Dirty data, dirty dancing

Adresse postale non mise à jour, numéro de téléphone erroné, historique d’achat incomplet… Je peux constater chaque jour à quel point les données relatives aux clients posent des enjeux essentiels en termes de stratégie commerciale et d’expérience client. Après tout, comment vous adresser de façon appropriée à un contact si vous avez une fausse idée de son profil et de ses attentes ?

La digitalisation des interactions entre le client et la marque est une source inépuisable d’optimisation et de personnalisation de la relation, sous tous ses aspects. Toutefois, elle représente aussi un danger non négligeable si vous ne veillez pas à la fiabilité de vos données. Je vous explique l’essentiel à retenir ci-dessous !

Qu'est-ce que la dirty data ?

La « dirty data » constitue un problème croissant dans le domaine du marketing. Il s’agit de données erronées pouvant entraîner des erreurs très coûteuses en termes de communication ou de stratégie commerciale.

Une donnée peut notamment être qualifiée de "sale" si elle est :

• Inexacte, et sans rapport avec la situation réelle du client (fausse adresse postale ou e-mail…) ;

• Incomplète, et donc d’un niveau de précision insuffisant pour être pleinement exploitable ;

• Incohérente par rapport aux autres données collectées sur le même client ;
  
  
• Obsolète, par exemple suite à un déménagement ou à une autre évolution de la situation du client.
  
  

Quel est l'impact de la dirty data ?

Le principal danger de la dirty data est, selon moi, la prise de mauvaises décisions marketing et une communication inadaptée avec le client. 

À titre d’exemple, une base client non réunifiée peut tout à fait contenir deux fiches différentes pour un seul et même contact. Dans la première fiche, le compte client est bien identifié et correspond à un profil fidélisé, à haut pouvoir d’achat. La deuxième fiche est moins riche, et identifie à tort la même personne comme un simple prospect ayant réalisé une brève recherche produit sur le site.

Dans ce cas de figure, le même client pourrait donc recevoir des sollicitations commerciales complètement différentes et peu pertinentes. Rien de tel pour ternir à la fois son expérience utilisateur et l’image de votre marque.

Les coûts cachés de la dirty data ne s’arrêtent évidemment pas là. Il me semble important de mentionner aussi :

• La charge financière liée à la multiplication peu cohérente des communications marketing (mailing, SMS, voire brochures papier) ;
• Les ressources humaines à mobiliser pour le nettoyage et la normalisation de la base de données ;
• La dégradation de la délivrabilité du message de vos annonceurs, c’est-à-dire notamment les e-mail ou SMS n’arrivant jamais à leur destinataire supposé.
  
  

Quelles solutions pour s'affranchir de la data ?

Je tiens tout de suite à vous rassurer : la donnée sale n’est évidemment pas une fatalité ! De nombreuses techniques vous permettent à la fois de contrôler la qualité de la donnée entrante (en amont) et d’entretenir ou corriger ensuite sa fiabilité (en aval).

En amont, certaines bonnes pratiques sont à souligner. Très appréciés par les e-commerçants, les systèmes d’aide à la saisie émettent, par exemple, des suggestions automatiques pour le client lors du remplissage des formulaires (ville et code postal, format du numéro de téléphone ou de la date de naissance…). Cet outil simple et pratique contribue déjà à normaliser et à unifier la donnée client dès la phase de saisie.

Il est vrai que l'e-commerce n’est pas le plus touché par la dirty data CRM. Le client, après tout, est soucieux d’être livré sans erreurs et accorde donc un soin particulier au renseignement de ses propres données. Il n’en va pas toujours de même dans le domaine du retail physique ou dans le domaine de l’immobilier par exemple, où la collecte est réalisée le plus souvent de façon manuelle par des vendeurs ou commerciaux.

Dans ce cas, je vous recommande la mise en œuvre d’autres stratégies curatives très efficaces :

• Le traitement de la qualité de la donnée (data quality) vise à restructurer les données de contact et à les rendre conformes à une norme standardisée. Par exemple, le traitement RNVP (restructuration, normalisation et validation postale) est particulièrement performant pour mettre en forme et unifier toutes les adresses postales des clients. Les civilités, les dates de naissance, les numéros de téléphone, les noms et prénoms sont autant de données pouvant également faire l'objet de traitement de redressement et de normalisation 
  
  
• Le même processus peut être engagé concernant la vérification des adresses e-mail et leur cohérence, via le traitement RNVE (restructuration, normalisation et validation e-mail).
  
  
• Ces démarches peuvent être couplées avec un processus de déduplication des contacts et de réunification des données. En d’autres termes, il s’agit tout simplement de détecter les doublons et, le cas échéant, de fusionner et de réconcilier les informations concernant un même contact.
  
  

Comment Avanci peut vous aider à nettoyer votre data client ? 

Avanci accompagne au quotidien plus d’une centaine d’entreprises clientes dans la fiabilisation de leurs données client. Notre rôle consiste notamment :

• À restructurer et normaliser la donnée de contact ;
• À effectuer le tri et la mise à l’écart des données sales ou non exploitables ;
• À enrichir la donnée lorsqu’elle est incomplète.

NM Data, partenaire Avanci, entretient une mégabase de données destinée à recouper les informations, à enrichir et à compléter la donnée client lorsque c’est possible.

En matière de fiabilité des données clients, les enjeux pour 2023 restent les mêmes. Il s’agit à la fois :

• De sensibiliser vos collaborateurs sur l’importance de la collecte de la donnée, notamment ceux chargés de la saisie initiale et du contact direct avec le client ;
• D’enrichir la donnée régulièrement et de la mettre à jour via l’automatisation des flux ;
• De conformer votre stratégie data et le recueil de l’opt-in client aux exigences réglementaires, et notamment du RGPD.