L'application de conception graphique conviviale Canva a révolutionné la manière dont les gens conçoivent leurs designs. Avec plus de 125 millions d'utilisateurs mensuels, un chiffre d'affaires annuel d'un milliard de dollars et 200 designs créés chaque seconde, l'entreprise souhaitait mieux comprendre ses clients au-delà de l'attribution marketing traditionnelle.

Mais pour Canva, comme pour la plupart des organisations, une plateforme data client, en anglais "customer data platform" (CDP) prête à l'emploi ne suffisait tout simplement pas. Pour soutenir sa stratégie marketing ciblée sur le cycle de vie, Canva avait besoin d'une vision plus tridimensionnelle de ses clients.

L’entreprise a décidé de constituer une base solide de data client afin de mener à grande échelle ses efforts de marketing personnalisé. Elle a donc créé une pile data personnalisée en utilisant les meilleurs outils de leur catégorie, conçus pour répondre exactement à ses besoins.

• Snowflake - pour sa base Customer 360 et ses analyses
• Census (une société Fivetran) - pour l'activation des data, l'ETL inverse et la segmentation de l'audience
• Fivetran - pour l'ingestion et l'intégration de data
• dbt - pour la transformation des data et la résolution des identités

Mais comment, exactement, ont-ils créé une source de vérité pour toutes leurs data client ? Et que pouvez-vous apprendre du parcours de Canva pour accélérer vos expérimentations sur vos propres canaux marketing ?

Dans cet article, nous explorons comment Canva a exploité ses data client propriétaires, segmenté ses audiences dans le data warehouse et activé les data dans tous ses outils marketing. Il met en vedette des personnes de toute la pile data de Canva, notamment :

• Matthew Castino, Lifecycle Data Lead chez Canva
• Patrick Crosby, Tech Alliances chez Snowflake
• Sean Lynch, cofondateur et CPO chez Census
• Kelly Kohlleffel, Head of Partner Sales (Engineering) chez Fivetran

La pile data de Canva

Au cœur de la pile data de Canva se trouve Snowflake, son data warehouse. Les informations affluent vers Snowflake depuis l'ensemble de l'écosystème de l'entreprise : data d’événement issues de l'analyse interne des produits, data tierces provenant de plateformes publicitaires et data client issues d'outils CRM.

« L'objectif était de créer une architecture qui nous permette d'avoir une source unique de vérité et d'intégrer les data provenant de plusieurs sources en un seul endroit », déclare Matt Castino, Lifecycle Data Lead chez Canva. « Nous pouvons activer toutes nos data, les intégrer et les exploiter de nombreuses façons différentes ».

Census (une société Fivetran) s'appuie sur Snowflake et envoie des data client actualisées à des outils tels que Braze, la plateforme CRM de Canva utilisée pour les e-mails ciblés, les notifications push et autres communications. Auparavant, les messages dans Braze pouvaient être déclenchés par des événements, mais cette solution était plus coûteuse.

« Braze utilise un modèle de tarification basé sur le volume, donc vous payez pour chaque unité de data que vous envoyez », explique Castino. « Nous n'avons pas besoin d’être informés chaque fois qu'un utilisateur effectue une action particulière. Nous pouvons simplement agréger ces data et choisir la fréquence à laquelle nous les envoyons à Braze. Census nous permet donc de réaliser d'importantes économies ».

Les data dont Canva avait besoin pour obtenir une image complète de ses clients étaient déjà collectées dans sa pile technologique ; il n'était donc pas nécessaire d'ajouter un autre outil d'ingestion. Au lieu de cela, sa nouvelle approche consolide et active toutes les data existantes. Cela permet de comprendre parfaitement les motivations des clients et leur place dans le parcours d’achat.

Grâce à un contexte plus vaste autour des actions des clients, Canva peut identifier les utilisateurs intensifs de ses outils gratuits afin de leur proposer des publicités ciblées pour les fonctionnalités Pro de l'application. Les data utilisateur complètes aident l'entreprise à cibler les bons utilisateurs avec les bons messages afin d'améliorer les conversions générées par ses campagnes publicitaires.

« Cette approche nous aide également à tirer parti des résultats de notre apprentissage automatique », déclare M. Castino. « Nous disposons d'un modèle qui identifie la propension d'un utilisateur à commencer un essai. Nous pouvons ignorer les personnes qui, selon le modèle, ne sont pas intéressées par l'essai. Et nous pouvons ignorer les utilisateurs qui sont si susceptibles de commencer un essai que nous pouvons les laisser tranquilles, ils le trouveront d'eux-mêmes. Mais les utilisateurs qui sont prêts à recevoir un petit coup de pouce peuvent être ciblés par des campagnes de maturation sur leur canal préféré. Et nous pouvons personnaliser le contenu de ce message en fonction de ce pour quoi nous pensons qu'ils pourraient utiliser Canva Pro ».

Comment Canva a comblé les lacunes des plateformes data client

Lorsque les plateformes data client ont fait leur apparition, elles promettaient de faire tout ce dont les entreprises comme Canva avaient besoin. Elles étaient censées fournir aux marketers un accès facile, sans code, à des data client unifiées, qui pouvaient ensuite être activées dans différents outils et campagnes. Mais après quelques années d'essais, il est temps de se rendre à l'évidence : ces plateformes tout-en-un prêtes à l'emploi sont rarement à la hauteur de leurs promesses.

Commençons par les « data client unifiées ». Plutôt que d'offrir aux marketers un chemin simplifié dans le data warehouse, une CDP traditionnelle duplique des data client spécifiques et les stocke dans son propre silo. Cela confine les marketers à un bac à sable alors qu'ils pourraient avoir toute la plage à leur disposition.

