Enrichir son CRM pour mieux qualifier : L’exemple de Captain Data

L’enrichissement de son CRM et les enjeux de data quality sont parmi les plus fondamentaux pour une bonne performance commerciale. Comment trouver les bonnes données ? Quand faut-il les injecter ? Comment mesurer (et justifier) le coût de toutes ces opérations ? Comment exploiter les données obtenues ? On pourrait y passer la journée.

Du coup on a demandé à nos copains de Captain Data ce qu’ils en pensaient. Ils ont mis en place une espèce de machine de guerre complètement dingue pour leurs propres process. Rien n’a été laissé au hasard. Et Marc a bien voulu nous livrer tous ses secrets.

Dans cet article, on vous détaille leurs process d’enrichissement de A à Z.

Poser son plan de tracking et étudier le funnel

Qu’est-ce qu’un tracking plan ?

Un tracking plan (ou plan de tracking) renvoie à une analyse précise du funnel de vente. Prenons l’exemple d’un SaaS dont l’objectif est d’obtenir l’inscription d’un lead à une offre spéciale.

Dans ce cas, il faut définir en amont les étapes à suivre pour que l’utilisateur passe d’une étape à une autre et soit convertit en client. Le cheminement se divise en trois niveaux :

• Marketing Qualified Lead (MQL) : avant l’inscription, le visiteur passe du temps sur le site. Il présente donc un intérêt pour les produits ou l’offre et les services mis en avant. Il est essentiel d’obtenir le plus de contexte possible autour de cet internaute. Cela passe par l’obtention de données comme son identité, son entreprise, ce pour quoi il est intéressé.
• Sales Qualified Lead (SQL) : après l’inscription, il faut qualifier le prospect via des actions humaines et des actions basées sur l’analyse de données. On tente ainsi de définir ses besoins et son budget par une prise de contact (email, téléphone). C’est l’étape de qualification commerciale
• Product Qualified Lead (PQL) : cette dernière étape consiste à utiliser de la donnée liée au produit, des données liées à l’utilisation de l’outil. C’est traditionnellement réservé aux SaaS, où un usage récurrent du produit conditionne beaucoup la LTC (Lifetime Value), mais les raisonnements de LTV et de rétention pourraient, et devraient, s’appliquer à la plupart des business B2B.

Bien évidemment, en fonction de l’activité, les bases du scoring et la façon de calculer la note de ses leads sont évolutives. En « self-service », l’étape du SQL sera nécessaire mais la collecte des données se fera différemment: par exemple par un formulaire au moment de l’onboarding.

Pourquoi mettre un plan de tracking en place ?

On aborde ici le sujet de l’enrichissement de données, c’est à dire le fait d’enrichir de données extérieures vos bases de contacts & de clients.

La toute première chose à faire, avant d’aller regarder à l’extérieur, est d’avoir un schéma de données impeccable sur vos données internes, et d’être en mesure d’identifier les moments clé dans le parcours d’achat.

Mettre en place un plan de tracking permet aussi d’assurer une certaine cohérence. Il faut travailler autour de son produit, de son service et de son offre en général avant de se concentrer sur l’analyse des données.

C’est ce travail qui vous permettra de définir des segments pertinents, adaptés au parcours utilisateur à la vie du lead que vous cherchez à convertir.

Construire sa grille de scoring & son modèle de données

Critères d’une grille de scoring

Mais comment bien construire sa grille de lead scoring ?

