un de nos clients, un géant de l’électronique grand public, mesurait depuis longtemps son impact publicitaire, un média à la fois. Comme la plupart des entreprises le font encore, il a mesuré comment ses publicités télévisées, imprimées, radiophoniques et en ligne fonctionnaient chacune de manière indépendante pour stimuler les ventes., La société n’avait pas saisi l’idée que les annonces interagissent de plus en plus. Par exemple, un spot TV peut provoquer une recherche Google qui conduit à un clic sur une annonce d’affichage qui, en fin de compte, se termine par une vente. Pour montrer comment ses publicités fonctionnent de concert dans les médias et les canaux de vente, notre client a récemment adopté de nouvelles techniques sophistiquées d’analyse de données. Les analyses ont révélé, par exemple, que la télévision a englouti 85% du budget dans une campagne de nouveaux produits, tandis que les publicités YouTube-une tranche de 6% du budget—étaient presque deux fois plus efficaces pour inciter les recherches en ligne qui ont conduit à des achats., Et search ads, à 4% du budget publicitaire total de l’entreprise, a généré 25% des ventes. Armée de ces riches résultats et des dernières analyses prédictives, la société a réaffecté ses dollars publicitaires, réalisant une hausse de 9% des ventes sans dépenser un sou de plus en publicité.
ce genre de perspicacité représente le Saint Graal du marketing—savoir précisément comment toutes les parties mobiles d’une campagne stimulent collectivement les ventes et ce qui se passe lorsque vous les ajustez. Jusqu’à récemment, l’image était floue au mieux., La modélisation Media-mix, introduite au début des années 1980, a aidé les spécialistes du marketing à lier les données du scanner à la publicité et à décider comment allouer les ressources marketing. Pendant environ 20 ans, tout le monde s’est gavé de ce fruit à portée de main, jusqu’à l’avènement du marketing numérique à la fin des années 1990. avec la possibilité de surveiller chaque clic de souris, mesurer la relation de cause à effet entre la publicité et les achats est devenu un peu plus facile. Les spécialistes du marketing ont commencé à suivre l’action la plus récente d’un consommateur en ligne—par exemple, un clic sur une bannière publicitaire—et à lui attribuer un comportement d’achat.,
combinées à une poignée de techniques de mesure ancestrales-enquêtes auprès des consommateurs, groupes de discussion, modèles de mélange de médias et attribution en dernier clic—ces méthodes dépassées ont bercé de nombreux spécialistes du marketing dans la complaisance. Ils pensent à tort qu’ils ont une idée de la façon dont leur publicité affecte réellement le comportement et génère des revenus. Mais cette approche est rétroactive: elle traite en grande partie les points de contact publicitaires—publicités en magasin et en ligne, Télévision, radio, publipostage, etc.-comme si chacun fonctionnait de manière isolée., Pour aggraver les choses, différentes équipes, agences et acheteurs de médias fonctionnent en silos et utilisent différentes méthodes de mesure alors qu’ils se disputent les mêmes ressources. Cette pratique encore courante, ce que nous appelons la mesure de swim-lane, explique pourquoi les spécialistes du marketing attribuent souvent des résultats spécifiques à leurs activités de marketing et pourquoi la finance a tendance à douter de la valeur du marketing. (Voir l’exposition » sortez de vos couloirs de baignade. ») Comme l’a dit un directeur financier D’une société Fortune 200, » lorsque j’additionne les Roi de chacun de nos silos, l’entreprise apparaît deux fois plus grande qu’elle ne l’est réellement., »
Les consommateurs D’Aujourd’hui sont exposés à un éventail croissant et fragmenté de points de contact marketing dans les médias et les canaux de vente. Imaginez que tout en regardant un spot TV pour une Toyota Camry, un consommateur utilise son appareil mobile pour Google « berlines. »Up affiche un lien de recherche payant pour Camry, ainsi que des critiques de voitures. Elle clique sur le site Web de Car and Driver pour lire certains commentaires, et tout en parcourant, elle remarque une annonce d’affichage d’un concessionnaire local mais ne clique pas dessus. Une critique contient un lien vers des vidéos YouTube que les gens ont faites sur leurs Camrys., Sur YouTube, elle regarde également la publicité intelligente « Camry Reinvented” du Super Bowl de Toyota de huit mois plus tôt. Au cours de son trajet pour se rendre au travail Cette semaine-là, elle voit un panneau D’affichage Toyota qu’elle n’avait pas remarqué auparavant, puis reçoit un article de publipostage de la société offrant une offre limitée dans le temps. Elle visite les sites Web des concessionnaires locaux, y compris ceux promus sur Car and Driver et dans le publipostage, et se dirige enfin vers un concessionnaire, où elle teste la voiture et l’achète.,
Le Directeur du marketing de Toyota devrait poser deux questions: comment cette combinaison d’expositions publicitaires a-t-elle interagi pour influencer ce consommateur? Toyota investit-elle les bons montants aux bons moments du processus de décision du client pour l’inciter à passer à l’action?
