Qu’est-ce qu’un Cas d’Usage CDP ? Définition & exemples

La notion de cas d’usage n’est pas née avec les CDP. C’est en 1987 qu’Ivar Jacobson, informaticien suédois, présente pour la première fois le concept de cas d’utilisation lors de la conférence Oopsla, pour décrire comment capturer les exigences d’un système dans une méthode d’analyse orientée objet.

Depuis, le concept a quitté son jargon technique pour adopter le point de vue de l’utilisateur final.

Un cas d’usage, c’est aujourd’hui l’expression de ce qu’un utilisateur veut accomplir avec un outil, dans le but d’aboutir à un résultat à valeur ajoutée.

Le CDP Institute définit le cas d’usage appliqué à une CDP en ces termes : il s’agit d’« une description des étapes nécessaires à un agent pour réaliser une tâche métier. [Le cas d’usage] est employé pour illustrer à la fois les capacités dont un système a besoin pour accomplir une tâche et pour représenter les tâches qu’un système peut prendre en charge. » 

Prenons un peu de recul.

Dans un projet CDP, le porteur du projet (une entreprise) souhaite s’équiper d’une Customer Data Platform. Est-ce une bonne idée ? Est-ce la bonne solution ? Lorsque nous accompagnons des clients dans un projet CDP, nous commençons toujours par interroger la pertinence de ce choix technologique. Notre recommandation est simple, invariable : il faut partir des besoins métier et des objectifs de l’entreprise. C’est seulement ensuite que la question des outils intervient. Nous challengeons toujours nos clients sur ce point.

Si le choix de s’équiper d’une CDP fait sens et est acté, alors nous pouvons passer à l’étape suivante. Cette étape consiste à repartir des besoins et des objectifs de l’entreprise pour faire émerger nos fameux cas d’usage CDP. Il s’agit de répondre à la question : de quelle manière l’entreprise a-t-elle envie d’utiliser la CDP dont elle souhaite s’équiper ? Dit de manière plus directe : pourquoi faire ? Il va falloir étudier, sélectionner et qualifier les différentes utilisations cibles. En d’autres termes, construire la liste détaillée des cas d’usage cibles.

On peut d’ailleurs très bien présenter les cas d’usage cibles à la première personne.

Par exemple :

• Je veux activer mes clients en temps réel, dans mes scénarios marketing, sur mon site web, sur mon application mobile…
• Je veux créer une segmentation dynamique de mes clients, c’est-à-dire une segmentation mise à jour en temps réel en fonction du comportement des clients.
• Je veux unifier toutes mes données qui, pour le moment, sont éparpillées dans mes différents outils et bases de données.
• Je veux créer un score client permettant d’identifier le risque de churn de mes clients. Je veux pouvoir envoyer des notifications automatiques au service client quand un de mes clients atteint un score élevé de churn.
• Je veux calculer la lifetime value de mes clients.
• Je veux mettre en place une approche lookalike, c’est-à-dire créer des audiences anonymes dans mon outil de publicité partageant les mêmes caractéristiques que mes meilleurs clients.
• Je veux disposer d’une fiche client omnicanal, avec toutes les informations concernant le client : attributs, événements, identifiants…
• Je veux agréger mes données clients pour l’analyse.

Bref, vous avez compris. Ces cas d’usage doivent être décrits de la manière la plus claire possible. Ils peuvent être regroupés par catégorie : Data Management, Segmentation, Orchestration. Si vous souhaitez aller plus loin sur ce point, nous détaillons la méthode dans notre article dédié à la structuration d’un cas d’usage CDP.

Comme nous le disions dans l’introduction, la formulation des cas d’usage est une étape vraiment pivot dans un projet CDP. À partir des cas d’usage, vous allez pouvoir identifier les fonctionnalités cibles que la CDP devra proposer. Il n’est pas toujours évident de déduire les fonctionnalités des cas d’usage, cela implique une connaissance des Customer Data Platforms, de leur périmètre fonctionnel et de leur fonctionnement technique.

La qualification des cas d’usage et des fonctionnalités cibles permet ensuite d’identifier les CDP éligibles. S’ensuit l’étape de sélection proprement dite, avec toutes les étapes bien connues d’un Request for Proposal dans les règles de l’art.

Ce sont des sujets sur lesquels nous pourrions développer longuement, nous accompagnons très régulièrement des entreprises dans leurs projets CDP. Vous avez ici un aperçu très synthétique de la démarche. Pour aller plus loin, nous vous invitons à découvrir nos publications dédiées. En particulier :

• Les étapes d’un projet Customer Data Platform (CDP)
• Customer Data Platform : 7 cas d’usage de la CDP en B2C

Retour au Sommaire

La gestion de la donnée constitue la première étape de toute démarche CDP. En tant que pivot du Système d’Informations (SI) Client, la plateforme agit telle une clef de voûte sur laquelle viennent se connecter tous les flux de données de votre entreprise, en provenance de toutes vos sources et de tous vos canaux : logiciels back-office, bases de données, systèmes de type Big Data, CRM, outil de Marketing Automation, bornes en boutique, centre de contacts, site ecommerce, réseaux sociaux, application mobile, etc.

Une fois les informations collectées et intégrées à la plateforme, les outils d’activation et d’analyse en aval entrent en jeu, toujours orchestrés par l’organe central qu’est la CDP. Commence alors l’étape d’unification de ces données brutes et leur préparation en vue de répondre aux objectifs fixés par votre projet CDP.

