illustration-pourquoi-devez-vous-dire-stop-aux-données-marketing-declaratives

Pourquoi devez-vous dire stop aux données marketing déclaratives ?9 min read

10 mai 2022 | Marketing

Les données jouent un rôle considérable dans les stratégies marketing des entreprises. Elles fournissent des informations cruciales sur les prospects et clients (attentes, besoins, problématiques et contraintes). Elles permettent de les recontacter, de les fidéliser, d’évaluer leur satisfaction, d’en faire des ambassadeurs. Et contribuent à offrir une expérience client approfondie et personnalisée. En bref, l’approche data-driven est devenue quasiment incontournable en marketing. Mais ce qu’on sait moins, c’est que ces données ne sont pas toujours fiables. C’est particulièrement vrai des données déclaratives, obtenues auprès des prospects et clients, qui souffrent de nombreux biais potentiels.

 

Les données marketing déclaratives, c’est quoi ?

On désigne, par « données déclaratives », les informations obtenues par le biais d’un processus déclaratif, c’est-à-dire : lorsque les individus fournissent eux-mêmes des informations les concernant. En général, ces données marketing déclaratives sont collectées grâce à des formulaires (web ou papier) ou dans le cadre d’enquêtes (réalisées en ligne, par téléphone ou de visu).
Les données déclaratives sont employées par les entreprises pour qualifier leurs prospects (lorsque ceux-ci laissent leurs coordonnées de contact, parlent de leur projet d’achat, etc.), pour mieux les connaître (lorsqu’ils donnent des informations sur leurs envies, attentes, habitudes…), et pour améliorer le ciblage des campagnes marketing.
Ces données peuvent être récoltées :

  • par l’entreprise elle-même, sur ses propres canaux (on parle de données « first party ») ;
  • par des partenaires (on parle de données « second party ») ;
  • par achat auprès de fournisseurs extérieurs spécialisés dans la collecte et l’analyse de données à grande échelle (on parle de données « third party »). A noter que cette méthode reste risquée au regard des exigences du RGPD, notamment en matière de consentement des utilisateurs quant au traitement de leurs données personnelles.

56 % des annonceurs estiment que les données « first party » (ou « propriétaires ») sont de bonne qualité. Parce qu’elles apportent, au sujet des prospects et des clients, une connaissance de premier ordre. Parce qu’elles sont mieux contrôlées. Et parce qu’elles offrent plus de sécurité (dans une perspective de protection des données). C’est donc la data la plus utilisée, à 65 % (Quantcast, 2017).
Mais voilà : aussi importantes soient-elles en marketing, les données déclaratives ont un défaut majeur qui limite leur utilisation.

 

Quel problème posent les données déclaratives ?

Les données sont indispensables pour mieux connaître ses prospects et clients, qualifier les contacts et favoriser la conversion, mais aussi pour personnaliser la relation client. Une approche data-driven permet d’engager les audiences, de fidéliser les clients, d’augmenter les ventes, de gagner un temps précieux et d’améliorer son image de marque. À condition, bien entendu, que les données utilisées soient fiables. Or, ce n’est pas le cas des données marketing déclaratives. Parce qu’il est impossible de garantir leur authenticité. En effet, l’individu en position « déclarative » peut être incité à (ou se sentir contraint de) transmettre des informations qu’il ne souhaite pas divulguer, par exemple pour obtenir quelque chose en échange (un document à télécharger, un service, un accès au contenu du site…). Il arrive que les informations demandées soient considérées comme sensibles et que l’internaute ou l’interlocuteur n’ait pas le désir de dire la vérité. En somme, dans des circonstances particulières, l’individu auprès duquel les données sont collectées peut, tout simplement, apporter des réponses fausses.

En ce sens, les données marketing déclaratives sont soumises à deux biais : le biais de formulaire et le biais d’enquêteur.

 

Le biais de formulaire

Ce biais est spécifique au remplissage d’un formulaire, le plus souvent en ligne. Confronté à un formulaire composé de plusieurs champs, l’internaute est tenté :

  • De gagner du temps en choisissant systématiquement la première proposition pour chaque menu déroulant, ce qui occasionne une surreprésentation de ces items dans les statistiques et contribue à fausser les résultats.
  • De donner des informations fausses ou caduques (nom factice, ancienne adresse, entreprise inventée de toutes pièces, etc.), assorties d’une adresse électronique valide (pour recevoir le document demandé ou l’offre attendue) mais rarement consultée.

La conséquence est la même dans les deux cas : les informations obtenues ont peu de valeur et ne peuvent pas servir la stratégie marketing.

Il existe encore une autre forme du biais de formulaire, cette fois en lien avec la construction de ce dernier : le biais d’orientation. C’est le cas lorsque le formulaire oriente fortement les réponses en limitant les choix possibles ; par exemple en proposant, dans un champ « type d’entreprise », les options « PME » et « grand groupe », mais pas de solution intermédiaire.