déluge de données
Les changements sismiques dans la technologie et le comportement des consommateurs au cours de la dernière décennie ont produit un enregistrement granulaire, pratiquement infini de chaque action des consommateurs en ligne., Ajoutez à cela les océans de données provenant des DVR et des décodeurs numériques, de la caisse de détail, des transactions par carte de crédit, des journaux de Centre d’appels et d’une myriade d’autres sources, et vous constatez que les spécialistes du marketing ont maintenant accès à une mine d’informations auparavant inimaginables sur ce que les consommateurs voient et font.
L’opportunité est claire, mais le défi aussi. Comme L’a dit le célèbre statisticien et écrivain Nate Silver, » chaque jour, trois fois par seconde, nous produisons l’équivalent de la quantité de données que la Bibliothèque du Congrès possède dans toute sa collection imprimée. La plupart sont noise du bruit non pertinent., Donc, à moins d’avoir de bonnes techniques pour filtrer et traiter les informations, vous allez avoir des ennuis. »
dans ce nouveau monde, les spécialistes du marketing qui s’en tiennent aux approches traditionnelles de mesure analytics 1.0 le font à leurs risques et périls. Ces méthodes, qui regardent en arrière quelques fois par an pour corréler les ventes avec quelques dizaines de variables, sont dangereusement dépassées. Bon nombre des plus grandes multinationales du monde déploient désormais analytics 2.0, un ensemble de fonctionnalités qui peuvent parcourir des téraoctets de données et des centaines de variables en temps réel., Il permet à ces entreprises de créer une image ultra-haute définition de leurs performances marketing, d’exécuter des scénarios et de modifier leurs stratégies publicitaires à la volée. Rendus possibles par des sauts exponentiels récents en puissance de calcul, des analyses basées sur le cloud et un stockage de données bon marché, ces outils prédictifs mesurent l’interaction de la publicité entre les médias et les canaux de vente, et identifient précisément comment les variables exogènes (y compris l’économie au sens large, les offres concurrentielles et même la météo) affectent Les analyses qui en résultent, en termes simples, révèlent ce qui fonctionne vraiment., Grâce à ces informations basées sur les données, les entreprises peuvent souvent maintenir leurs budgets existants tout en améliorant leurs performances marketing de 10% à 30% (parfois plus).
S’appuyant sur les modèles mathématiques pionniers développés par Dominique Hanssens, professeur de marketing à L’UCLA et cofondateur de MarketShare, notre cabinet fournit des solutions analytics 2.0 à de nombreuses grandes entreprises mondiales. Les modèles quantifient les effets cross-médias et cross-canal du marketing, ainsi que les effets directs et indirects de tous les moteurs commerciaux, et le logiciel utilise des capacités de cloud computing et de big data., Les cas que nous présentons dans cet article sont tirés de nos sociétés clientes. De nombreuses autres entreprises-telles que VivaKi, Omniture et DoubleClick—ont vu le jour ces dernières années pour répondre à la demande croissante d’analyses avancées.
passage à la version 2.0
grâce à l’intégration du big data, du cloud computing et de nouvelles méthodes d’analyse, analytics 2.0 fournit des informations fondamentalement nouvelles sur l’effet du marketing sur les revenus., Il implique trois grandes activités: l’attribution, le processus de quantification de la contribution de chaque élément de la publicité; l’optimisation, ou « jeu de guerre” en utilisant des outils d’analyse prédictive pour exécuter des scénarios de planification d’entreprise; et l’allocation, la redistribution en temps réel des ressources entre les activités marketing selon des scénarios d’optimisation. Bien que ces activités soient décrites dans cet article comme des étapes séquentielles, elles peuvent se produire simultanément dans la pratique; les sorties d’une activité se répercutent sur une autre de manière itérative, de sorte que la capacité d’analyse s’améliore continuellement.,
l’Attribution.
pour déterminer comment vos activités publicitaires interagissent pour générer des achats, commencez par collecter des données. De nombreuses entreprises avec lesquelles nous avons travaillé affirment au début qu’elles ne disposent pas des données requises en interne. Ce n’est presque toujours pas le cas. Les entreprises sont inondées de données, bien que dispersées et, souvent, involontairement cachées. Les données pertinentes existent généralement au sein des ventes, des Finances, du service à la clientèle, de la distribution et d’autres fonctions en dehors du marketing.
