Un leader international de la mode augmente ses revenus en misant sur la qualité des données

Les batches de données sur les flux de clics arrivaient trop tard pour être utiles

Qu'ils soient en quête du trench emblématique de la marque anglaise ou d'un autre article luxueux, les consommateurs du monde entier se pressent dans les boutiques Burberry pour vivre une expérience personnalisée. Et beaucoup d'entre eux commencent par parcourir le catalogue en ligne de la marque, une pratique baptisée « webrooming ». Burberry analyse le comportement en ligne de ses utilisateurs pour déterminer comment améliorer le service et accroître les ventes. Pendant des années, l'entreprise a extrait les données de flux de clics d'un data warehouse basé dans le cloud, mais elle avait besoin de mieux contrôler la livraison des données.

« Avec notre data warehouse, nous recevions les données de la veille entre 14 h et 19 h GMT », se souvient Benjamin Stephens, directeur de l'analytique décisionnelle chez Burberry. « Dans de nombreuses entreprises, c'est un délai de livraison tout à fait acceptable. Mais chez Burberry, nous cherchons sans cesse à exploiter nos données web dans les meilleurs délais pour les transmettre aux conseillers clientèle de nos boutiques du monde entier. Cette vitesse est indispensable pour offrir le niveau de service qui fait la réputation de Burberry. »

Burberry avait également besoin d'une meilleure visibilité sur ses données. Le data warehouse de l'entreprise préagrégeait et nettoyait automatiquement les données, ce qui nuisait à la fiabilité des informations sur les visites des clients. L'entreprise devait également valider régulièrement ses données web pour garantir leur utilité.

« Plus nous plongions dans nos données, et moins nous avions confiance dans nos conclusions, » déclare B. Stephens. « Des questions simples, comme “Que s'est-il passé sur le site hier ?”, restaient sans réponse. Bien souvent, nous n'avions que deux options : prendre une décision soit rapide, soit pertinente. »

Des données de meilleure qualité et livrées plus vite alimentant des modèles de machine learning au service d'une expérience next gen

Pour relever ces défis, Burberry a choisi la Data Intelligence Platform de Databricks et la Behavioral Data Platform (BDP) de Snowplow, dédiée aux données comportementales. Grâce à ces solutions, Burberry offre à ses clients une expérience de nouvelle génération reposant sur des données fiables et de grande qualité. Les données des flux de clics de Burberry.com sont directement transmises à la plateforme BDP de Snowplow pour produire en temps réel des vues clients à 360° prêtes pour l'IA en exploitant tous les points de contact digitaux. Ensuite, les données sont envoyées à la Data Intelligence Platform de Databricks où résident 40 modèles personnalisés chargés de différentes tâches : recommandation de produits, score de propension, valeur vie client, etc. Ces modèles recalculent instantanément les données avant de les envoyer au système d'action de l'entreprise.

« La performance d'un programme d'expérience next gen dépend entièrement de la vitesse et de la précision des données que vous pouvez en tirer, » explique B. Stephens. « Avec la Data Intelligence Platform de Databricks et la plateforme BDP de Snowplow, nous nous sommes affranchis des batches de données quotidiens et avons créé une vue en temps réel de l'activité digitale de nos clients. Nos modèles personnalisés sont automatiquement mis à jour par de nouvelles données comportementales. Tout au long de ce processus, Snowplow nous aide à préserver la confidentialité des données en nous accordant un contrôle total sur la quantité d'informations collectées auprès des clients et en nous aidant à suivre le consentement des utilisateurs. »

Burberry bénéficie également d'une estimation plus précise du ROI de ses opérations marketing grâce à une approche plus fine de l'attribution. L'entreprise a utilisé Snowplow pour affiner les définitions métier de toutes ses activités et taxonomies marketing. Grâce au plug-in dbt pour Databricks, Burberry a extrait des informations supplémentaires de ses sources de référence, des bannières de consentement et des cookies côté clientèle. L'entreprise s'est ainsi dotée d'une base marketing riche, sur laquelle elle exerce un contrôle total et qui utilise un modèle d'attribution simple pour évaluer les performances des activités en quasi-temps réel.

« Grâce aux données comportementales de Snowplow, nous avons créé une vue de l'attribution du dernier clic qui incorpore une partie des nombreuses variables de nos travaux, » ajoute B. Stephens. « Nous créons des modèles d'attribution bien plus fins qui nous aident à prendre de meilleures décisions pour optimiser nos dépenses marketing à l'avenir. »

Une expérience next gen basée sur une personnalisation puissante

En mettant en place Databricks et Snowplow, Burberry a éliminé de nombreux obstacles qui freinaient depuis longtemps les initiatives de personnalisation. Auparavant, l'entreprise devait composer avec la politique du navigateur Safari qui limite la durée de vie des cookies à sept jours. Les cookies côté serveur de Snowplow, valides pendant 12 mois, ont résolu ce problème. Autre avantage, ces cookies côté serveur respectent bien mieux que les cookies tiers les lois sur le respect de la vie privée et le Règlement général sur la protection des données (RGPD), des priorités pour Burberry.

« En passant d'une semaine à un an pour nos cookies anonymes, nous avons fait un bond considérable, » explique B. Stephens. « Quand nous pouvons suivre un utilisateur pendant un an, la probabilité qu'il finisse par s'identifier à un moment ou un autre en cliquant sur un e-mail augmente considérablement. Cela nous permet de relier tout un historique à un client réel pour lui offrir immédiatement un service personnalisé. »

Les initiatives de Burberry visant à offrir un meilleur service aux clients amateurs de webrooming se sont aussi avérées payantes. Le parcours de webrooming classique s'étend en moyenne de deux à six heures, entre le moment où un client Burberry commence à naviguer sur le site et celui où il arrive dans la boutique. Avec Databricks et Snowplow, Burberry envoie à ses conseillers clientèle toutes les informations utiles pour leur permettre d'offrir un service éclairé grâce au comportement en ligne des clients consentants.

« Nos conseillers clientèle n'ont qu'à sortir leur iPad ou leur iPhone pour savoir instantanément ce que recherche un client et quel produit lui recommander, » souligne B. Stephens. « C'est indispensable pour conclure des ventes. Si nous manquons cette opportunité, il faut parfois attendre une semaine ou deux avant que le client revienne. Nous n'aurions aucune chance de mettre en œuvre ce type de scénario si les données de flux de clics nous parvenaient encore par batches quotidiens. »

Grâce à la synergie de Databricks et Snowplow, Burberry consomme les données de flux de clics au rythme qui lui est le plus utile, sans dépendre des plannings de son fournisseur de données. « Nous travaillons actuellement à réduire la latence des données à cinq minutes, ce qui représente une avancée considérable pour une entreprise comme la nôtre, » conclut B. Stephens. « Snowplow nous a permis de remplacer plusieurs sources de données et leurs transformations associées par un seul jeu de définitions. Et nous utilisons Databricks pour combiner les comportements de différentes sources à des cadences variables. Pour Burberry, c'est le début d'une nouvelle ère en matière de service client. »