« Les équipes data et du marketing évoluent dans un monde divisé, où les data sont nettoyées, activées et intégrées dans la pile data, mais ne parviennent pas nécessairement là où elles devraient », explique Sean Lynch, cofondateur et CPO chez Census. « Nous constatons une force de gravité croissante autour du data warehouse, qui rassemble tout en un seul endroit. Il devient difficile de justifier le maintien d'un silo distinct uniquement dédié au marketing ».

Il existe une multitude d'outils marketing qui prétendent fonctionner comme une plateforme data client. Mais bien qu'ils collectent et stockent plus de data que jamais, ils ne parviennent toujours pas à offrir la vision à 360 degrés qu'ils promettent. Les systèmes d'automatisation et d'assistance restent inactifs, et la plupart des CDP ont des modèles de data rigides qui ne permettent pas aux entreprises de définir leurs propres règles concernant les data dont elles ont besoin.

« Lorsque j'occupais un poste de consultante, je me souviens qu'un client m'avait demandé de l'aider à dépenser plus d'argent », raconte Kelly Kohlleffel, Head of Partner Sales (Engineering) chez Fivetran. « Il ne pouvait pas identifier de différence entre les publicités payantes, les réseaux sociaux payants et les autres canaux. Il savait que les canaux généraient du chiffre d'affaires, mais les data étaient cloisonnées, ce qui l’empêchait de déterminer précisément comment dépenser son budget ».

Les piles data modernes améliorent l'attribution marketing

Les plateformes data client sont confrontées à des problèmes de redondance des data et à des modèles rigides. En 2021, le CDP Institute a constaté qu'un peu plus de la moitié des entreprises ayant déployé une CDP en tiraient une « valeur significative ». L'enquête menée par Forrester en 2022 était encore plus sombre : seuls 10 % des utilisateurs interrogés ont déclaré que la CDP répondait à leurs besoins.

Une pile data plus moderne, à l’inverse, vous permet de combiner différents outils pour obtenir des résultats plus personnalisés. Census a été conçu pour récupérer toutes les précieuses data clients que vous stockez dans votre data warehouse et les transférer vers les outils de destination tout en conservant — et non en dupliquant —votre source unique de vérité.

« L'avantage de cette approche est que vous revenez d'abord à la source unique de vérité », déclare Lynch. « Vous disposez d'un ensemble de data et vous bénéficiez d'une grande flexibilité et d'un contrôle total sur la manière dont vous les exploitez. Vous pouvez aborder l'attribution marketing d'une manière qui intègre toutes les data pertinentes pour votre entreprise, et pas seulement celles prises en charge par le produit CDP standard ».

Les plateformes data client promettaient aux marketers de supprimer les intermédiaires, éliminant ainsi le besoin de demander des informations clients à l'équipe data. Les piles data modernes peuvent être rationalisées de la même manière. Castino affirme que l'outil Census Audience Hub actualisé permet aux marketers de Canva de créer des audiences à partir de modèles de data warehouse. Cela libère du temps pour l'équipe data et offre aux marketers un délai d'exécution plus rapide, sans duplication des data entre deux systèmes.

Avantages par rapport aux plateformes prêtes à l'emploi

L'attribution n'est pas le seul problème qu’une pile data moderne peut résoudre. Voici quelques autres avantages qu'elle présente par rapport à une CDP standard :

Visibilité. Le modèle de data d'une plateforme CDP standard peut s'apparenter à une boîte noire.  Cependant, comme vous contrôlez les outils et le flux d'informations dans une pile data plus moderne, vous pouvez introduire des techniques de data science plus avancées, garantissant ainsi la pérennité de votre pile technologique.

Résolution des identités. Il existe plusieurs façons de suivre un utilisateur dans différents points de contact, et chacune d'entre elles est plus facile lorsque vous opérez à partir d'une source unique de vérité.

Tout d'abord, il y a la résolution d'identité déterministe, qui consiste à mapper les interactions avec des utilisateurs connus sur plusieurs points de contact. Une plateforme data à jour peut effectuer ces jointures et fusions au fur et à mesure que les data arrivent.

« Nous voyons également des organisations qui souhaitent résoudre des identités en dehors des connaissances dont elles disposent au sein de leurs actifs », déclare Crosby, Technology Alliances chez Snowflake. « Comment puis-je comprendre l'identité à un niveau humain, au-delà de l'identification de l'appareil ou de cette personne sur l'un de mes sites ? Enfin, nous voyons des organisations procéder à des comparaisons directes d'identités, ce qui revient essentiellement à un partage d'identités de type « clean room ».

Exactitude. L'exactitude est le fondement même de tout ce que font les personnes chargées des data. Si vos data sont inexactes, elles sont inutiles, voire dangereuses. Les conclusions tirées à partir de data de mauvaise qualité peuvent conduire à de mauvaises décisions à tous les niveaux d'une organisation.

« Lorsque vous créez des silos de data, vous rencontrez des problèmes liés à l'exactitude des data. C'est simplement la nature même de cette activité », explique Crosby. « De plus, lorsque vous centralisez, il est beaucoup plus facile d'avoir une équipe ou un partenaire qui se concentre vraiment sur la qualité. Une analyse telle que « S'agit-il de data frauduleuses ou redondantes ? » peut être effectuée en un seul endroit ».

Une source unique de vérité permet d'obtenir des informations précieuses sur les clients

Les data client sont la clé d'opportunités infinies. Mais vous ne comprendrez jamais vos clients avec des informations éparpillées et cloisonnées ; vous devez éliminer les redondances et obtenir une vue d'ensemble en un seul coup d'œil.

La combinaison d'outils tels que Snowflake, Census, Fivetran et dbt vous offre la flexibilité nécessaire pour les cas d'utilisation actuels et ceux auxquels vous n'avez pas encore pensé.

[CTA_MODULE]