Sachant que de se concentrer sur le signal plutôt que le bruit est une partie essentielle du processus., Pour modéliser avec précision leurs activités, les entreprises doivent collecter des données dans cinq grandes catégories: les conditions du marché, les activités concurrentielles, les actions marketing, la réponse des consommateurs et les résultats commerciaux. (Voir l’exposition » optimiser la publicité. »)
avec des données détaillées qui analysent les ventes de produits et les mesures publicitaires par support et par emplacement, des analyses sophistiquées peuvent révéler l’impact des activités de marketing sur les voies de navigation—par exemple, entre un support, par exemple la télévision, et un autre, les médias sociaux. Nous appelons ces effets indirects » taux d’assistance., »La reconnaissance d’une aide dépend de la capacité de suivre l’évolution du comportement des consommateurs en réponse aux investissements publicitaires et aux activités de vente. Pour simplifier un peu trop: une analyse pourrait détecter un pic de clics des consommateurs sur une bannière publicitaire en ligne après la mise en ligne d’un nouveau spot télévisé-et lier cet effet à des changements dans les habitudes d’achat. Cela permettrait de capturer « l’aide” du spot à la bannière publicitaire et de fournir une image plus vraie du ROI de la publicité télévisée., Plus subtilement, les analyses peuvent révéler les effets d’assistance des publicités avec lesquelles les consommateurs ne s’engagent pas activement—montrant, par exemple, un bond de 12% de l’activité de recherche d’un produit après le déploiement d’une bannière publicitaire sur laquelle seulement 0,1% des consommateurs cliquent.
cet aperçu se traduit directement par toute publicité que les consommateurs rencontrent mais sur laquelle ils ne peuvent pas agir spécifiquement, y compris les publicités télévisées, les placements dans les médias sociaux, les relations publiques, les affichages en ligne ou à l’extérieur, les publicités mobiles et les promotions en magasin. Pensez à l’annonce d’affichage sur le trajet de notre acheteur Toyota., L’annonce elle-même ne l’a probablement pas amenée à se rendre chez le concessionnaire et à acheter une voiture. Mais cela l’a peut-être poussée à regarder la pièce de publipostage à son arrivée, ce qui a finalement inspiré la visite chez le concessionnaire—un parcours client complet que nous pouvons maintenant mesurer. Il est difficile ou impossible de quantifier ces effets d’assistance au niveau individuel, en particulier lorsqu’ils impliquent des publicités hors ligne, de sorte que analytics 2.0 fonctionne en exposant ces effets., Il utilise une série sophistiquée de modèles statistiques à équation simultanée qui regroupent divers effets interdépendants dans une vue qui explique avec précision le comportement du marché.
Les dangers de la mesure simpliste de la voie de nage étaient personnels pour l’un des responsables marketing de notre client., Au début de sa carrière, dans une entreprise de commerce électronique de haut niveau, l’équipe marketing a présenté pour financer certains résultats de campagne qui avaient été générés en utilisant des méthodes d’analyse traditionnelles:
Les choses sont rapidement devenues gênantes lorsque les finances ont souligné que l’unité commerciale n’avait généré que 110 L’écart est apparu parce que, faute de bonnes données, les leaders dans chaque voie de natation ont réclamé le même seau de revenus.,
Cette leçon est restée avec cet exécutif alors qu’il cherchait à résoudre le problème de l’attribution incorrecte Dans l’industrie. Il a finalement rejoint une société de technologie grand public qui a adopté avec enthousiasme analytics 2.0. Là, il a créé une plate-forme analytique pour révéler comment les activités de la publicité et de la force de vente de l’entreprise interagissaient.
de tels exemples distillent nécessairement la complexité d’analytics 2.0., Dans les analyses réelles menées par une grande entreprise, les modèles statistiques peuvent tenir compte de centaines ou de milliers de permutations de tactiques de publicité et de vente, ainsi que de variables exogènes telles que la géographie, les taux d’emploi, les prix, la saison de l’année, les offres concurrentielles, etc. Lorsque vous analysez chaque permutation d’une campagne publicitaire en fonction de ces variables, la complexité de la tâche et la nécessité de l’informatique en nuage et du stockage deviennent claires., Vous réalisez également que de telles analyses vous permettent, par exemple, de voir instantanément comment une nouvelle publicité télévisée affecte les modèles de recherche en ligne des consommateurs, puis de modifier votre stratégie d’enchères de recherche par mot—clé pour acheter des mots pertinents au fur et à mesure que l’annonce est diffusée. Ils peuvent également vous aider à identifier L’effet réel de Facebook sur les revenus à court terme et les fonds propres de marque à long terme.
optimisation.
Une fois qu’un marketeur a quantifié la contribution relative de chaque composante de ses activités marketing et l’influence de facteurs exogènes importants, war gaming est la prochaine étape., Cela implique d’utiliser des outils d’analyse prédictive pour exécuter des scénarios de planification d’entreprise. Peut—être que vous voulez savoir ce qui arrivera à vos revenus si vous réduisez la publicité d’affichage extérieur pour une certaine gamme de produits de 10% à San Diego-ou si vous décalez 15% de vos dépenses publicitaires TV liées aux produits vers la recherche et l’affichage en ligne. Peut-être avez-vous besoin d’identifier les implications pour votre publicité si un concurrent réduit les prix à Tokyo ou si les prix du carburant augmentent à Sydney.,
en utilisant les grandes quantités de données collectées et analysées à travers le processus d’attribution, vous pouvez attribuer une « élasticité” à chaque moteur d’entreprise que vous avez mesuré, de la publicité télévisée aux annonces de recherche, en passant par les prix du carburant et les températures locales. (L’élasticité est le rapport entre la variation en pourcentage d’une variable et la variation en pourcentage d’une autre.) Connaître les élasticités de vos facteurs d’activité vous aide à prédire comment des changements spécifiques que vous apportez influenceront des résultats particuliers. Si l’élasticité de vos annonces TV par rapport aux ventes est .,03, par exemple, doubler votre budget publicitaire TV donnera une augmentation de 3% des ventes, lorsque toutes les autres variables restent constantes. En bref, la modélisation analytics 2.0 révèle comment toutes les élasticités des conducteurs interagissent pour affecter les ventes. (Voir l’exposition » comment les annonces interagissent pour stimuler les ventes.”)
les jeux de Guerre utilise le réel élasticités de votre entreprise, les pilotes d’exécuter des centaines ou des milliers de scénarios en quelques minutes., Dans un processus typique de jeu de guerre, les membres de l’équipe définissent des objectifs marketing (tels qu’un certain objectif de revenus, un objectif de partage ou un objectif de marge), souvent sur plusieurs produits et marchés. Croquant la vaste base de données des élasticités des pilotes, le logiciel d’optimisation génère un ensemble de scénarios les plus probables ainsi que des recommandations marketing pour les atteindre. Le logiciel peut également tester des scénarios de simulation spécifiques: par exemple, comment les ventes de notre camionnette de taille moyenne à Denver seront-elles affectées si les prix de l’essence grimpent de 5% et que nous lançons une campagne combinée à la télévision et en ligne faisant la promotion d’un rabais de 300$?,
chez Ford, Matthew VanDyke, directeur des communications marketing, dirige une équipe interfonctionnelle impliquant les fonctions IT, finance, marketing et autres. Le groupe est chargé d’optimiser les dépenses publicitaires de 1 milliard de dollars de Ford. À l’aide d’analyses avancées, l’équipe exécute régulièrement des milliers de scénarios impliquant des centaines de variables pour évaluer les effets probables de différentes stratégies publicitaires dans un éventail de circonstances complexes., Les analyses intègrent les informations de L’étape d’attribution, ce qui permet à Ford de prédire d’un scénario à l’autre comment les changements dans l’investissement publicitaire dans un média sont susceptibles d’affecter les performances publicitaires dans d’autres, et comment les facteurs exogènes peuvent influencer les résultats.
par exemple, à mesure que l’intérêt des consommateurs pour les véhicules économes en carburant a augmenté, Mike Macri, directeur scientifique du marketing chez Ford, et son équipe ont utilisé war gaming pour évaluer rapidement quels marchés seront réceptifs aux messages créatifs sur l’efficacité énergétique et ont redirigé les ressources publicitaires en conséquence via leurs agences partenaires., En effet, ces jeux de guerre sont à l’origine de plusieurs campagnes cross-médias actuelles pour Ford.
l’analyse prédictive permet également à Ford de modifier la planification et les achats des médias, à l’échelle nationale et locale. Par exemple, il a découvert que les dépenses numériques globales de l’entreprise, bien que appropriées, mettaient trop l’accent sur l’affichage numérique et sous-investissaient dans la recherche. En outre, avant que l’entreprise n’utilise la planification de scénarios de jeu de guerre, les budgets de marketing nationaux et locaux étaient traités séparément et rarement coordonnés., Il avait été difficile pour Ford de déterminer, par exemple, combien elle devrait fournir en fonds de contrepartie aux groupes de concessionnaires, si les niveaux d’incitation des consommateurs diffèrent entre les différentes voitures et régions de son portefeuille, et comment l’augmentation des dépenses dans les médias sociaux et la réduction des achats dans les médias traditionnels affecteraient les ventes aux jeunes conducteurs. War gaming a permis à Ford de prédire comment ces scénarios se dérouleraient avant d’apporter des changements. Résultat: le passage du budget national aux budgets locaux a généré des dizaines de millions de dollars de nouvelles recettes, sans changement net dans le budget total de la publicité.,
Les spécialistes du marketing utilisent également analytics 2.0 pour exécuter des scénarios de simulation pour les lancements de nouveaux produits publicitaires, les achats publicitaires sur des marchés où les données sont limitées et les effets potentiels des mouvements surprises des concurrents. Par exemple, alors qu’une société mondiale d’électronique grand public se préparait à lancer un produit révolutionnaire dans un marché émergent où les données commerciales et marketing historiques étaient rares, elle a utilisé des analyses avancées pour examiner le comportement publicitaire des concurrents et prédire avec précision leurs dépenses pour les prochaines versions., En utilisant ces prévisions et ces scénarios d’optimisation, la société est entrée sur le marché avec une compréhension beaucoup plus claire du paysage stratégique et a ajusté ses plans rapidement pour répondre à la nouvelle dynamique concurrentielle.
Allocation.
Il est révolu le temps de définir un plan marketing et de le laisser suivre son cours—l’approche dite « run-and-done ». Alors que la technologie, les entreprises de médias et les acheteurs de médias continuent d’éliminer les frictions du processus, la publicité est devenue plus facile à traiter, à placer, à mesurer et à développer ou à tuer., Les spécialistes du marketing peuvent désormais facilement ajuster ou allouer de la publicité sur différents marchés sur une base mensuelle, hebdomadaire ou quotidienne—et, en ligne, même d’une fraction de seconde à l’autre. L’Allocation consiste à mettre sur le marché les résultats de vos efforts d’attribution et de jeu de guerre, à mesurer les résultats, à valider les modèles (c’est-à-dire à effectuer des expériences sur le marché pour confirmer les résultats d’une analyse) et à apporter des corrections de Cap.,
dans l’une des plus grandes sociétés de logiciels au monde, la haute direction s’est rendu compte qu’elle avait besoin de plus de responsabilité et de précision dans son marketing, car les décisions d’attribution n’avaient pas toujours été basées sur des analyses scientifiques. Pour comprendre quelles activités marketing conduisaient les prospects vers son site web, ses revendeurs et ses partenaires de vente au détail—et ainsi générer des ventes—l’équipe de direction marketing a utilisé analytics 2.0 pour révéler comment toutes ses composantes marketing interagissaient.,
en utilisant des modèles qui ont finalement pris en compte des centaines de variables, la société a quantifié la combinaison précise d’annonces qui a le plus efficacement stimulé les essais de logiciels, quelles activités des revendeurs ont généré le plus de profits et comment la publicité dans une catégorie de produits a influencé les achats dans d’autres catégories. Avec ces informations, l’entreprise a réaffecté des dollars de marketing pour ses différents produits B2B et B2C. Les changements entre les dépenses hors ligne et en ligne, ainsi que les investissements dans le renforcement de la marque, ont augmenté progressivement les revenus de millions de dollars.,
le système analytics 2.0 de cette société a gagné en crédibilité auprès de la direction, conduit maintenant des décisions d’allocation minute en minute et est en cours de déploiement à l’échelle mondiale. En conséquence, le retour sur investissement publicitaire de l’entreprise a presque doublé au cours des trois dernières années.
