La croissance axée sur les produits (PLG, pour Product-led growth) change la donne pour les RevOps. Cela vous permet de maximiser l'impact de vos outils opérationnels et d'obtenir de meilleurs résultats, en utilisant les data que vous générez déjà.
Mais la mise en place d'une stratégie PLG appropriée n'est pas sans poser de problèmes.
Heureusement, Henry Mizel, Vice-président des revenus chez Apollo, Cyril Marques, fondateur et PDG de Montreal Analytics, et Sylvain Giuliani, responsable de la croissance et des opérations chez Census (une société Fivetran), nous ont fait part de quelques-uns de leurs conseils lors de notre récent webinaire intitulé Driving Product-Led Growth with your RevOps data stack (Stimuler la croissance axée sur les produits grâce à votre pile data RevOps).
Ensemble, ils nous ont présenté leurs connaissances et des exemples sur la manière de créer une pile data permettant aux entreprises PLG d'exploiter les data qui ont un impact direct sur leurs objectifs de chiffre d'affaires.
Les data produit vous permettent d'atteindre les clients au bon moment
Dans le domaine des RevOps, il est essentiel d'avoir une vue complète à 360° de l'utilisation des produits. En enrichissant vos comptes clients avec le contexte issu de toutes vos data client internes, votre équipe commerciale peut hiérarchiser les comptes pertinents, tandis que votre équipe chargée de la réussite client prévient la perte de clientèle et stimule les ventes incitatives.
En s’appuyant sur l'utilisation réelle du produit par le client, vos équipes peuvent avoir des conversations plus authentiques qui tournent autour des besoins réels et avérés du client. Mizel a présenté quelques cas d'utilisation d'Apollo démontrant les résultats d'une communication plus authentique avec les clients.
- Améliorer les taux de conversion sortants grâce aux data produit. En ajoutant le comportement du produit aux e-mails sortants, Apollo a multiplié par 10 son taux de conversion, qui dépasse désormais les 5 %.
- Automatisation des alertes de vente incitative lorsque les utilisateurs atteignent les portes d'accès aux fonctionnalités. Lorsque les utilisateurs d'Apollo franchissent les portes d'accès aux fonctionnalités du produit et que cela ne se traduit pas par une conversion, ces data comportementales sont envoyées à Salesforce et à Apollo, ce qui déclenche des tâches automatisées et manuelles pour que les équipes commerciales et de réussite client assurent un suivi.
- Évaluation des leads qualifiés par le produit (PQL, Product-qualified lead) afin de hiérarchiser les leads pour l'équipe commerciale. Apollo a combiné le contexte de toutes les activités de ses leads pour identifier ceux qui étaient les plus susceptibles de devenir des clients, ce qui a permis à l'équipe commerciale d'être mieux équipée.
Tous ces cas d'utilisation montrent que lorsque vous utilisez votre produit comme principal moyen d'acquérir, d'activer et de fidéliser des clients, vous favorisez une croissance axée sur le produit. Permettez à vos clients potentiels d'essayer votre produit gratuitement ou pour une somme modique, de prendre conscience de la valeur qu'il apporte, puis intégrez-les dans un cycle de vente.
« À mesure que de nouveaux utilisateurs s'inscrivent, vous voudrez mesurer où ils en sont dans le processus de réalisation de la valeur apportée par votre produit. Et lorsqu'ils atteignent ces valeurs, ou comme nous l'appelons, lorsqu'ils atteignent le moment de « révélation », il s'agit vraiment de transmettre ces informations à votre équipe et d'enrichir votre CRM », déclare Marques.
Comment décidez-vous quelles data produit utiliser ?
L'analyse des produits peut vous aider à répondre à des questions telles que :
- Où se trouve un utilisateur spécifique dans son parcours ?
- Vient-il simplement s'inscrire ou a-t-il déclenché une fonctionnalité ?
- A-t-il utilisé différents outils et fonctionnalités de la plateforme ?
- Plusieurs utilisateurs de la même entreprise utilisent-ils le produit ?
- L’utilise-t-il beaucoup en peu de temps ?
Toutes ces data sont spécifiques à votre organisation, à votre niche et à vos clients. Même si nous aimerions que ce soit aussi simple que d'appuyer sur un interrupteur, il n'existe pas d'ensemble normalisé d’indicateurs relatifs aux produits pour chaque entreprise.
« Je pense que, dans l’ensemble, il n'existe pas d'approche unique en matière de PQL, et je pense que c'est en quelque sorte la définition même de ce concept, n'est-ce pas ? C’est spécifique à l'entreprise, au niveau et au segment sur lesquels vous travaillez, ainsi qu'à la position du client dans l'entonnoir », commente Mizel.
Commencez par examiner le comportement des utilisateurs de vos clients existants au sein de votre produit afin de pouvoir commencer à extraire des informations exploitables, recommande Mizel. En définitive, vous recherchez des signaux qui vous aideront à prendre des décisions :
- Cet utilisateur est-il susceptible de devenir un client fidèle, aujourd'hui ou à l'avenir ?
- Peut-il vous aider à favoriser l'adoption et l'engagement envers votre produit au sein de cette organisation ? Ou est-ce trop tôt dans son parcours et a-t-il besoin d'un soutien ou d'une intervention de la part de l'équipe commerciale ?
