13 novembre 2019 1729 mots, 7 min. de lecture

Comment obtenir des internautes qu’ils partagent plus de données ?

Par Pierre-Nicolas Schwab Docteur en marketing, directeur de IntoTheMinds
Quelles données à caractère personnel les internautes sont-ils prêts à partager en échange d’une meilleure personnalisation de l’offre marketing ? Comment adapter sa stratégie marketing pour obtenir plus de données ? Ces questions suscitent de nombreux débats à l’heure du […]

Quelles données à caractère personnel les internautes sont-ils prêts à partager en échange d’une meilleure personnalisation de l’offre marketing ? Comment adapter sa stratégie marketing pour obtenir plus de données ? Ces questions suscitent de nombreux débats à l’heure du RGPD et à l’aube de l’entrée en vigueur de l’e-privacy. Quelles données une entreprise peut encore collecter sans craindre que ses clients perdent toute confiance ? C’est cette question épineuse mais ô combien cruciale que nous vous proposons d’analyser aujourd’hui. Une étude fascinante vient en effet d’être publiée qui donne des réponses précises sur le partage de 17 catégories de données en fonction de 10 promesses marketing. Cette étude va vous permettre de mettre au point une stratégie de collecte de données vraiment efficace.

Sommaire

La personnalisation a un coût : celui des données personnelles

A l’heure du tout digital, la personnalisation des contenus s’impose comme une évidence dans tous les secteurs d’activité. De la diffusion de contenus (Netflix, YouTube) à la publicité en ligne, en passant par l’e-commerce (Amazon, Alibaba), les algorithmes de recommandation permettent d’augmenter les performances des entreprises. Ainsi Netflix estime que 80% des contenus consommés sur sa plateforme ont été recommandés par ses algorithmes.

80% des contenus consommés sur Netflix ont été proposés par un algorithme de recommandation

Les bénéfices de la personnalisation algorithmique sont clairs : plus de satisfaction client et une fidélisation accrue. Mais cette augmentation de la satisfaction et de la fidélisation client a un coût pour l’utilisateur : celui de ses données.
Pour bien appréhender la valeur des données il nous faut d’abord parler des différents types de données à caractère personnel.

Les différents types de données à caractère personnel

Wadle et al. (2019) proposent une classification très utile qui sert également de base à l’étude dont nous reparlerons plus loin dans cet article. Au total 17 catégories de données à caractère personnel sont identifiées (voir ci-dessous).

  • origine raciale ou ethnique : appartenance ethnique, nationalité, couleur de peau
  • opinions politiques : avis sur les sujets d’actualité, comportement de vote, préférences politiques
  • croyances religieuses ou philosophiques : communautés religieuses,  conscience, valeurs et concepts moraux
  • adhésion à des associations : organisations syndicales,  autres associations, partis politiques
  • données génétiques : dispositions en matière de maladies,  analyses ADN, ascendance biologique
  • données biométriques pour une identification unique : images faciales, scan de l’iris, empreintes digitales
  • santé physique ou mentale : santé, médicaments consommés, diagnostics, rythme cardiaque
  • données concernant la vie sexuelle : fréquence, comportement de prévention, orientation sexuelle
  • numéros d’identification : numéro d’identification, numéro d’identification national, numéro de sécurité sociale
  • données démographiques : date de naissance, statut matrimonial, age, sexe
  • informations de contact : coordonnées téléphoniques, adresses électroniques, adresse du domicile
  • caractéristiques physiques : couleur de cheveux, pointure, poids, taille
  • situation financière : revenus, dettes contractées, investissements immobiliers
  • formation professionnelle et métier : diplômes obtenus, professions antérieures, écoles et universités fréquentées
  • relation avec d’autres personnes : collègues, fréquence de contact, famille
  • capacités physiques et mentales : force de préhension maximale, quotient intellectuel, acuité visuelle
  • intérêts thématiques : activités de loisir, genres musicaux préférés, hobbys

 

Le prix des données

Le prix des données peut être appréhendé de deux manières différentes : sous l’angle de l’entreprise et sous l’angle de la perception du consommateur. Les données sont effectivement « vendues » entre entreprises qui les collectent (elles sont en fait plutôt « prêtées » pour un usage déterminé et limité) mais la valeur économique ne correspond pas forcément à la valeur « émotionnelle » que le consommateur attache à ses données. Le Haut Conseil allemand pour la protection des consommateurs avait publié en 2017 un rapport très fouillé sur la valeur des données client dans les échanges entre entreprises. Les conclusions sont éloquentes. Un jeu complet de données sur un utilisateur peut atteindre 55 US$. Pour ce prix vous obtenez des données qui à nous, Européens, peuvent paraître extrêmement sensibles comme par exemple l’historique de crédit (voir tableau ci-dessous)

Prix par jeu de données Description
environ 1€ pour un jeu de données « en vrac » concernant une personne et environ 30 variables
jusqu’à 0,5€ pour une adresse complète (Nom, rue, code postal)
0,7 US$ pour les données de déplacement et de localisation d’un cycliste
jusqu’à 2€ pour une date de naissance
10 US$ pour les données de téléphonie mobile (pour une année et pour un utilisateur)
jusqu’à 55 US$ pour un jeu de données complet sur une personne, y compris la date de naissance, l’adresse, l’historique de crédit

La valeur des données consommateurs dans les échanges entre entreprises (source :  Sachverständigenrat für Verbraucherfragen)

 

valeur pour la protection des données personnelles par type de données et par pays

Évaluation par les consommateurs du montant à payer pour la protection des données personnelles par type de données et par pays (source : Harvard Business Review, 2015)

Intéressons-nous maintenant à la valeur perçue par les consommateurs de leurs données; Une étude intéressante a paru dans la Harvard Business Review en 2015 qui quantifiait cette valeur. Les résultats révélaient une grande disparité en fonction des catégories de données mais également en fonction du pays. Cette sensibilité « culturelle » a été mise en avant par de nombreux travaux de recherche. On citera par exemple les focus groups réalisés dans 7 pays européens par Lancelot Miltgen et Peyrat-Guillard (2013).


