ne suffit
pas, et elles doivent aussi permettre à l'entreprise
d'effectuer les ciblages des campagnes marketing, et ce
quel que soit le canal d'interaction avec le client. Ceci
suppose en particulier le fait d'adresser les problématiques
de l'analyse comportementale particulièrement sensible
dans le cas du e-CRM, et de la segmentation des clients.
L'adhésion du marché aux solutions d'e-CRM
ces dernières années a eu comme conséquence la mise en
avant de solutions d'analyse des données en provenance
du canal web, mais l'arbre ne doit pas cacher la forêt.
La vocation des applications de CRM Analytique est bien
de couvrir l'ensemble des canaux d'interaction : centre
d'appels, e-commerce, SFA, marketing automation... du
point de vue de l'analyse.
Comment
calcule-t-on le retour sur investissement d'une solution
de ce type ?
Le CRM analytique doit aider
l'entreprise à rentabiliser les investissements engagés
dans le projet CRM. Par conséquent, le retour sur
investissement se détermine par rapport à l'ensemble des
composantes du projet de gestion de la relation client.
L'application de CRM analytique aide à l'évaluation de
cette rentabilité à court et moyen terme, en permettant
à l'entreprise d'analyser l'augmentation de son
chiffre d'affaires et les marges liées au projet.
Par ailleurs, l'évaluation de la rentabilité n'est jamais
un sujet simple car elle s'effectue dans un environnement
mouvant où intervient en particulier l'évolution
d'un positionnement de la société par rapport à sa concurrence.
Cependant, dans un projet de CRM analytique, cette démarche
d'évaluation du ROI prend tout son sens. Elle permet à
l'entreprise de se focaliser sur les opportunités à forte
valeur ajoutée. Elle est aussi quantifiable sur la base
d'hypothèses de taux de retour, de taux de concrétisation,
de gains de part de marché... et ce à moindre effort puisque
l'on traite directement du business.
Après coup, il est même parfois possible de valider
les hypothèses sur la base des résultats d'une campagne
ou d'une action. Mais souvent, de nombreuses transactions
initiées au travers d'un canal qu'il soit le web, le centre
d'appel ou les forces de vente... se concrétisent via
des canaux plus classiques. Dans ce cas, l'origine de
la vente n'est pas toujours facilement décelable, ce qui
rend l'évaluation de la rentabilité réelle plus délicate.
Quelle
est la démarche fonctionnelle de l'entreprise vis-à-vis
du CRM analytique ?
L'une des composantes fondamentales
de la solution de
CRM
analytique est la base de connaissance client, qui permet
d'historiser l'ensemble des contacts entre le client et
l'entreprise. A partir de celle-ci, l'on peut engager
le pilotage de l'activité CRM sur des connaissances tirées
de la mesure de la performance, du taux de retour des
campagnes marketing, des taux de clics et de concrétisation
des ventes, des gains de productivité, de la rentabilité
clients, etc. Ici, la problématique est similaire à celle
des systèmes décisionnels classiques, mais avec des indicateurs
spécifiques à la gestion de la relation client.
Ensuite, il faut pouvoir élaborer des modèle prédictifs
et une segmentation clientèle, identifier et valoriser
des critères qui entrent dans cette segmentation, pratiquer
une analyse comportementale, observer des associations
de ventes de produits, élaborer un modèle de scoring (notation),
et ainsi de suite... Adossée à la connaissance
métier, qui est indispensable, cette étape met généralement
en oeuvre des outils d'analyse statistique des données,
et bénéficie des technologies dites de Data Mining. Or,
pour amener à une segmentation pertinente, il faut disposer
d'un historique suffisant des événements de la relation
client.
Après, le ciblage client et le dénombrement
sous-entendent la manipulation de nombreux critères et
filtres pour déterminer les cibles des actions marketing
à venir. Pour être efficace, le ciblage nécessite
l'application successive et performante de filtres sur
les données, en fournissant à chaque étape le comptage
des populations restantes dans la cible. Enfin, d'aucuns
comptent également dans les problématiques adressées par
le CRM Analytique celle de la personnalisation. Par personnalisation,
il faut entendre celle du message sur la base de règles
marketing associant le profil du client, les offres de
produits et services, ainsi que les canaux d'interaction.
Quels
sont les avantages d'une solution de CRM complètement
intégrée ?
Dans ce contexte, l'offre
de l'éditeur intègre des applications de CRM Analytique
s'appuyant sur un datamart dédié, qui capte et organise
l'ensemble des données en provenance de ses propres applications
de CRM front-office. Les solutions d'analyse s'appuyant
sur cette base sont aussi développées par l'éditeur, ce
qui les rend propriétaires. Elles ne savent, par conséquent,
analyser facilement que les données de l' offre CRM propre
de leur éditeur.
Généralement, elles se caractérisent par une relative
facilité, et donc rapidité de mise en oeuvre et d'intégration.
Mais elles sont adaptées uniquement au choix d'une seule
solution pour gérer toute la chaîne client. A l'inverse,
elles deviennent plus lourdes à intégrer dans un environnement
applicatif hétérogène, où différentes offres CRM sont
préexistantes et adressent des canaux clients différents.
