Si vous lisez la presse spécialisée, vous devez savoir que la data est le nouveau graal du business. Encore faut-il que les données collectées auprès des clients et prospects soient de bonne qualité… Comment assurer une expérience client au top si vos bases sont remplies de mauvaise donnée ? Ce fléau peut avoir des conséquences financières lourdes et le combattre est maintenant devenu primordial pour les entreprises. Chez M/L, Léonard et Merlin ont mis en place leurs meilleurs formules d’automatisation pour vaincre la mauvaise donnée – aka le Mal – et améliorer la qualité des données.

Mais rien de mieux que quelques chiffres pour illustrer ce problème :

25% des données critiques des plus grandes entreprises sont erronées

45% des contacts renseignés dans les bases CRM et Marketing B2B sont obsolètes

40% des CV publiés sur Linkedin sont faux ou contiennent des informations erronées

30% des données d’une entreprise évoluent dans les 12 mois.

Sources : Nomination

Découvrez pourquoi il est important d’améliorer la qualité des données tout de suite et maintenant.

Inscrivez-vous au programme Data Quality : 11 contenus exclusifs pour comprendre le sujet et savoir comment combattre l’hydre de la mauvaise qualité de données !

Petit historique de la data quality

Avec l’introduction des CRM dans les années 1990/00, nous sommes passés du compte client au contact client. Puis les entreprises ont commencé à s’intéresser de plus en plus aux prospects.

Et que ce soit du côté de la DAF ou des commerciaux, personne ne souhaitait corriger les erreurs de données. C’est à cette époque que les premiers problèmes de data quality ont fait leur apparition.

La qualité des données devient un véritable problème quand les nouvelles technologies de marketing automation ont fait leur apparition à partir de 2010. Ces dernières ont permis d’automatiser les envois entrants et sortants, avec une exposition publique de données jusqu’ici internes : prénom, nom civilité, dénomination de société, etc. Ainsi, chaque erreur d’enregistrement peut avoir un impact direct sur l’expérience client. Aujourd’hui, l’amélioration de la qualité des données est donc une priorité pour les équipes marketing.

Il y a 30 ans, quand on avait des systèmes tournés de manière quasi exclusive autour des comptes et des contrats, il n’existait pas vraiment de sujet autour de la data quality. Il était difficile de se tromper, d’avoir des doublons de comptes, de données mal orthographiées, etc.

Qu’est-ce que la data quality ?

La data quality (ou qualité de la donnée en français), c’est à la fois :

• La mesure du niveau de pertinence des données collectées dans une base de contacts ;
• La mise en place d’actions visant à corriger et optimiser les données dans le temps.

Améliorer la qualité des données collectées permet alors d’éviter :

• L’obsolescence : 20 à 30% des contacts deviennent obsolètes après un an ;
• Les erreurs potentielles généralement liées à des saisies manuelles ;
• Les doublons souvent dûs à des problèmes de connexion intersystèmes ou d’empilement ;
• Les problèmes de qualité liés au niveau de complétion des fiches contacts.

Vous trouverez ici votre checklist Data Quality et les 5 clés importantes.

2 exemples de risques associés à la data quality

Au début des années 2000, un grand opérateur téléphonique a mis en place un CRM rassemblant des données issues de divers canaux d’acquisition. Mais dans cette base, de très nombreux contacts n’avaient pas d’adresse postale. Pour pallier ce manque, l’entreprise a décidé d’inscrire sa propre adresse en attendant de mettre à jour son fichier. Mais le jour où l’équipe marketing a décidé d’envoyer à tous ses clients une belle brochure par courrier, les choses se sont corsées. Une semaine plus tard, l’opérateur s’est retrouvé avec une livraison de 4 tonnes de brochures directement à son siège !

Deuxième risque : l’effet de mode. En 1998, avec la coupe du monde de foot, les bases clients étaient remplies de Zinédine Zidane dans les contacts. Avec la personnalisation, on s’est vite retrouvé avec des masses de “Bonjour Zinédine” ou “Bonjour monsieur Zidane” dans les emails. Et bien évidemment, aucun contact ne portait réellement ce nom.

Vous comprenez maintenant que la data quality peut avoir de réelles conséquences !

Qui s’occupe d’améliorer la qualité des données ?

La mauvaise qualité des données pose d’importants problèmes dans l’expérience client. Les équipes doivent donc trouver des solutions pour optimiser cette data quality. Mais ce n’est pas aux commerciaux de s’emparer du problème. En effet, un commercial coûte cher et son temps est précieux. Il doit donc rester focalisé sur la finalisation du parcours client et la signature des contrats.

Aujourd’hui les premiers garants de la qualité des données sont les équipes marketing qui sont à la base :

• Du ciblage des prospects et clients ;
• De la segmentation des contacts ;
• De la mise en place de campagnes intelligentes.

C’est donc aux équipes marketing de vérifier la data quality en tout début de chaîne, dès l’entrée dans le funnel !

Vous souhaitez améliorer la qualité des données pour préserver la relation client ? Merlin/Leonard peut vous accompagner dans votre démarche de combat contre le Mal.

Je vous invite à comprendre tout d’abord les grandes solutions de Data Quality.

Pour discuter de votre chantier data quality, bookez dès maintenant votre rdv gratuit pour une discussion de 30 minutes avec notre expert.