 

Roeble et al. (2015) avaient également sondé les consommateurs sur la valeur de leurs données ; L’évaluation qui en suivait avait été « mensualisée » et les auteurs obtenaient dès lors une rémunération mensuelle attendue par les consommateurs pour le partage de leurs données.

Compensation mensuelle attendue par les consommateurs pour le partage de leurs données à caractère personnel

Compensation mensuelle attendue par les consommateurs pour le partage de leurs données à caractère personnel (source : Roeble et al. 2015)

Comme vous pouvez le voir il n’y a que peu de correspondance entre la réalité économique (valeurs souvent inférieures à 1€) et la perception qu’ont les consommateurs de la valeur de leurs données personnelles. Ce décalage ne peut dès lors qu’amener son lot de frustration, puisque les utilisateurs surestiment la valeur de leurs données au regard, il est vrai, d’une équation qui leur est largement défavorable, puisqu’ils ne reçoivent actuellement rien.

50% des consommateurs souhaitent être rémunérés plus de 20€ par mois pour le partage de leurs données personnelles

Le partage des données personnelles dépend du contexte

La propension des internautes à partager leurs données dépend fortement du contexte de collecte des données, comme l’ont montré Roeber et al (2015) dans une étude quantitative.
L’étude fascinante de Wadle et al. (2019) le confirme et démontre que c’est l’importance du bénéfice perçu par le consommateur qui est décisif dans le partage de ses données à caractère personnel.
L’étude fut menée en Allemagne auprès de 1121 personnes qui ont répondu à un questionnaire en ligne. Elles devaient évaluer leur propension à partager leurs données (classées en 17 catégories, représentées sur l’axe des abscisses) en fonction de différentes promesses : meilleure personnalisation, plus de sécurité, gain de temps, meilleur environnement, faciliter la prise de décision, améliorer sa santé, … Les différents bénéfices sont indiqués en ordonnées sur la figure ci-dessous.
Les résultats montrent que certains types de données (démographiques par exemple) sont partagées facilement par les utilisateurs quel que soit le contexte; d’autres au contraire sont perçues comme hautement confidentielles et très peu partagées avec des tiers. C’est le cas des données financières, biométriques, sexuelles, génétiques.

partage des données personnelles en fonction des promesses marketing

Propension à partager une catégorie de données personnelles en échange d’un bénéfice marketing (source : Wadle et al. 2019)

Comment lire le graphique ?

Les 17 catégories de données à caractère personnel sont indiquées en abscisse (financial, IDs, …). Les promesses marketing sont en ordonnées (unique, appealing, …). Plus la case à l’intersection d’une catégorie de données et d’une promesse marketing est rouge, moins élevée est la probabilité que l’utilisateur partage ce type de données pour obtenir la promesse marketing.
Quelques exemples concrets :

  • les utilisateurs allemands ne sont quasiment jamais prêts à partager leurs données financières ; la seule (légère) exception est pour l’obtention d’un gain monétaire
  • les utilisateurs allemands sont 60% à être prêts à partager leurs données démographiques quelle que soit la promesse formulée
  • près de 70% des utilisateurs partageraient leurs hobbies et leurs centres d’intérêt (thematic) pour profiter d’une meilleure personnalisation

Conclusions

Les résultats de l’étude présentée ci-dessus permettent aux professionnels du marketing d’identifier clairement comment procéder pour obtenir plus de données de la part des utilisateurs. Garder la confiance des clients est essentiel. Il faut donc utiliser des tactiques précises, chirurgicales même, pour collecter des données utiles dans un cadre légal parfaitement cadenassé.

Sources

  • Miltgen, C. L., & Peyrat-Guillard, D. (2014). Cultural and generational influences on privacy concerns: a qualitative study in seven European countries. European Journal of Information Systems, 23(2), 103-125.
  • Morey, T., Forbath, T., & Schoop, A. (2015). Customer Data: Designing forTransparency and Trust. Horvord Business Review, May, 1.
  • Palmetshofer, W., Semsrott, A., & Alberts, A. (2016). Der Wert persönlicher Daten: Ist Datenhandel der bessere Datenschutz. Veröffentlichungen des Sachverständigenrats für Verbraucherfragen. Berlin: Sachverständigenrat für Verbraucherfragen (SVRV).
  • Roeber, B., Rehse, O., Knorrek, R., & Thomsen, B. (2015). Personal data: how context shapes consumers’ data sharing with organizations from various sectors. Electronic Markets, 25(2), 95-108.
  • Wadle, L. M., Martin, N., & Ziegler, D. (2019, June). Privacy and Personalization: The Trade-off between Data Disclosure and Personalization Benefit. In Adjunct Publication of the 27th Conference on User Modeling, Adaptation and Personalization (pp. 319-324). ACM.

 

Images d’illustration : shutterstock



Publié dans Data et IT, Recherche.

Donnez votre avis

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *