Accéder au contenu
Analyse de données

L'atout stratégique du marketeur moderne : les « data clean rooms » alimentées par l'IA

28 janvier 2025
Surya Kunju

Marketing Transformation & Retail Media Lead, Google Cloud

Toutes les entreprises, quel que soit leur secteur, cherchent à obtenir toujours plus de données pour mieux comprendre leurs clients et stimuler leurs ventes. Prenons l'exemple d'une marque de produits de consommation courante qui vend principalement via un distributeur. Elle pourrait obtenir des informations précieuses sur ses clients en analysant les actifs de valeur (HVAs) et les actions clés que ces derniers communiquent ou effectuent sur le site du distributeur avant d’effectuer un achat. Sauf que les distributeurs se montrent généralement très réticents à partager ces données clients sensibles, ce qui complique la collaboration, combien même un tel partage a commercialement du sens.

Les conseils d'administration, PDG et directeurs financiers se tournent vers les directeurs marketing (et leurs équipes) pour obtenir des réponses. Ce qui nous amène directement à la question clé : « Qu’est-ce que les marketeurs modernes recherchent vraiment dans les données ? » :

  • Obtenir des insights précis : analyser en toute sécurité des données de sources variées sans compromettre la confidentialité ;
  • Exploiter ces insights pour des décisions plus éclairées : utiliser des outils d'IA puissants afin de détecter des tendances et des opportunités cachées ;
  • Booster la performance de l'entreprise : stimuler la croissance grâce à un marketing ciblé et des expériences client personnalisées.

La solution commune à ces trois enjeux tient en un concept : la « data clean room ». Cet environnement sécurisé et conforme aux règles de confidentialité permet aux marketeurs modernes de déverrouiller des informations précieuses grâce à l'analyse collaborative des données émanant de différents secteurs, favorisant ainsi la prise de décisions stratégiques et la croissance des entreprises.

Google BigQuery Data Clean Room : la solution sécurisée

Lancées en 2023, les « BigQuery Data Clean Rooms » offrent un environnement sécurisé pour partager, collaborer et analyser des données sensibles, tout en profitant des avantages de l'écosystème BigQuery.

https://storage.googleapis.com/gweb-cloudblog-publish/images/1_SuryaBlog.max-1700x1700.png

Pour rappel, une « Data Clean Room » (ou DCR) est un environnement sécurisé et isolé où plusieurs entreprises peuvent partager et analyser des données de manière anonyme et sécurisée. C’est un espace de travail virtuel où les données de différentes entreprises sont combinées et analysées sans révéler d’informations personnellement identifiables. Les données sont anonymisées et les accès sont strictement contrôlés pour garantir la confidentialité et la sécurité.

Fonctionnement et architecture

BigQuery data clean rooms est une application spécialisée d'Analytics Hub, la plateforme intégrée à BigQuery pour le partage et l'échange sécurisé de données. Analytics Hub permet aux organisations de créer un écosystème où les jeux de données sont partagés sur place, donnant ainsi aux fournisseurs le contrôle et la visibilité sur l'utilisation de leurs données.

En s'appuyant sur Analytics Hub et l'architecture serverless de BigQuery, nos data clean rooms créent un environnement sécurisé pour la collaboration multipartite. Les données restent à leur emplacement d'origine, permettant aux participants d'exécuter des requêtes et de partager des résultats agrégés, tout en garantissant la confidentialité des données.

Focus sur l’architecture sous-jacente

Socle de la solution, BigQuery sert de plateforme de données où contributeurs et abonnés stockent leurs jeux d’information. Pour rappel, Google Cloud BigQuery est un entrepôt de données serverless entièrement managé, capable de monter en charge facilement et qui permet de réaliser des analyses sur de grosses volumétries à moindre coût. La solution se démarque par son architecture découplée, séparant calcul et stockage, qui permet une mise à l'échelle indépendante pour une performance et une efficacité économique optimales.

Big Query tire parti du concept de jeux de données partagés de l'Analytics Hub, afin d’offrir au propriétaire de la « salle blanche » (la Clean Room) d’apporter son jeu de données en spécifiant ses règles spécifiques d’utilisation et d'analyse.

Pour une compréhension détaillée de l'architecture, consultez la documentation Google Cloud.

Cas d’usage par secteur

Les data clean rooms transforment les activités des entreprises dans tous les secteurs. Voici quelques exemples de cas d'usage :

Cas d'usage 1 : mesurer l'acquisition de nouveaux clients via la publicité digitale

Une entreprise lance une campagne publicitaire digitale sur diverses plateformes pour attirer de nouveaux clients ou susciter le réengagement de clients inactifs. À la fin de la campagne, les données des plateformes publicitaires (impressions, clics, etc.) sont intégrées dans une data clean room.

https://storage.googleapis.com/gweb-cloudblog-publish/images/2_SuryaBlog.max-1000x1000.png

Au sein de cet environnement sécurisé, l'entreprise peut combiner les données de la campagne publicitaire avec ses propres données clients internes. Cela permet de lier les interactions publicitaires (comme les clics) aux conversions réelles des clients. La clean room garantit que les informations sensibles des clients restent confidentielles et ne sont utilisées que pour des analyses agrégées (autrement dit des analyses globales). L'entreprise peut ainsi obtenir des indicateurs clés, comme le nombre de nouveaux clients acquis grâce à la campagne, le coût par acquisition et le retour global sur les dépenses publicitaires. Ces insights aident à évaluer le succès de la campagne et à prendre des décisions éclairées pour les futures stratégies publicitaires.