Il faut, au préalable, déterminer les critères de notation, dans son CRM. Cela permet de mieux qualifier ces leads. Dans le cas de Captain Data, on utilise:

• Des critères froids (marketing) qui définissent l’entreprise : ils permettent de décrire l’entreprise à partir d’informations basiques comme sa taille, son industrie ou encore les outils qu’elle utilise.Ces informations peuvent ensuite être transposées dans un spreadsheet d’import que l’ensemble des collaborateurs marketing et sales doivent utiliser. Cela permet de garantir le niveau et la qualité des données. Sans ces informations, il est impossible de passer le lead en MQL.
• Le positionnement du lead : L’idée est de déterminer où en est le prospect et surtout, ce qu’il souhaite. Prenons l’exemple d’une société qui confie, après enregistrement, utiliser LinkedIn, Salesforce et Dropcontact. Ces informations fournies directement par la société ont une valeur car elles démontrent un véritable besoin en termes de récupération des données ou d’automatisation, ce qui fait gonfler la note.
• Des cas d’usage : Les usages des entreprises sont à prendre en compte. Une société, enregistrée, qui utilise Dropcontact et LinkedIn est plus mature. Son score est plus élevé, ce qui permet de faire passer le lead de MQL à SQL car on sait désormais quoi lui proposer.

Modèle de données / enrichissement

Construire un modèle d’enrichissement pour son CRM est un process très itératif. On identifie un point de donnée qui semble pertinent, on met en place l’enrichissement, on exploite le point de données commercialement, et on ajuste un peu l’importance qu’on lui donne en fonction des résultats.

Mais ça peut vite prendre beaucoup de temps, et d’argent, si on multiplie les points de données. Oublions un peu ici les dogmes de “test & learn” à tous prix, il vaut quand même mieux passer un peu de temps à sélectionner les points de données candidat pour éviter de se tromper.

Quelques conseils:

Ne pas chercher la donnée du contact et de l’entreprise en même temps

D’un point de vue Sales ou Marketing, le collaborateur est obligé de corréler la donnée des contacts et des entreprises : une entreprise qui dispose des bons critères mais n’a aucune ressource en interne pour utiliser le produit, n’aura aucune valeur.

De même, si le point de contact est la bonne personne, mais qu’elle ne dispose pas de budget, cela ne sert à rien de continuer. En effet, il n’y aura aucune chance de convertir le prospect en client.

Mais du point de vue récupération des données, il ne faut surtout pas mélanger les deux trop tôt.

En fait les sources de données sont assez différentes entre les données de personnes et les données d’entreprise, et mélanger les deux trop tôt (avant d’avoir suffisamment de clés de jointure) donne de moins bons résultats.

Réconcilier la donnée contact et entreprise

Le lien entre une personne et une entreprise est simple à effectuer. Dès lors que l’on dispose d’une liste enrichie de contacts et d’une liste enrichie d’entreprises, il suffit de croiser le tout afin d’obtenir des corrélations.

Dans notre exemple, le process est très rapide. Dès qu’une personne crée un compte sur Captain Data, elle donne son email. Le contact est créé et des informations sont demandées au sujet de son entreprise.

L’enrichissement commence juste après.

Limiter le mauvais matching / enrichissement

L’automatisation, si elle présente de nombreux avantages, n’est pas infaillible. S’il vous manque une ligne, parce que vos process automatisés n’ont pas trouvé de réponse, c’est une chose. Celui ou celle qui devra corriger manuellement vous en voudra un peu, mais on s’en sort.

Mais les faux positifs sont l’erreur la plus embêtante puisque c’est une erreur “silencieuse”, c’est-à-dire qu’on ne sait pas qu’il s’agit d’une erreur.

Pour limiter les faux positifs, on vous recommande de commencer par enrichir les données d’entreprise. Il existe bien moins de risques de tomber sur de mauvaises informations.

D’abord parce qu’elles ne changent pas de poste, parce qu’il n’y a pas de congé maternité/paternité, parce qu’elle déménagent rarement, … Ensuite parce que les bases de données entreprise sont beaucoup mieux documentées, notamment par obligation légale. SIRENE est une vraie mine d’or si on sait un peu comment chercher. Infogreffe permet aussi d’aller très loin.

Dès lors que l’entreprise est qualifiée, l’utilisateur peut entrer quelques informations sur lui, qui permettront de l’identifier encore plus facilement par la suite.