Toutefois, à quoi bon collecter et unifier les données si vous ne pouvez pas les utiliser et en tirer la meilleure valeur ? Si les indicateurs clés de performances (KPI) sont là pour vous y aider, difficile parfois de saisir toute la pertinence des informations contenues dans une donnée. C’est là que les outils d’analyse et de business intelligence vous permettent de capter le comportement de l’utilisateur qui « se cache » dans la donnée collectée et de le retranscrire visuellement.

Certaines CDP, pas toutes, intègrent nativement des fonctionnalités d’analyse et de BI. Toutes, en revanche, offrent la possibilité d’extraire les données préparées et unifiées dans la CDP vers un outil de reporting tiers. L’analyse est l’un des deux grands domaines d’exploitation des donnés de la CDP (l’autre étant l’activation).

La pertinence d’un segment client, d’un lead ou d’un visiteur ne peut se mesurer que si vous disposez d’un nombre suffisant de données. En se connectant à toutes les sources hétérogènes de données, la CDP va non seulement collecter d’importants volumes de données mais également pouvoir les segmenter de façon très fine selon les cas d’usage définis.

Avec une Customer Data Platform, vous pouvez alors segmenter votre base de données client selon de multiples dimensions, puis redistribuer ces segments d’audience à vos différents outils d’activation : CRM, marketing automation, emailing, DataViz… À l’image des fonctionnalités d’analyse et de BI, plusieurs types et méthodes de segmentation sont possibles :

• Les segments MECE ou attribution de segments : le segment assigne les clients à l’un des multiples segments en utilisant le principe MECE (Mutually Exclusive, Collectively Exhaustive) ;
• Les segments Overlapping ou règles d’éligibilité du public : ils permettent de prendre en compte différentes règles d’éligibilité. Ils s’appliquent notamment dans le cas où un client doit recevoir différents types de communication. En revanche, ils ne prennent en compte qu’un seul ensemble de règles de segmentation à la fois ;
• La segmentation statique ou ponctuelle, pour des campagnes ad hoc de type envoi d’informations ;
• La segmentation dynamique ou adaptative, dans laquelle les utilisateurs sont « amovibles » et peuvent varier selon divers critères.

Par sa capacité à travailler sur des segments dynamiques, constamment recalculés, optimisés et mis à jour, et associée à une dose d’intelligence artificielle, la Customer Data Platform peut ainsi permettre de prédire certaines intentions d’achats (notamment grâce aux données de navigation). Une capacité d’anticipation qui permet à vos équipes marketing de toujours avoir une longueur d’avance !

Connectée aux outils d’activation de l’entreprise, la Customer Data Platform permet non seulement une segmentation ultra fine des audiences mais aussi de proposer une expérience client sans couture de bout en bout. Comment ? En transformant les données client en comportements d’achats prévisibles, chaque interaction collectée sur les différents points de contact étant associée à un comportement donné.

Par conséquent, vos équipes marketing ont ainsi la possibilité d’agir et d’interagir en temps réel avec le client à chaque étape du parcours d’achat. Par exemple :

• En lui proposant un code promotionnel pour éviter l’abandon du panier ;
• En lui poussant un produit ou un service complémentaire ;
• En envoyant une information pertinente (délais de livraison, options de transport, etc.) afin d’éviter le recours au service client ;
• En assurant un suivi de commandes unifié sur toutes vos plateformes…

Cette activation en temps réel, rendue possible par les capacités dynamiques de la plateforme, vous permet de proposer des services à forte valeur ajoutée.

Quelle est alors la finalité ultime de la Customer Data Platform ? La capacité à déployer une vue 360 sur l’ensemble de vos données clients. En d’autres termes, la possibilité de mettre en œuvre une stratégie marketing omnicanal ! Voilà l’atout majeur de ce hub global capable d’agréger des données disparates, multicanal, on et offline, et cross-device. Ainsi, la CDP va s’attacher à centraliser une multitude de fragments d’informations collectés tout au long du parcours phygital du client.

Enrichie en permanence en temps réel, la vue client unifiée ainsi obtenue favorise une approche omnicanale transverse à tous les départements de l’entreprise en lien avec l’expérience client, faisant de la CDP la tour de contrôle de votre stratégie marketing et le moteur de votre développement business. 

Retour au Sommaire

Un cas d’usage CDP est une utilisation cible concrète de votre Customer Data Platform, formulée du point de vue du besoin métier.

Il répond à la question « qu’est-ce que je veux faire avec ma plateforme ? » : unifier mes données, créer un score de churn, activer une audience en temps réel. C’est la brique de base de l’expression de besoin dans un projet CDP.

Ils se regroupent en grandes familles : la gestion et l’unification de la donnée, la mesure et l’analyse, l’enrichissement du marketing automation, la segmentation et la prédiction, l’activation en temps réel et le développement de l’omnicanal. À cela s’ajoutent désormais les cas d’usage portés par l’IA, comme le scoring prédictif natif ou le Next Best Action.

La méthode la plus simple consiste à le formuler à la première personne : « Je veux unifier mes données éparpillées », « je veux calculer la lifetime value de mes clients ». Chaque cas d’usage se décline ensuite en fonctionnalités cibles que la CDP devra proposer.

Le cas d’usage exprime un besoin métier (« je veux activer mes clients en temps réel »). La fonctionnalité est la capacité technique de l’outil qui permet d’y répondre.

On part toujours du cas d’usage pour en déduire les fonctionnalités cibles, jamais l’inverse. C’est ce qui permet ensuite d’identifier les CDP réellement éligibles à votre projet.

L’IA n’efface pas les cas d’usage classiques, elle en ouvre de nouveaux : scoring sans équipe data, segmentation en langage naturel, exploitation des données non structurées, Next Best Action.

Notre conviction reste la même : ces cas d’usage doivent répondre à un objectif business identifié, pas à un effet de mode.