BA
Module 01Cartographie

Du marketing à la décision pilotée par la donnée

Pourquoi la donnée a changé la règle du jeu. Les trois niveaux d'analyse, les quatre piliers du marketing analytics, et ce qui distingue un chiffre utile d'un chiffre flatteur.

La grande question qu'il résout
Pourquoi on peut enfin répondre aujourd'hui.
Format
Cours magistral
Source
Data Marketing, partie 1
  • Situer l'évolution du marketing en quatre époques
  • Distinguer analyse descriptive, prédictive et prescriptive
  • Cartographier les quatre piliers du marketing analytics
  • Lire la posture et la méthode du data marketer
.01
Du marketing au data marketing

Pourquoi la donnée a changé la règle du jeu

En soixante ans, le marketing est passé de l'intuition diffusée en masse à la décision pilotée par la donnée. Ce n'est pas une rupture, c'est un glissement progressif vers la mesure.

Le marketing n'a pas attendu la donnée pour exister. Mais quelque chose a changé d'échelle : aujourd'hui, le monde génère environ 402 millions de téraoctets de données par jour, soit quatre fois plus qu'en 2020. Cette matière première rend mesurable ce qui relevait hier de la conviction.

1960 à 1990
01
Marketing de masse

Mix marketing, segments larges, médias unidirectionnels comme la télévision et la presse.

1990 à 2005
02
Marketing relationnel

Apparition du CRM, fidélisation, segmentation comportementale via les bases clients.

2005 à 2020
03
Marketing digital

Web analytics, référencement, réseaux sociaux, mesure en temps réel.

2020 à aujourd'hui
04
Analytics et IA

Décisions pilotées par la donnée, prédiction, personnalisation à grande échelle.

Le passage au data-driven ne supprime pas l'intuition du marketeur. Il la rend vérifiable. Là où l'on reconduisait un budget d'une année sur l'autre, on réalloue désormais en fonction de la performance mesurée, canal par canal.

Marketing classique
  • Décisions fondées sur l'intuition et l'expérience
  • Mesure du retour en post-campagne, sur des semaines
  • Segmentation par grandes typologies, âge et catégorie sociale
  • Budget reconduit d'une année sur l'autre
Marketing data-driven
  • Décisions fondées sur des indicateurs mesurables
  • Mesure en temps réel via des tableaux de bord
  • Micro-segmentation comportementale, par clusters
  • Réallocation dynamique selon la performance par canal
Un grand classique
John Wanamaker, vers 1900 : « La moitié de l'argent que je dépense en publicité est gaspillée. Le problème, c'est que je ne sais pas laquelle. » Le marketing analytics est précisément la réponse à cette question : quel euro investi a généré quel résultat, sur quel canal, pour quel client.
.02
Définitions et cadre conceptuel

Le vocabulaire indispensable

Le marketing analytics se tient à la croisée de trois mondes : des données, une analyse, et des décisions mesurables.

Définition
Le marketing analytics est l'ensemble des méthodes, outils et techniques qui permettent de collecter, mesurer, analyser et interpréter les données issues des activités marketing, afin d'améliorer la performance et le retour des décisions.

On distingue trois niveaux de maturité, du plus accessible au plus avancé. Chacun répond à une question différente.

1Accessible
Analytique Descriptive
« Que s'est-il passé ? »

Décrire les performances passées via des indicateurs et des tableaux de bord.

Le rapport d'audience du mois dernier.
2Intermédiaire
Analytique Prédictive
« Que va-t-il se passer ? »

Anticiper les comportements futurs grâce à des modèles statistiques.

Un score de churn, une prévision de valeur client.
3Avancé
Analytique Prescriptive
« Que faut-il faire ? »

Recommander la meilleure action à prendre. Le niveau le plus mature.

Netflix qui suggère le bon film au bon moment.
Précision
On parle souvent de trois niveaux, parfois de quatre en intercalant l'analytique diagnostique, qui répond au « pourquoi » entre le descriptif et le prédictif. Retenez la logique : on décrit, on explique, on anticipe, on recommande.
Jeu de tri6 à placer

Chaque situation relève d'un niveau d'analyse. Rangez-la dans la bonne colonne.

Descriptif
Que s'est-il passé ?
Prédictif
Que va-t-il se passer ?
Prescriptif
Que faut-il faire ?
Placez chaque étiquette pour vérifier.
.03
Les quatre piliers

La carte du marketing analytics

Le reste du parcours suit ces quatre piliers. Chacun a ses indicateurs et ses outils, chacun correspond à un module.