Faire vivre le pipe

Enrichir son CRM c’est bien, mais il faut l’intégrer à son funnel commercial. Chez Captain Data, ils ont identifié 9 étapes dans leur funnel de vente :

• 1 – MQL – Création de compte (sign up)
• 2 – MQL – Création du projet
• 3 – MQL – Prospect à qualifier
• 4 – SQL – Début de l’essai
• 5 – SQL – L’utilisateur devient “actif”
• 6 – PQL – L’utilisateur atteint sa limite (d’essai gratuit)
• 7 – PQL – Fin de l’essai / du test
• 8 – PQL – Retours et feedbacks
• 9 – PQL – Mise en place de l’onboarding

Les étapes 1 à 3 renvoient à la phase Marketing Qualified Lead (MQL). Les étapes 3 à 5 renvoient au Sales Qualified Lead (SQL), le lead étant en phase de vente. De la 6eme à la dernière étape, on est dans le Product Qualified Lead (PQL), avec un focus produit et conclusion du deal.

En schématisant, le cheminement se fait ainsi :

MQL > “À qualifier” > SQL > “Utilisateur actif” > PQL

Ils utilisent Integromat pour faire remonter l’information liée à la création d’un compte vers Pipedrive, (leur logiciel CRM), qui crée automatiquement le deal. L’objectif est d’avoir de la visibilité sur ce qui se passe sur la plateforme ainsi qu’une première note concernant la maturité du prospect.

Captain Data utilise ce pipeline “plateforme” pour scorer et qualifier automatiquement tous les nouveaux utilisateurs. Ensuite, les affaires dont le potentiel est le plus important seront basculées vers un pipe purement commercial plus “humain” pour permettre à l’équipe Sales de prioriser ses efforts.

En complément de l’analyse de ces données liées à l’utilisation des outils Captain Data, il est possible de se tourner vers des solutions d’analyse du parcours client (comme Hotjar, Fullstory, ou keen.io) qui vont mesurer par exemple le temps passé par un visiteur sur telle ou telle page de votre site.

Enfin, ces données peuvent être également complétées par des informations liées à la stratégie ou à la dynamique de l’entreprise cible :

• Pour suivre la croissance globale d’une entreprise : utilisez les filtres Sales Navigator pour suivre la croissance des effectifs de vos prospects principaux.
• Pour suivre le développement d’une entité en particulier : utilisez la section “job search” sur Indeed qui recrutent dans les domaines qui vous intéressent.

Exemple: Une entreprise recrute en growth et s’enregistre chez Captain Data. Elle a besoin d’outils adaptés pour ses équipes, signe de son avancée dans le funnel. Une opportunité intéressante, qui lui confère une bonne note.

Automatiser l’enrichissement de son CRM

On rentre dans le dur du sujet. Commençons par l’enrichissement des données entreprises. Le processus fonctionne en automatique, à chaque nouvelle création de compte.

Signup : le prospect s’enregistre

À ce niveau du process, on ne dispose encore que d’une quantité limitée de données sur la personne, à savoir les informations qu’elle a elle-même rentrées comme son nom, son prénom, son email.

Il faut, en premier lieu, vérifier si l’email existe sur Pipedrive, ce qui est théoriquement impossible sauf s’il a été créé en amont. Si le contact existe, on le met à jour, sinon on le crée.

L’utilisateur remplit les informations de son entreprise

Les données de la personne doivent être récupérées et transposées sur Captain Data. Les données de l’entreprise, elles, doivent être vérifiées : est-elle réellement établie ? Si oui, il faut la créer dans la base de données, et la lier à la personne et débuter l’enrichissement.

