Les données non structurées représentent 80 % des données créées par une entreprise. Elles recèlent une masse d’informations précieuses sur les consommateurs et les marchés. Pourtant, elles restent sous-exploitées. L’intelligence artificielle y remédie. Mais une réorganisation du service marketing pourrait être nécessaire.
Les données non structurées : une mine d’informations pour le marketing
Notre activité digitale produit énormément de données non structurées. Envoyer des SMS ou des mails, donner des avis, créer des fichiers images, vidéos, multimédias, poster des contenus sur les réseaux sociaux, téléphoner, etc. en engendre des quantités. Ces types de données se révèlent très utiles au marketing. Elles offrent des insights de première importance sur les consommateurs et le marché, par exemple :
- Fichiers vidéo, image, multimédia : ils comptent parmi les formats les plus performants en publicité, en marketing de contenu, et les plus appréciés des consommateurs. Le lancement d’une campagne publicitaire et l’interprétation de ses résultats passent par l’analyse de leurs données.
- Social listening : l’exploitation des données non structurées des réseaux sociaux permet de mesurer la notoriété d’une marque et d’étudier la satisfaction client. La veille sur les réseaux sociaux est aussi nécessaire pour l’e-réputation, la comparaison avec la concurrence et l’anticipation des tendances.
- Mobile : canal d’interaction privilégié des consommateurs, il permet l’envoi de SMS et de publicités ciblées, d’organiser des campagnes de géomarketing, d’interagir via des applis performantes.
- Echanges téléphoniques : leur traitement augmente la connaissance client, améliore la relation client, le recueil des besoins, etc.
Qui plus est, les données non structurées possèdent de nombreux avantages : leur volume est considérable, leur production rapide, et leur stockage est flexible, facile et économique.
Cependant, leur recueil et leur analyse sont difficiles, longs et coûteux. Dispersées sur de multiples canaux et points de contact, les centraliser et les managers représentent un obstacle. Leur mise en valeur exige la maîtrise de technologies de pointe et des compétences avancées en analyse des données de masse ou en codage (NoSQL).
C’est pourquoi, elles restent sous-exploitées. Mais la diffusion rapide de l’intelligence artificielle change les choses.
L’intelligence artificielle facilite l’exploitation des données non structurées
L’intelligence artificielle lève bien des obstacles à la mise en valeur des données non structurées. Car l’un de ses apports majeurs, c’est le traitement rapide de masses de données. De fait, elle devient une technologie centrale pour le marketing data driven et les logiciels marketing.
Scott Brinker et Frans Riemersma étudient depuis plusieurs années les évolutions de l’Adtech et la Martech. Dans leur dernière étude Beyond AI assistants : how AI is being more deeply embedded in marketing and martech stacks, ils soulignent la croissance de l’utilisation des IA dans les services marketing.
La majorité des répondants à leur questionnaire (65,6 %) affirment employer l’IA pour les données non structurées. Ils y recourent pour les emails, l’enregistrement et la transcription des appels téléphoniques et des conversations de chatbots.
Ils observent aussi une tendance émergente : la récupération de contenus (scraping) sur les sites web afin de recueillir des informations sur le comportement des clients et des prospects. Ce moyen pourrait représenter une alternative aux données tierces partie.
Dans un article sur les données non structurées, IBM recoupe les analyses de cette étude. Les auteurs donnent plusieurs cas d’usage où l’IA aide à tirer parti des données non structurées : l’analyse des sentiments, l’analyse des textes de chabots et l’analyse prédictive.
L’analyse de données non structurées est un atout pur connaître ses clients, illustration : Fauxels/Pexels
Quelques outils et technologies de traitement des données non structurées
Le traitement des données non structurées nécessite plusieurs types d’intelligence artificielle. L’analyse du langage naturel (NLP), l’apprentissage automatique (machine learning), la vision par ordinateur (computer vision) ou encore l’apprentissage profond (deep learning) en font partie.
On retrouve ces différents types d’IA dans de nombreux logiciels qui analysent les données non structurées.l
- Analyse des textes : IA génératives, BuildBetter ;
- Traitement des données : Rivery ;
- Analyse des images, des vidéos, des audios : SonicInsights, AudioAnalyzer ;
- Classification des données : Cyera.
En outre, les éditeurs de SaaS ont perçu le potentiel des IA pour valoriser les données non structurées. Ils ont voulu aussi anticiper une concurrence des fabricants d’IA. Ils les ont donc rapidement intégrées dans leurs outils, par exemple :
- CRM : SalesForce ;
- Social listening : Talkwalker, Brandwatch ;
- Analyse des textes et verbatim : Qualtrics XM, Association for Information Systems (AIS) ;
- SAV et Centre d’appels : Medallia, Speech Analytics (Orange Business).
Enfin, les agents d’IA récemment apparus exploitent les données non structurées. Autonomes, communiquant avec les éléments du système d’information, ils proposent de nombreuses fonctionnalités intéressantes pour le marketing. Scott Brinker et Riemersma proposent un classement selon leurs utilisateurs
- Agents pour le marketing : contenus, recherche, automatisation des processus ;
- Agents pour les clients : ils améliorent l’expérience client : SAV, fidélisation, relation clients ;
- Agents des clients : ils effectuent des achats, des recherches, des évaluations pour les consommateurs. C’est une rupture : pour la première fois un outil utilisé par le consommateur échappe au contrôle des marques.
Quels changements organisationnels pour le service marketing ?
Mais adopter ces nouvelles technologies et ces nouveaux outils suppose des changements dans l’organisation du service marketing
Il faut en effet passer d’une organisation fondée sur les données structurées à une organisation fondée sur les données non structurées. Le directeur marketing doit trouver aussi une solution qui combine les données structurées et non structurées
Enfin, il doit réorganiser son service en fonction des IA, des agents d’IA et des flux agentiques. Et peut-être faudra-t-il qu’il recrute des collaborateurs compétents sur ces questions.
Et vous, comment tirez-vous parti des données non structurées pour vos campagnes marketing ?
Résumé en 5 idées
- Les données non structurées ne possèdent pas de format prédéfini. Les données structurées au contraire ont des format stricts et fixes, comme un numéro de téléphone ou un code-barre.
- Les intelligences artificielles permettent d’exploiter et de valoriser ces données. Auparavant, ces opérations étaient coûteuses et longues.
- De nombreux outils, des SaaS et des agents d’IA existent déjà pour tirer de ces données des informations sur les consommateurs et les marchés.
- Leur apparition pourrait entraîner des ruptures : alternative aux données tierce partie, agents IA destinés aux consommateurs et qui échappent aux marques.
- Afin d’exploiter efficacement les données non structurées, de nouveaux outils sont nécessaires, ce qui implique de revoir l’organisation du service marketing.