Cas d'usage 2 : Collaboration entre distributeurs et marques de grande consommation

Lorsque les réseaux des distributeurs travaillent avec leurs partenaires de l'industrie des produits de grande consommation (PGC), les BigQuery data clean rooms peuvent fournir de nouvelles informations précieuses. Grâce à cette collaboration, une entreprise de PGC peut évaluer l'efficacité de ses campagnes publicitaires sur la plateforme du distributeur, notamment auprès des audiences communes aux deux entreprises. Cela permet à l'entreprise de PGC de mieux comprendre l'impact de ses campagnes et de prendre des décisions plus éclairées pour optimiser ses stratégies marketing.

https://storage.googleapis.com/gweb-cloudblog-publish/images/3_SuryaBlog.max-1200x1200.png
  • Données PGC : l'entreprise PGC fournit des données sur son audience existante (1p).
  • Données du distributeur : le distributeur possède des données indiquant quels clients ont effectué des achats.
  • Data clean room : Un environnement sécurisé et respectueux de la vie privée, la data clean room, permet à l'entreprise PGC et au distributeur de faire correspondre les « hash » des identifiants des clients. Cela leur permet de déterminer si les clients ciblés ont fini par acheter les produits mis en avant par la campagne publicitaire.

Les acteurs PGC peuvent évaluer l'efficacité de leurs publicités et améliorer leurs campagnes. Parallèlement, le distributeur peut démontrer la valeur de sa plateforme publicitaire à ses partenaires PGC.

Cas d'usage 3 : collaboration entre distributeur et éditeur

Un distributeur peut collaborer avec un éditeur, tel un service de streaming. Le distributeur apporte ses données de fidélité et ses données mobiles, tandis que le service de streaming contribue avec ses données d'engagement. La data clean room agit comme un environnement neutre et sécurisé où ces jeux de données peuvent être combinés et analysés sans qu'aucune partie n'accède directement aux données brutes de l'autre.

https://storage.googleapis.com/gweb-cloudblog-publish/images/4_SuryaBlog.max-1100x1100.png

Le distributeur peut comprendre les habitudes de visionnage (consommation des contenus streamés) des membres de son programme de fidélité et repérer de nouveaux clients potentiels. De son côté, le service de streaming peut mieux cerner les comportements d'achat des abonnés et personnaliser ses recommandations. Les deux tirent profit de l'analyse conjointe des données, obtenant ainsi des informations sur la concurrence tout en identifiant les tendances du marché et les comportements des clients sur les différentes plateformes.

Cas d'utilisation 4 : collaboration entre distributeur et fabricant

Un distributeur peut collaborer avec un fabricant dans une data clean room en partageant ses données de ventes et de stocks, tandis que le fabricant partage ses données de produit.

https://storage.googleapis.com/gweb-cloudblog-publish/images/5_SuryaBlog.max-1100x1100.png

L'analyse de leurs données combinées leur permet de dégager des tendances et de formuler des recommandations concrètes. Elle peut aussi favoriser une optimisation des gammes de produits ainsi que la mise en place d’une tarification stratégique et de campagnes marketing ciblées.

Au-delà du marketing : collaborer de manière sécurisée en interne

Les atouts des Data Clean Rooms ne se limitent pas au seul domaine du marketing : elles peuvent aussi être très utiles pour mettre en place des collaborations en interne, permettant ainsi aux équipes d’une organisation de partager et exploiter des données sensibles tout en respectant des normes strictes de confidentialité. En anonymisant ou pseudonymisant des informations, les équipes peuvent collaborer efficacement sans compromettre la vie privée des individus.

Quelques cas d’usage :

Analyses RH : les services RH peuvent s'associer aux équipes de data science pour analyser les données des employés, identifier les tendances en matière de performance et de turnover, et développer des modèles prédictifs pour retenir les talents. Les data clean rooms garantissent la protection des informations sensibles des employés tout au long du processus d'analyse.

Engagement des employés : les équipes chargées de la communication en interne peuvent analyser les sentiments des employés via des enquêtes et des données provenant de médias sociaux tout en préservant l'anonymat. Cela permet aux organisations de comprendre les points de vue des employés et d'identifier les axes d'amélioration sans compromettre la vie privée individuelle.

Les data clean rooms facilitent une collaboration interne sécurisée entre divers services et donc la prise de décision basée sur les données tout en protégeant les informations sensibles. Dès lors, elles contribuent à la mise en œuvre d’une culture de confiance et de conformité, permettant aux organisations d'exploiter pleinement le potentiel de leurs données sans compromettre la confidentialité.

En résumé, quelles sont les stratégies efficaces pour les marketeurs modernes ?

Les Data Clean Rooms permettent aux entreprises de :

  • Détecter de nouvelles tendances : l’analyse permet d’obtenir des informations d’exploitation à partir des données tout en préservant la confidentialité et la sécurité ;
  • Stimuler l'innovation : en prenant des décisions basées sur les données pour améliorer l'expérience client et stimuler la croissance ;
  • Favoriser la collaboration : en brisant les silos et permettant un partage sécurisé des données.

Pour les marketeurs modernes, les Data Clean Rooms alimentées par l'IA constituent un avantage stratégique. En identifiant les cas d’usage, en établissant des accords de partage de données, en utilisant des outils d'IA et en surveillant les résultats, ils peuvent exploiter la puissance des données pour faire avancer leur entreprise. Découvrez plus de détails sur le fonctionnement des  BigQuery data clean rooms work et explorez leur architecture. Vous pouvez commencer dès aujourd'hui à explorer leur potentiel en profitant de l’offre d’essai gratuite de BigQuery.

Publié dans