cinq étapes de la mise en œuvre
L’analytique, autrefois une fonction de recherche interne, est en train de se mêler à l’élaboration et aux opérations quotidiennes de la stratégie. Les cadres qui ont été les pionniers des premières équipes de marketing numérique il y a 10 ans avancent au bureau du CMO., Déjà câblés pour la mesure, ils sont souvent étonnés de l’immaturité analytique de l’industrie de la publicité au sens large. Ces nouveaux CMO assument une plus grande responsabilité dans les budgets technologiques et créent une culture de prise de décision fondée sur les faits dans la publicité. Le cabinet de conseil en technologie Gartner estime que d’ici cinq ans, la plupart des CMO disposeront d’un budget technologique plus important que les chefs de la technologie.
la technologie est nécessaire mais pas suffisante pour faire passer une organisation à analytics 2.0., D’après notre expérience, ces initiatives nécessitent cinq étapes, qui peuvent être mises en œuvre même par de petites entreprises:
tout d’abord, adoptez analytics 2.0 comme un effort à l’échelle de l’organisation qui doit être défendu par un sponsor exécutif de niveau C. Souvent, des poches de résistance aux nouvelles approches analytiques surgissent, car elles remettent en question les croyances étroitement entretenues sur ce qui fonctionne et ce qui ne fonctionne pas. l’adhésion au niveau supérieur est essentielle pour aider à promouvoir la clarté de la vision et l’alignement dans les premiers stades.
deuxièmement, assignez un directeur ou un gestionnaire axé sur l’analyse pour devenir la personne responsable de l’effort., Il doit être quelqu’un avec de fortes compétences analytiques et une réputation d’objectivité. Cette personne peut faire rapport au CMO ou faire partie d’une équipe interfonctionnelle entre le marketing et la finance. À mesure que le projet prend de l’ampleur, il peut aider à orienter la planification des activités et l’allocation des ressources entre les unités.
Troisièmement, armé d’une liste hiérarchisée de questions auxquelles vous cherchez à répondre, effectuez un inventaire des données dans toute l’organisation. L’Intelligence essentielle à la réussite des efforts d’analytics 2.0 est souvent enfouie dans de nombreuses fonctions au-delà du marketing, des finances au service client., Identifier et consolider ces ensembles de données disparates et créer des systèmes de collecte continue. Traitez les données comme vous le feriez propriété intellectuelle, compte tenu de sa valeur d’actif.
Quatrièmement, commencez petit avec des preuves de concept impliquant un secteur d’activité particulier, une géographie ou un groupe de produits. Construisez des modèles à portée limitée qui visent à obtenir des victoires précoces.
Cinquièmement, Testez de manière agressive et réinjectez les résultats dans le modèle., Par exemple, si votre analyse d’optimisation suggère que le transfert de certaines dépenses publicitaires de la télévision vers l’affichage en ligne stimulera les ventes, essayez une petite expérience locale et utilisez les résultats pour affiner vos calculs. Les tests sur le marché sont anciens-ce qui est nouveau, c’est d’obtenir le droit d’attribution cross-media afin que vos tests soient plus efficaces.
lorsque les entreprises ont plusieurs canaux de vente tels que la vente au détail, en ligne, les revendeurs à valeur ajoutée ou plusieurs produits et zones géographiques, analytics 2.0 peut devenir plus complexe que les équipes internes peuvent gérer., C’est à ce moment que des fournisseurs dotés de capacités d’analyse et de calcul spécifiques sont nécessaires. Mais n’importe quelle entreprise peut commencer le voyage et construire en interne une grande partie de l’infrastructure requise pour l’analyse et la culture du marketing adaptatif. Le défi est autant organisationnel que informatique. Quoi qu’il en soit, l’écriture est sur le mur: le Marketing devient rapidement une guerre de connaissances, de perspicacité et d’avantage asymétrique acquis grâce à analytics 2.0. Les entreprises qui n’adoptent pas l’analytique de nouvelle génération seront dépassées par celles qui le font.
Laisser un commentaire