Enrichir les noms de domaine avec LinkedIn

En input de ce scenario integromat, Pipedrive transmet une liste de données à enrichir, comme :

• “pipedrive_person_id” : il s’agit d’un ID donné par Pipedrive au prospect
• “pipedrive_deal_id” : il s’agit d’un ID donné par Pipedrive au projet en cours
• “pipedrive_company_id” : il s’agit d’un ID donné par Pipedrive à l’entreprise pour laquelle le prospect travaille
• full name : il s’agit du nom et du prénom du prospect
• email : il s’agit de l’email professionnel du prospect

Il faut prêter une attention toute particulière à la bonne remontée des IDs en input et output. Le processus fonctionne car il se base sur ces id propres et uniques au CRM :

1. Step 1 & 2: Extraction de profils d’entreprises LinkedIn via les sites web: sur Captain Data, le site web est scrapé, et l’outil recherche une URL de profil d’entreprise Linkedin.
2. Step 3 & 4: Recherche Google : Si une URL d’entreprise Linkedin n’a pas été trouvée sur le site web, Captain Data fait une recherche google pour trouver l’URL Linkedin de l’entreprise. Sinon, on passe cette étape.
3. Step 5: Extraction de la page LinkedIn : les données de la page LinkedIn sont extraites et enregistrées.

Réimporter les données dans le CRM

Une fois la page LinkedIn obtenue et scrapée, il faut être en mesure d’identifier ces données pour les rattacher à une personne ou une entreprise.

Un point important quand on sait que le problème lié à l’enrichissement des données est de parvenir à lier ces data aux bonnes personnes et entreprises sans que cela ne pose de problèmes lors de la réimportation.

Une fois les données entreprises récupérées par Captain Data, un webhook est déclenché afin de tout mettre à jour dans Pipedrive via Integromat. Les méta données (pipedrive_id, etc.) sont bien présentes: Integromat sait quelle entreprise (id) il faut enrichir.

Output : l’équipe Sales entre en jeu

Qu’il s’agisse des informations liées à son entreprise ou à la personne (quels outils il utilise ou ce qu’il cherche à réaliser grâce à Captain Data) le service marketing dispose de données permettant de réaliser le scoring du prospect.

En fonction de la note attribuée, le service Sales s’occupe de la suite. Cela passe par des relances emails ou par l’envoi d’un lien d’invitation à une période d’essai.

Le prospect découvre la plateforme et crée un premier projet. En fonction de sa terminologie, « Test » ou projet « Nom d’entreprise – XXX », le service des ventes fait un état des lieux de l’avancement du prospect dans le funnel.

Cela permet d’optimiser le discours de vente afin de faire avancer le lead dans le funnel et conclure la vente.

Mettre à jour continuellement son CRM : importer les URLs LinkedIn dans le CRM

La mise à jour de son CRM induit une notion de risques. L’usager peut entrer de fausses informations (nom, adresse email), augmentant le risque de « faux positifs ». C’est un des enjeux de data quality des logiciels CRM.

Cette mise à jour peut être complétée par une recherche « nom prénom + entreprise ».

Sur Captain Data, les clients importent leurs données, directement de leur CRM. L’objectif est de les associer aux données LinkedIn afin de mettre automatiquement le CRM à jour. Les informations issues de l’enrichissement Captain Data sont à comparer avec les données existantes.

Si les métas données de l’input correspondent à celles de l’output, alors les informations sont correctes. Dans le cas contraire, il faut effectuer une vérification à la main. La mise à jour suivante s’effectue de manière plus rapide.

Pour rappel, les URLs des profils de personnes et profils d’entreprises sur LinkedIn ne changent pas. Lorsqu’elles évoluent, celles-ci sont redirigées. Résultat, le CRM affiche un taux de réussite de mise à jour de 98%.

C’est tout pour aujourd’hui ! On espère que cet article vous permettra d’y voir plus clair sur les process d’enrichissement de données en B2B pour mettre en place un vrai lead scoring, et optimiser votre funnel commercial !

À quoi ressemblent vos process d’enrichissement ? Est-ce que vous utilisez les mêmes outils (Captain Data, Pipedrive, Dropcontact, Linkedin, …) ? Dites-nous tout en commentaires 👇