Chronique du livre Data Marketing de Magali Trelohan

Courant décembre, j’ai vu un post sur Linkedin dans lequel des personnes indiquaient les livres “professionnels” qu’ils avaient lus et appréciés durant l’année. Et dans cette chaîne de posts partagés, j’ai vu apparaître le livre “Data Marketing – Statistiques appliquées au marketing avec Excel et R” de Magali Trelohan.

J’ai eu très envie de le lire parce que je ne connaissais rien au marketing, pas grand chose aux statistiques appliquées au marketing, et qu’étudier des comportements d’achat, ou comprendre comment sont établies, à partir de données, les stratégies marketing auxquelles je suis exposée, en tant que consommatrice, me semblaient vraiment très intéressant. Et puis, argument non-négligeable, le livre est en Français ! Ça faisait donc pas mal de raisons de vouloir lire ce livre.

Pour être transparente, les éditions ENI (qui éditent le livre 😉 ) ont très gentiment mis à ma disposition une version électronique de cet ouvrage. Néanmoins, je n’avais aucune obligation particulière, et cette chronique est seulement l’expression de mon ressenti !

J’avais commencé à lire ce livre en décembre, et puis je me suis laissée débordée par le travail et autre…, et je l’avais mis de coté. Mais je l’avais toujours dans un coin de ma tête, alors la semaine dernière, j’ai décidé de consacrer une après midi entière à sa lecture. Je l’ai lu d’une traite, et sincèrement, je l’ai vraiment apprécié, et j’ai appris pas mal de choses.

Qui est l'auteur, Magali Trelohan

Magali Trelohan a un parcours académique, elle est enseignante de marketing, management commercial et de statistiques à l’Ecole Supérieure de Commerce de Troyes. Elle a également soutenu une thèse en sciences de gestion (marketing) à l’Université de Bretagne Sud.

Quel est le contenu du livre Data Marketing ?

Le livre s’articule selon les sept chapitres suivants:

Le contenu correspond donc bien aux promesses du titre “Data Marketing – Statistiques appliquées au marketing avec Excel et R”.Si vous voulez connaître la table des matières plus en détail, vous pouvez la télécharger ici.Le premier chapitre est relativement dense. Il s’agit d’une introduction générale au data marketing, qui permet une mise à niveau des concepts de base.Ce premier chapitre débute par une description de l’arrivée des data dans les entreprises avec l’exemple très parlant de la distribution, et le développement en parallèle des études de marché. J’ai par exemple était très étonnée d’apprendre que les techniques d’eye-tracking datent de 1920 !Un grand nombre de termes ou concepts liés aux data, et aux acteurs du data marketing, sont ensuite introduits et définis, comme le data mining, le big data, le smart data, l’open data, l’intelligence artificielle, le chief data officer, le data analyst, le data scientist, le data protection officer et le data marketer.Enfin, les notions de data marketing sont abordées. Tout d’abord avec la contextualisation du rôle des données, par exemple pour analyser la demande des consommateurs, analyser la concurrence, mettre en place des stratégies (segmentation et ciblage) ou encore optimiser des actions marketing en termes de produits, ou de prix). Puis avec la description d’un processus itératif entre la stratégie générale, la stratégie marketing et la stratégie data, au sein duquel les données permettent de contrôler de l’efficacité d’un plan marketing, mais également de l’améliorer. Les objectifs dits SMART (pour Spécifique, Mesurable, Acceptable, Réaliste et Temporairement défini) sont ensuite exposés, ainsi que les différents type d’études marketing (entretiens, échanges spontanés entre consommateurs,mesures comportementales etc..)Au final, le premier chapitre pose toutes les bases pour que, quelles que soient les connaissances initiales du lecteur, celui-ci puisse aborder la suite sans difficultés et sans avoir à faire des recherches à côté.Le second chapitre, dédié aux outils du data marketing, contient des éléments pratico-pratiques, avec des copies écran, pour utiliser Excel et prendre en main R (installation de R et R Studio, importation de données, script etc…). On retrouve aussi une introduction aux outils de gestion des Big Data comme Hadoop et Map Reduce.Le chapitre suivant est pleinement consacré aux données. Il débute par une description des type de données (structurées – le montant du panier par exemple, et non structurées – comme les avis spontanés laissés sur les réseaux sociaux), des différentes sources d’informations (interne : provenant du fichier client par exemple, et externes provenant d’open data, de panel, ou de processus de tracking). J’ai également beaucoup apprécié les informations sur les types de stockage des données (data management plateform, data lakes). Ce troisième chapitre contient également des conseils là encore très pratico-pratiques pour constituer un fichier de données propres, qui pourra ensuite être analysé facilement (une variable par colonne, suppression des doublons, gestion des valeurs manquantes et des outliers, etc…).Su ce dernier point, je vous recommande aussi la lecture de  mon article “12 conseils pour organiser efficacement vos données dans un tableur“.

Le quatrième chapitre concerne l’analyse des données. J’ai particulièrement apprécié les éléments concernant le choix des KPI (Key Performance Indicator) qui sont les variables analysées pour évaluer les actions marketing qui seront entreprises. La suite du chapitre contient à la fois des notions théoriques concernant les analyses univariées (paramètres de tendance centrale, de dispersion, les intervalles de confiance ) et bivariées (test du Khi2, corrélation de Pearson et de Spearmancomparaisons de moyennes), et des éléments pratiques de mise en application sous Excel et R. Les notions sont introduites simplement et avec beaucoup de pédagogie.

