La vie (pas si secrète) d’un(e) CRM Campaign Manager

Après quelques années dans le CRM, à la fois côté stratégie et côté marque, j’ai vu beaucoup de situations différentes. Les processus changent peu, les plateformes évoluent, la politique bouge toujours. Mais au final, le rôle consiste surtout à connecter les outils, les équipes et les projets pour faire marcher le marketing.

Tout commence par ce que j’aime appeler le cycle de vie CRM. *

* Un glossaire est disponible plus bas pour expliquer les termes ou acronymes un peu obscurs qui pourraient vous faire lever un sourcil.

Chaque campagne est censée commencer par un brief. Idéalement, il nous précise :

• Quel est le message ?
• À qui il s’adresse ?
• Quel est l’objectif (conversion, rétention, engagement) ?
• Quel canal client utiliser, et si nous disposons des bonnes données pour segmenter, personnaliser et cibler efficacement ?
• Où se situe le modèle de données ?
• Quand la campagne doit être diffusée ?

Dans la réalité, ce que nous recevons varie énormément. Parfois, on nous briefe sur des segments d’audience qui n’existent pas encore. Parfois, on nous demande d’utiliser un modèle prédictif auquel nous n’avons jamais eu accès. D’autres fois, on nous sollicite pour lancer une campagne qui chevauche d’autres campagnes déjà en cours.

C’est un peu comme essayer de monter un meuble Ikea avec des pièces manquantes et sans notice.

Malgré tout, la date limite reste fixe et, avec un temps limité et de nombreuses demandes urgentes, nous ne pouvons tout simplement pas dire oui à tout, aussi bonne soit notre volonté.

L’étape suivante consiste à construire concrètement la campagne.

En général, nous utilisons une plateforme de marketing automation pour la mettre en place. Cela implique le plus souvent :

• Extraire ou construire le bon segment d’audience via du SQL ou des builders visuels (bien souvent, le segment exact n’existe pas dans les outils)
• Se connecter aux bonnes sources de données
• Appliquer des règles de pression commerciale et des plafonds de fréquence
• Construire le scénario de campagne : logique d’entrée, exclusions, variantes
• Tester la logique des messages (contenus dynamiques, règles conditionnelles, etc.)
• Vérifier la qualité (QA) de l’ensemble du parcours client

Ça semble plutôt simple, non ? Mais l’un des plus gros défis qui apparaît très tôt dans ce processus, c’est l’accès.

Souvent, nous n’avons pas accès aux données mentionnées dans le brief. Le modèle peut se trouver dans un environnement totalement différent, protégé par des droits qui ne nous sont pas accordés. Obtenir ces autorisations peut prendre 2 à 3 jours, à condition que la bonne personne soit disponible pour valider.

Et même si le SLA (accord de niveau de service) annonce « 4 jours entre le brief et le déploiement », ce planning ne tient pas compte des délais liés à l’obtention des accès, au travail des analystes pour construire les données nécessaires à la finalisation du fichier d’audience, à la validation des données ou à la correction de modèles défaillants.

Votre campagne est prête, il est temps de la publier.

En théorie, il suffirait d’appuyer sur “envoyer”. En pratique, une checklist complète s’impose avant de cliquer :

• Vérification finale des contenus (pour éviter un nouvel email « Bonjour Linda » envoyé à 200 personnes)
• Validation du tracking des liens
• Tests d’affichage sur les différents appareils (et les bizarreries d’Outlook)
• Tests de validation utilisateur (UAT) par les équipes marketing ou juridiques
• Ajustements de dernière minute sur les textes (toujours juste avant la validation finale)

À noter, les interfaces de déploiement sont souvent pensées pour des profils techniques, pas pour des marketeurs.

Si vous ne maîtrisez pas le HTML, si vous ne savez pas détecter un token cassé ou comprendre pourquoi la taille de votre audience a chuté de 30 %, vous êtes bloqué(e). Certains outils nécessitent du SQL (Structured Query Language) pour simplement extraire une audience. D’autres demandent des compétences en CSS (Cascading Style Sheets) pour aligner correctement le texte de votre email.

Sans ces compétences en interne, il faut faire appel à des freelances ou former les équipes existantes. Une pratique qui devient rapidement chronophage et coûteuse.

Une fois la campagne lancée, la dernière étape est l’analyse. C’est le moment de se poser les bonnes questions :

• Qui a ouvert ?
• Qui a cliqué ?
• Est-ce que la campagne a déclenché le comportement attendu ?
• A-t-elle impacté négativement une autre campagne ?
• A-t-elle touché le mauvais segment d’audience ? (Oui, ça arrive)
• Que peut-on améliorer dans nos checklists pour éviter de reproduire les mêmes erreurs ?

C’est ici que le CRM rejoint l’analytics. Certaines équipes disposent de tableaux de bord dédiés, d’autres dépendent des équipes BI (Business Intelligence) pour obtenir des rapports post-campagne.

Dans tous les cas, il s’agit d’une étape critique, souvent négligée dans la course à la campagne suivante.

Sans cette boucle de feedback, il devient difficile de savoir si une campagne est réellement efficace ou si l’on crie simplement dans le vide.

Le CRM, ce n’est pas juste envoyer des emails. C’est le moteur invisible qui permet au marketing de fonctionner. Nous sommes à l’intersection du marketing, de la data et de la technologie. Nous construisons des parcours automatisés, appliquons des règles de contact, et veillons à ce que le bon message atteigne la bonne personne, au bon moment.

C’est un exercice d’équilibriste entre accès aux données, logique, timing et empathie. Et si personne ne nous remarque, c’est généralement que tout s’est déroulé comme prévu.

Signé,
Un ancien Campaign Manager marketing

Glossaire des termes CRM

SQL (Structured Query Language) – Le langage que l’on utilise pour “parler” aux bases de données. Si vous voulez identifier les clients ayant acheté des baskets au cours des 6 derniers jours, c’est ainsi que vous posez la question. Oui, une virgule manquante peut ruiner votre journée.

CSS (Cascading Style Sheets) – Ce qui rend les emails et les sites web jolis. Sans CSS, tout ressemble à du Times New Roman… et c’est triste.

Modèle prédictif – Une estimation un peu sophistiquée, basée sur la data, de ce qu’un client pourrait faire ensuite.

BI (Business Intelligence) – Transforme la data en tableaux de bord et rapports, indique ce qui a fonctionné, ce qui n’a pas fonctionné, et si un taux de clic de 0,2 % valait vraiment les 18 heures de construction.

CRM (Customer Relationship Management) – Gestion de la relation client.

SLA (Service Level Agreement) – Le délai dans lequel on s’engage à livrer quelque chose. Souvent optimiste, parfois réaliste.

QA (Quality Assurance) – On teste, on reteste, puis on teste encore, pour s’assurer que rien ne casse.

UAT (User Acceptance Testing) – La validation finale par les équipes marketing et métier : le fameux « est-ce que c’est ok ? ». C’est généralement là que surgissent les demandes de modification de dernière minute du type « on peut juste changer la formulation ? ».