En synchronisant vos interventions de manière appropriée en fonction de ces informations, vous pouvez maximiser la valeur que vous apportez à votre client tout en lui permettant de prendre conscience de la valeur fondamentale de votre produit lors de son moment de « révélation ».
Les data produit sont souvent cloisonnées
Le problème, c'est que, d'un point de vue historique, vos data produit sont cloisonnées. Votre pile data peut être composée de dizaines d'outils, chacun contenant différentes data sur vos clients. Et, lorsque personne n'a une vue d'ensemble, toutes vos précieuses data produit ne parviennent pas aux équipes qui en ont besoin.
Quelle est donc la solution ? Regroupez vos data dans une source unique de vérité : votre data warehouse. Lorsque Apollo a collaboré avec Montreal Analytics pour mettre en œuvre la pile data moderne, l'entreprise a pu centraliser ses data dans Snowflake et les activer dans ses outils GTM.
Apollo a entamé ce processus avec trois objectifs en tête :
- L’entreprise souhaitait obtenir des informations plus approfondies sur l'utilisation des produits pour ses équipes GTM.
- Elle voulait assurer la pérennité de sa pile data. La PLG indique qu'Apollo avait une « armée » d'utilisateurs qui s'inscrivaient à ses essais gratuits, et l’entreprise ne voulait pas de tous ces utilisateurs dans son système de gestion de la relation client (CRM).
- Elle voulait que le data warehouse devienne un système attitré pour le client.
Avec ces objectifs en ligne de mire et Montreal Analytics pour la guider, il lui manquait une dernière pièce du puzzle : la confiance dans ses data.
Vous devez avoir confiance dans les data produit
C'est une chose d'avoir accès à vos data, mais c'en est une autre d'avoir confiance en ces data. Les data doivent être fiables pour être exploitables. Vous avez donc besoin d'une source unique de vérité et d'un plan de gouvernance pour que ces data soient fiables.
Une fois vos data centralisées dans le data warehouse, vous devez les modéliser (regrouper vos data produit, marketing et vente) et vous concentrer sur les indicateurs qui comptent pour votre entreprise. Marques appelle cela « donner une opinion à vos data ».
Il y a beaucoup à dire à ce sujet. Comment commencer ?
Marques recommande d'adopter une approche produit agile pour activer vos data : N'essayez pas de tout créer d’un seul coup. Commencez par des tâches faciles à réaliser et déterminez les priorités en fonction du commanditaire du projet. Par exemple, si votre commanditaire est le chef du service RevOps, la priorité absolue devrait être de fournir des data à l'équipe chargée des revenus.
Commencez par intégrer quelques sources dans votre data warehouse, puis modélisez-les et formez votre équipe sur ces data. Vous pouvez répéter l'opération pour obtenir exactement ce dont vous avez besoin. Mais cela peut tout de même sembler un peu intimidant au début, surtout lorsque vous réalisez que vous devez trouver le juste équilibre entre le temps nécessaire pour créer de la valeur, la qualité des data et l'étendue du champ d'application.
« La qualité des data est très importante. Donc, si vous voulez aller vite et prendre des raccourcis, sachez que vous n'aurez pas beaucoup d'occasions de convaincre les personnes qui ne s'intéressent pas aux data de les adopter. Si, à un moment donné, vous présentez des data et que les gens se rendent compte qu'elles ne sont pas exactes, vous perdrez une grande partie de leur confiance, et il vous faudra beaucoup d'efforts pour la regagner », avertit Marques.
Commencez par établir des bases solides, puis construisez dessus, plutôt que d'essayer de tout faire en même temps. N'oubliez pas : Un outil ne résoudra pas à lui seul vos problèmes, alors commencez par définir votre feuille de route et choisissez vos outils en fonction de vos objectifs (au lieu de laisser vos outils dicter votre chemin). À partir de là, vous pouvez constater des effets considérables.
La PLG nécessite beaucoup d’expérimentation et d’itération
La personnalisation à l'aide des data produit augmente les taux de conversion, car vous pouvez désormais atteindre la bonne personne au bon moment. Cependant, les data produit ne vous mèneront pas toujours à elles seules au bon endroit. Après tout, disposer de toutes les data quantitatives dont vous avez besoin ne signifie pas que vous en comprenez le contexte.
Grâce à Census (une société Fivetran), les équipes peuvent agir plus rapidement en synchronisant les data fiables relatives à l'utilisation des produits et aux clients depuis le data warehouse vers les outils de vente et de marketing, ce qui permet une segmentation plus précise, des tests d'audience et des itérations sans assistance technique. Cela donne aux marketers et aux équipes GTM la liberté d'expérimenter, de mesurer ce qui fonctionne et d'optimiser en permanence leur portée en fonction du comportement réel des utilisateurs.
La PLG implique beaucoup d'expérimentation. Vous ne réussirez pas forcément du premier coup. « Alors, prenez votre ligne de mire, prenez vos objectifs commerciaux en tant qu'entreprise, et plongez-vous dans les data pour déterminer ce que signifie le succès pour vos utilisateurs », propose Marques.
Comme Mizel l'a mentionné, « l’évaluation des PQL évolue avec le temps », mais vous ne pouvez pas évoluer si vous ne commencez pas quelque part. Une base solide avec des data fiables permettra à votre organisation d'être agile et d'expérimenter différentes façons d'activer efficacement ces data dans l'ensemble de l'entreprise.
[CTA_MODULE]