01

Web Analytics

Mesurer le trafic, le comportement et la conversion sur le site.

Outils : GA4, Matomo, heat maps · Module 3
02

Social Media

Suivre l'engagement et la performance sur les réseaux sociaux.

Outils : Meta Suite, LinkedIn Analytics · Module 4
03

Advertising

Optimiser les campagnes publicitaires payantes, search et display.

Outils : Google Ads, Meta Ads · Module 4
04

Customer

Segmenter la base clients pour piloter la fidélisation.

Outils : RFM, valeur client, churn · Module 5

Avant ces quatre piliers, le Module 2 installe le socle qui leur donne un sens : le langage de l'argent. Un bon ROAS ne veut rien dire sans connaître la marge ; un coût d'acquisition ne se juge que face à la valeur d'un client.

.04
Cas concrets et retour sur investissement

Quand la donnée transforme un business

Cinq histoires pour ancrer la théorie. De la recommandation algorithmique au community management qui n'existe pas.

Cas n°1
Netflix
La data au cœur même du modèle
80 %
du contenu visionné provient des recommandations de l'algorithme
Le contexte
Netflix paie ses contenus à l'avance. Si l'abonné ne trouve pas vite quelque chose à regarder, il se désabonne. Chaque point de churn évité représente des dizaines de millions de dollars de revenu récurrent.
La réponse data
Un moteur de recommandation entraîné sur l'historique de visionnage, les recherches, l'heure et le jour de connexion, l'appareil utilisé, et les profils similaires dans la base d'abonnés.
Source : Netflix Tech Blog
Cas n°2
Sephora
La data au service du parcours d'achat
25 M+
membres du programme Beauty Insider
Le levier
Le programme Beauty Insider fonctionne comme un aspirateur à données : segmentation par tranche, parcours et préférences. Il alimente la personnalisation et la prévision des stocks.
Les résultats
Près de 30 % de ruptures de stock en moins grâce à la prévision, et 5 à 10 % de revenu additionnel via la personnalisation. La marque anticipe même les tendances TikTok pour ajuster ses approvisionnements.
Indicateurs publics Sephora
Cas n°3
Burberry
Le luxe asynchrone : présence massive, dialogue absent
20 M
abonnés Instagram, mais des commentaires sans réponse
Le constat
Burberry publie énormément : campagnes, défilés, collaborations, événements virtuels. Mais la marque ne fait quasiment pas de community management. Les commentaires et messages restent sans réponse.
Le parti pris
« Le luxe s'inscrit dans une logique d'inspiration, pas de relation. » Un choix assumé, qui pose une vraie question stratégique.
D'après Sprout Social, 2023
Cas n°4
Un restaurant parisien
Identifier ses canaux d'acquisition avec des tags UTM
La situation
Un restaurant lance une carte végétarienne et se référence sur des sites spécialisés. Il veut savoir d'où viennent réellement ses visiteurs pour ajuster son budget.
La technique
En ajoutant un paramètre à ses liens, par exemple un suffixe qui distingue Google Maps d'un annuaire végé, la donnée révèle le poids réel de chaque canal. On verra cette mécanique en détail en Journée 3.
Cas pédagogique
Cas n°5
Un parc animalier
Quand la data nourrit la conception du site
80 à 90 %
de taux de rebond sur un site pensé pour ordinateur, alors que les visiteurs sont sur mobile
Le constat
Une seule page d'accueil générique, sans ciblage, et un rebond massif. La vraie question : qui vient sur le site, et pour quelle information ?
La bascule
En repartant du visiteur réel plutôt que supposé, on conçoit des entrées ciblées par profil : familles, visiteurs sur place, habitants locaux. La data ne sert pas qu'à mesurer, elle nourrit la conception.
Cas pédagogique

Ces cas se ressemblent sur un point : la donnée n'a de valeur que par la décision qu'elle déclenche. Les études convergent d'ailleurs sur des ordres de grandeur réguliers.

+15 %
de retour marketing
McKinsey, 2023
5 à 10 %
de revenu additionnel via personnalisation
+20 %
de valeur vie client
Adobe, 2024
-15 %
de churn via le prédictif
Le marketing analytics ne remplace pas la créativité ni l'intuition. Il les rend mesurables et reproductibles. Le retour ne vient pas de l'outil, mais de la décision qu'il déclenche.
.05
Posture, méthode et outils

Le profil du data marketer moderne

Un profil en T : une large culture marketing, et une vraie profondeur sur la donnée.