 

Le biais d’enquêteur

Le biais d’enquêteur démontre l’influence, même involontaire, que peut avoir le sondeur sur la personne interrogée. On en connaît au moins trois exemples (que l’enquête soit réalisée par téléphone ou en face à face) :

  • Lorsque les questions portent sur des sujets sensibles, comme la sexualité, l’hygiène, la politique ou la religion, la présence d’un enquêteur qui recueille les réponses peut inciter les personnes interrogées à ne pas dire la vérité (par pudeur, par manque de confiance, pour ne pas se mettre en porte-à-faux…).
  • La formulation des questions est susceptible d’orienter les réponses. Prenons un exemple simple : la question « quelles propositions feriez-vous pour améliorer ce produit ? » est très différente de la question « pensez-vous que ce produit a besoin d’être amélioré ? ». Dans le premier cas, la formulation induit l’existence d’un problème nécessitant une amélioration, ce qui oriente forcément le point de vue de la personne interrogée.
  • Lorsque l’enquêteur choisit lui-même les personnes à interroger, il existe un risque qu’il se focalise sur des individus qui lui ressemblent. Ainsi, un enquêteur jeune aura tendance à privilégier des sondés dans sa tranche d’âge – même si c’est involontaire.

Ces biais impactent la fiabilité des données déclaratives, puisqu’il est très difficile de s’assurer de leur authenticité. Cela ne veut pas dire qu’elles soient majoritairement fausses ! Mais le fait de bâtir des stratégies marketing sur ces informations peu fiables représente un risque non négligeable en termes de coût et de ressources.

 

Quelles sont les alternatives aux données déclaratives ?

Heureusement, les données marketing déclaratives ne sont pas les seules passerelles menant à une connaissance approfondie des prospects et des clients. Pour alimenter vos stratégies data-driven, vous avez la possibilité de vous appuyer sur une data plus fiable.
En particulier, vous pouvez compter sur les données comportementales. Celles-ci sont « inférées », c’est-à-dire obtenues à partir de l’observation de comportements avérés, et non pas fournies par les individus eux-mêmes. Pour cette raison, elles ne sont pas sensibles aux biais cités plus haut : le parcours suivi par un client depuis sa première visite sur un site web jusqu’à son achat, l’historique de navigation d’un internaute, le nombre de fois où l’utilisateur a ouvert une application mobile dans la journée, les pages consultées ou les liens cliqués, le numéro de téléphone composé pour joindre l’entreprise – ce sont autant d’informations empiriques avec lesquelles on ne peut pas tricher (consciemment ou non).
L’absence de biais permet de renforcer la fiabilité de ces informations. Celles-ci sont majoritairement issues des analytics – des indicateurs de performance sur le web, relayés par des outils comme Google Analytics ou par des solutions de Call Tracking, qui fonctionnent à l’aide de cookies ou de codes de tracking.
Prenons quelques exemples de données comportementales :

  • Un internaute se connecte à Google pour formuler la requête « documents nécessaires pour voyager au Canada ». On peut inférer que cette personne est intéressée par un voyage au Canada et qu’elle sera réceptive à des pages informatives au sujet des prérequis. Son comportement de recherche fournit de précieux renseignements quant à ses intentions.
  • Un utilisateur sur cinq a ouvert l’e-mail de votre nouvelle campagne. Parmi ceux qui l’ont ouvert, ils sont 10 % à avoir cliqué sur le lien présent dans le corps du message. Cela vous donne des statistiques intéressantes à exploiter pour analyser la rentabilité de votre campagne e-mailing et pour maximiser l’efficacité de la prochaine.
  • Sur l’ensemble des appels reçus sur une période donnée, vous constatez que les plus longs (ceux qui dépassent 30 secondes) aboutissent à des conversions – mesure rendue possible en intégrant la durée d’appel à vos paramètres Google Analytics. Vous pouvez donc estimer que les contacts téléphoniques qui durent plus de 30 secondes sont aussi les plus intéressants sur le plan marketing.

Ce ne sont que des exemples, mais ils soulignent bien l’intérêt des données comportementales et leur avantage par rapport aux données marketing déclaratives. Ces données fournissent des informations authentiques et fiables, issues de l’observation et de l’analyse, donc immédiatement exploitables.

Il est donc temps de réduire votre dépendance aux données déclaratives pour favoriser une data plus fiable et plus directement exploitable. Bien sûr, il est impossible d’abandonner tout à fait le recours à ces informations obtenues auprès de vos prospects et clients. Une bonne solution consiste à bâtir des stratégies marketing basées sur des données comportementales plus solides, et à faire en sorte que les données déclaratives arrivent le plus tard possible dans le parcours client : c’est la meilleure façon d’augmenter leur taux de fiabilité !