Le niveau de fonctionnalité des outils sur chaque thème
(analyse OLAP, reporting, études et data mining,
personnalisation) offre souvent moins de perspectives
d'évolution que les solutions de type "best of breeds".
Mais elles bénéficient d'une opérationnalité immédiate.
L'exemple type est celui d'E-Piphany.
Best
of breed: parlons-en justement... ?
Ici, l'on retrouve la solution
CRM composite, où le datamart de CRM analytique
fait partie de l'offre de l'éditeur. Mais ce dernier a
intégré des solutions du marché pour permettre l'analyse
des données que contient le datamart. Les outils d'analyse
intégrés sont en général des requêteurs
dont les fonctions sont étendues. Là encore, la solution
bénéficie d'une homogénéité de choix et de mise en oeuvre.
Cela concerne notamment Siebel avec Business Objects.
A ces deux catégories, il faut en ajouter une troisième:
la solution de CRM analytique indépendante de la solution
CRM.
Dans cette configuration, l'éditeur spécialisé
est le plus souvent un acteur de la Business Intelligence
qui a enrichi son offre pour pouvoir adresser de façon
plus efficace les problématiques propres à la gestion
de la relation client, en proposant des applications d'analyse
spécialisées. La modélisation du datamart de CRM analytique
sera à effectuer soi même, ou il faudra la confier
à un intégrateur pour construire une solution personnalisée.
Dans cette catégorie figurent les solutions Hyperion
Analysis, Business Objects Analytics, SAS...
Comment
déterminer l'approche la plus appropriée
?
Il faut mener une étude de
"Gap Analysis", qui observe la couverture et
l'adéquation des solutions "progicialisées"
aux besoins spécifiques dans le contexte projet. La solution
la plus appropriée dépend inévitablement de ce contexte
projet, de son dimensionnement, du périmètre, de l'existant
en terme de système d'information en particulier
sur ses composantes CRM.
De la même façon, l'adéquation de telle ou telle solution
de CRM analytique proposée par un éditeur du monde de
la business intelligence dépend du contexte et du dimensionnement
du projet. Un nombre très élevé de clients et de critères
marketing pourrait favoriser les solutions en prise directe
sur un datamart relationnel. Mais à l'inverse,
les solutions analytiques au dessus des moteurs MOLAP
(Multidimensional Online analytical processing) offrent
de bons temps de réponse, et incluent le calcul d'indicateurs,
parfois complexes, orientés sur la problématique CRM.
En général, les éditeurs traditionnels de la business
intelligence ont complété leurs offres par de nouvelles
applications dédiées au CRM, en incluant dans certains
cas de nouveaux composants. Celles-ci sont ouvertes pour
permettre aux sociétés clientes ou aux intégrateurs partenaires
de concevoir et de développer des applications analytiques
métier. A titre d'exemple, la nouvelle offre d'Applications
Analytiques de BO propose des modèles d'analyse adaptés
à diverses problématiques typiquement CRM. Pour
cela, l'éditeur s'appuie sur son offre de business
intelligence avec deux moteurs complémentaires dédiés
à la manipulation des segments de clientèle et au ciblage.
Qu'en
est-il du data mining ?
Les éditeurs de solutions
de data mining adressent depuis longtemps la problématique
de la segmentation de clientèle. De nouveaux acteurs comme
l'éditeur français Pertinence apparaissent sur ce marché.
Des rapprochements ou fusions d'éditeurs ont aussi vu
le jour pour couvrir la chaîne complète des applications
analytiques. Citons à titre d'exemple SPSS (qui édite
l'outil de data mining Clementine) et l'ex-Showcase.
Enfin,
quels sont les principaux écueils et quels conseils
donnez-vous aux entreprises pour les éviter ?
Le dimensionnement de la solution
reste un facteur fondamental de succès pour le système
de CRM analytique qui sera mis en place. L'étude du besoin
ne doit pas être négligée dans un contexte où le périmètre
des données pourrait paraître a priori bien maîtrisé.
De ce point de vue, le travail conjoint d'experts métiers
et de consultants compétents reste un des meilleurs gages
du succès de la mise en oeuvre de projets dans le contexte
du CRM Analytique.
Mais surtout, c'est la pertinence des indicateurs, et
la qualité des données servant à leur élaboration qui
doivent faire l'objet d'un soin distinctif. En particulier,
les informations de connaissance client collectées au
travers des outils CRM pèchent souvent par leur incomplétude,
au point de les rendre impropres à l'utilisation. La collecte
des informations, qui représente le socle de la solution,
mérite de faire l'objet d'un chantier dédié dans la démarche
de mise en oeuvre.
|
Benoît Contamine,
38 ans, est actuellement senior manager de Valoris pour
laquelle il met au profit des clients son expertise du
CRM analytique. Ingénieur de l'Ecole Centrale de Lyon,
il prend cette fonction au sein de la SSII spécialisée
dans la valorisation du capital client en 1997. Avant
de rejoindre l'unité d'affaires "Produits de grande
consommation / Distribution" dont il développe l'activité
et dirige les projets en particulier auprès de L'Oréal,
du Groupe Danone et d'Auchan, il a bénéficié
d'une longue expérience dans le portage de l'offre Customer
Knowledge, en matière d'architectures et d'expertise
technologique. |
|
|
|
|
|