Communication
Marketing
Analyse
Outils
Business
Technique

Pour mener un projet d'analytics, une méthode en cinq étapes, à suivre dans l'ordre. L'erreur classique consiste à se précipiter sur l'analyse sans avoir cadré la question business. Résultat : un beau tableau de bord que personne ne consulte.

  1. 1
    Cadrer

    Quelle question business ? Quelle décision en aval ?

  2. 2
    Collecter

    Quelles sources ? Quelle qualité ? Conformité ?

  3. 3
    Analyser

    Statistiques, visualisation, modèles si pertinent.

  4. 4
    Restituer

    Récit visuel, conclusions claires et lisibles.

  5. 5
    Activer

    Décision, action, puis mesure de l'impact.

Le cycle est itératif
L'étape d'activation génère de nouvelles données, qui alimentent un nouveau cadrage. Un projet d'analytics ne se termine jamais vraiment : il boucle.
QuestionChoix unique
Quelle est l'erreur la plus fréquente dans un projet d'analytics ?
EX
À vous de jouer

Exercices

L'atelier de groupe mobilise tout le module. Le vrai-faux qui suit n'est qu'un échauffement de vocabulaire, à faire en quatre minutes.

Atelier de groupe3 à 4 personnes · environ 2 heures

Brut sous surveillance

Votre cellule d'analystes enquête sur Brut. Verdict attendu : un média vraiment data-driven, ou du flair déguisé ?

La mission
Tous les groupes enquêtent sur le même sujet : Brut, le média qui cartonne en vidéo sociale. Vous jouez les détectives de la donnée et reconstituez comment Brut exploite, ou gaspille, ses données pour produire et diffuser ses contenus. Travailler sur la même marque permet de comparer vos analyses à la fin.
Le déroulé
  1. 1Reconstituer un usage data probable de Brut sur chacun des quatre piliers : web, social, advertising, customer.
  2. 2Classer chaque usage en analyse descriptive, prédictive ou prescriptive, et justifier.
  3. 3Repérer l'angle mort : quel pilier Brut sous-exploite visiblement ?
  4. 4Proposer une décision data concrète qui comblerait cet angle mort.
  5. 5Préparer un pitch de cinq minutes : le tableau de surveillance de Brut.
Livrable attendu
Une fiche « tableau de surveillance de Brut » d'une page (les quatre piliers, le niveau d'analyse de chacun, l'angle mort, la décision proposée) et un pitch de cinq minutes.

Corrigé et grille d'évaluation disponibles dans l'espace enseignant.

Face-à-faceLa classe en deux camps

Burberry : tout mesurer contre l'instinct créatif

Burberry prépare une grande campagne. La maison britannique poste énormément, ne répond presque jamais, et assume une image d'inspiration plus que de relation. Faut-il piloter chaque décision par la donnée, ou protéger ce flair créatif qui fait le luxe ?

Team Data
Prouver que sans mesure, on gaspille.
  • Chaque euro doit être traçable, sinon c'est le gâchis de Wanamaker
  • Les chiffres et les A/B tranchent les débats sans fin
  • L'intuition se trompe plus souvent qu'elle ne l'avoue
  • 402 millions de téraoctets par jour, autant s'en servir
VS
Team Instinct
Défendre que les grandes idées ne se mesurent pas d'avance.
  • La créa fait les campagnes qu'on retient, pas les tableurs
  • Trop de data tue l'audace et formate tout pareil
  • La donnée regarde le passé, pas le prochain coup de génie
  • Burberry assume une marque qui inspire, pas qui réagit
But du jeu : se neutraliser

La donnée mesure et corrige, l'instinct propose et ose. Le but n'est pas d'écraser l'autre, mais d'admettre que l'un sans l'autre échoue : une campagne pilotée mais sans idée ne décolle jamais, une idée géniale jamais mesurée se crashe en silence.

Vrai ou faux0 / 5

  • L'analyse prédictive recommande la meilleure action à prendre.

  • Le data marketer a un profil en T : large en marketing, profond sur la donnée.

  • Une démarche d'analytics commence par l'analyse des données.

  • Environ 80 pour cent du visionnage Netflix vient des recommandations.

  • Le taux de rebond est l'un des quatre piliers du marketing analytics.

Ce qu'il faut retenir
  1. 01Le marketing analytics rend les décisions mesurables et reproductibles.
  2. 02Trois niveaux de maturité : descriptif, prédictif, prescriptif.
  3. 03Quatre piliers : web, social, advertising, customer.
  4. 04Une méthode en cinq étapes : cadrer, collecter, analyser, restituer, activer.
  5. 05Le retour vient de la décision déclenchée, jamais de l'outil seul.