Le chapitre suivant “Que peut il se passer dans le futur ? Le marketing prédictif” m’a particulièrement intéressé, car il contient un exemple concret de segmentation de clients, sur un jeu de données en open access. J’ai vraiment apprécié de voir tout le déroulé du processus. Notamment comment peut être employée une ACP, et l’étude de la contribution des variables aux axes, puis le clustering hiérarchique à partir des axes de l’ACP. Dans ce même chapitre, j’ai également apprécié le sous chapitre relatif au scoring avec la présentation des différents types de scores : score de risque (de ne pas rembourser un prêt par exemple), d’appétence (d’ouvrir un mail par exemple) et d’attrition (de se désabonner d’une mailing liste par exemple), et la mise en application concrète avec R, en utilisant une régression logistique.

A la suite du marketing prédictif, Magali Trelohan introduit les concepts du marketing prescriptif. Ce domaine concerne la réalisation de tests, sur les clients (ou prospects), pour déterminer, par exemple, le packaging qui entraînera le plus de vente, ou l’es recettes les plus appréciées l’effet sur les ventes de la longueur d’un linéaire dans un supermarché.

Dans ce chapitre, sont également introduits les différents types d’expérimentation (laboratoire / conditions réelles), ainsi que des notions très importantes en analyse de données, comme les variables de confusion, les possibles biais ou encore les différents types plans expérimentaux, comme les plans factoriels, ou les plans en carrés latin.
Des éléments de statistiques concernant l’analyse des résultats sont aussi fournis. Au départ, j’ai été un peu étonnée de voir apparaître dans le contexte du marketing, les mêmes concepts, problématiques ou outils, que ceux employés dans le domaine des expérimentations biologiques ou médicales, mais après réflexion ça semble effectivement très sensé !

Le dernier grand chapitre s’intéresse à la communication des résultats. On y retrouve des conseils pour visualiser efficacement les données et comment réaliser des graphs avec Excel. Des tableaux de bord sont également présentés avec une référence avec l’outil PowerBI qui permet de connecter Excel et R. Dans ce dernier chapitre, Magali Trelohan, donne également des conseils de storytelling (l’art de raconter des histoire) pour présenter les résultats de façon convaincante.

La forme : une volonté pédagogique manifeste

Les notions et concepts qui sont exposés dans ce livre sont explicités simplement, avec beaucoup de pédagogie et à l’aide d’exemples concrets qui parlent à tous.

Cette volonté pédagogique est présente tout au long des chapitres, quel que soit le sujet : les data, le marketing, ou le traitement statistique des données. Cette démarche est très appréciable, car cela rend la lecture du livre, facile et agréable. On a le sentiment d’être pris par la main, on suit un chemin sans difficulté, et au final, quand on referme le livre, on a vraiment la sensation d’avoir appris de nouvelles choses.

Pour celles et ceux qui sont moins à l’aise avec les analyses statistiques, celles-ci sont expliquées en pas à pas avec Excel (pour les analyses descriptives), puis avec R lorsqu’elles sont plus poussées, à l’aide de nombreuses copies d’écran.

J’ai également beaucoup apprécié les conseils “métiers” proposés par Magali Trelohan. Par exemple d’impliquer l’ensemble des collaborateurs d’un projet dans le choix et la définition des KPI (Key Performance Indicator, autrement dit les variables sur lesquelles sera basée l’évaluation du plan marketing), afin que les visions stratégiques et opérationnelles puissent être prises en compte, et que tous les acteurs se sentent concernés.

Conclusion

Si vous vous intéressez, même de loin, à l’analyse de données dans le domaine du marketing, et que vous rechercher à acquérir les notions de base, je pense que ce livre “Data Marketing – Statistiques appliquées au marketing avec Excel et R” est réellement une bonne option. Après l’avoir lu, vous n’allez pas subitement devenir le big boss du marketing ou de l’analyse des données de marketing, mais vous serez capable d’en comprendre les enjeux, le vocabulaire, et les méthodes statistiques employées. C’est pour cela que je pense que c’est un bon livre d’initiation.

Pour ma part, j’aimerais bien que ce livre soit suivi d’un autre, avec des études de cas appartenant à différents domaines (par exemple, le tourisme, le marketing digital, les cosmétiques, l’agro-alimentaire),  avec le traitement statistique en pas à pas, et les recommandations métiers qui en découlent !

Pour aller plus loin

Si vous vous intéressez à l’envers du décor des algorithmes de scoring, et même s’il est nettement moins facile à lire (c’est plutôt un essai),  je vous conseille le livre de Cathy O’Neil “Algorithmes : la bombe à retardement” , algorithmes qu’elle qualifie d’Armes de Destruction Mathématiques !

prédiction marketing

 

 

Vous trouverez une chronique ( à lire) de ce livre ici , et une autre (à regarder), .

Et vous,  quel livre en rapport avec les statistiques, ou plus largement avec la data-science avez vous lu récemment, et vous a particulièrement intéressé ?

Si cet article vous a plu, ou vous a été utile, et si vous le souhaitez, vous pouvez soutenir ce blog en faisant un don sur sa page Tipeee 🙏

4 réponses

  1. Cet ouvrage est certainement intéressant mais il est difficile valoriser les compétences Excel et R. Désormais les profils recherchés sont les technologies avancées du traitement de données Big Data : Hadoop, Spark, Hive. Avec Excel on ne trouve que des postes de stagiaires, quant à R il est encore supplanté par SAS qui est maîtrisé par les équipes en place.

  2. Bonjour Madame. Le livre est-il aussi vendu en format numerique ? Si oui, pourrait-on avoir le lien ? Mercii et très bel article

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bonjour !

vous venez souvent ?

Identifiez-vous pour avoir accès à toutes les fontionnalités !

Aide mémoire off'R ;)

Enregistrez vous pour recevoir gratuitement mes fiches “aide mémoire” (ou cheat sheets) qui vous permettront de réaliser facilement les principales analyses biostatistiques avec le logiciel R et pour être informés des mises à jour du site.