Temps de lecture : 4 minutes

Une Customer Data Platform (CDP) unifie les données des clients provenant de chaque canal numérique géré par un concessionnaire : le site web, le téléphone, les formulaires, les réseaux sociaux, l'email et les campagnes marketing. Des systèmes comme le DMS alimentent le même profil au moyen d'intégrations dédiées, qui appartiennent à un niveau distinct de l'architecture. La CDP ramène les enregistrements fragmentés que ces sources conservent à un profil unique par client, de référence et mis à jour en continu, et transforme ce profil en la base sur laquelle opèrent la segmentation, les campagnes et le raisonnement sur lequel travaille l'AI. Dans la distribution automobile, où une même personne peut se voir rattacher de multiples données qui vivent dans des systèmes séparés, cette unification est la condition nécessaire qui rend plus précis chaque investissement en aval.

Cet article explique comment fonctionne une CDP : comment elle reconnaît le même client entre des systèmes différents, ce que signifie connaître un client à 360° et ce qui change au niveau opérationnel une fois qu'elle existe.

Un client, sept profils différents

Prenons un scénario qui semblera familier à beaucoup. Un client existe sept fois dans la base de données. Un vendeur le recherche, trouve six enregistrements aux détails légèrement différents et, ne sachant pas lequel est le plus à jour, en crée un septième. Le marketing envoie trois emails à la même personne, à partir de trois adresses différentes. Le BDC ouvre le mauvais enregistrement et mène la conversation avec une fraction de l'historique disponible.

Le comportement de chaque opérateur, dans ce scénario, est raisonnable. Le problème est structurel : chaque système qui entre en contact avec le client crée et conserve son propre enregistrement, avec ses propres identifiants, et les systèmes ne partagent aucune définition de qui est cette personne. Un client qui a acheté un véhicule il y a trois ans, l'a amené deux fois en service, a répondu à une campagne email et a envoyé un nouveau lead cette semaine peut exister dans quatre systèmes séparés avec des informations légèrement différentes entre elles, et chaque fonction qui agit sur lui agit sur une vue partielle.

C'est le problème spécifique qu'une Customer Data Platform est conçue pour résoudre, et elle le résout au niveau où le problème se situe : l'identité.

Comment fonctionne la résolution d'identité

Le cœur technique d'une CDP est ce que l'on appelle la résolution d'identité : le processus qui reconnaît des enregistrements fragmentés dans des systèmes différents correspondant à la même personne et les réunit sous un profil unique.

Le mécanisme repose sur des signatures composites. Chaque enregistrement porte avec lui des identifiants : une adresse email, un numéro de téléphone, un code fiscal, un nom. La CDP traite chaque identifiant comme une empreinte et met en correspondance les enregistrements qui les partagent, en tenant compte de la variation naturelle que ces détails accumulent au fil des ans : un nom orthographié différemment, un email personnel dans un système et un email professionnel dans un autre, un téléphone fixe dans une plateforme et un numéro de mobile dans le logiciel de call tracking.

La correspondance fonctionne aussi de façon transitive. Si l'enregistrement A partage un numéro de téléphone avec l'enregistrement B, et que l'enregistrement B partage un code fiscal avec l'enregistrement C, alors A, B et C décrivent la même personne, même si A et C n'ont aucun identifiant en commun. Cette logique transitive est ce qui permet à la résolution de traverser des canaux qui n'ont jamais échangé de données de façon directe : un formulaire envoyé sur le site, un contact atteint par une campagne email et une interaction téléphonique convergent vers un profil unique à travers la chaîne d'identifiants qui les relie.

La même logique s'étend aux visiteurs qui ne se sont pas encore identifiés. Une personne qui navigue sur le site de façon anonyme produit des données comportementales : les pages de véhicules consultées, la fréquence à laquelle elle revient, la simulation de financement effectuée. Le fingerprinting suit cette activité et, au moment où le visiteur envoie un formulaire, tout l'historique anonyme se rattache au profil qui vient d'être identifié. Le lead qui arrive est accompagné de semaines de contexte. Un client potentiel qui a demandé un devis pour un SUV neuf puis est revenu regarder des véhicules d'occasion dans la même gamme de prix signale la recherche d'un compromis, et le conseiller commercial qui ouvre ce lead peut le voir.

Ce que signifie disposer d'informations complètes et unifiées sur un client

Une fois les identités résolues, le profil peut répondre à quatre questions sur chaque individu présent dans la base de données. Ces quatre dimensions définissent ce que la connaissance du client doit contenir avant que l'intelligence puisse raisonner sur elle de façon fiable.

Qui est cette personne ? Un enregistrement de référence, réconcilié entre tous les systèmes connectés, mis à jour en continu par chaque interaction. Le vendeur qui effectue la recherche trouve un seul résultat, et il est à jour.

Qu'a-t-il acheté ? L'historique complet des transactions : véhicules, contrats, interventions de service, financements, tirés du DMS là où l'intégration dédiée correspondante est en place. Cette dimension longitudinale établit à quel point du cycle d'ownership se trouve le client et quelle a été la relation commerciale.

Comment se comporte-t-il ? Pages consultées sur le site, formulaires envoyés, emails ouverts, interactions avec les campagnes, appels passés, touchpoints sur les réseaux sociaux. C'est la couche de signal que la plupart des systèmes legacy ignorent totalement, et celle qui transforme un enregistrement statique en un indicateur actif d'intention.

Quel est le bon moment ? Des signaux prédictifs qui émergent avant que l'intention ne soit déclarée. Un client qui ne s'est pas rendu à l'atelier depuis vingt-quatre mois envoie un signal de churn. Un contrat de leasing qui arrive à échéance dans quatre mois ouvre une fenêtre de décision. Sept visites à la même page véhicule en deux semaines expriment une intention sur laquelle l'équipe commerciale devrait agir. Le timing comportemental compte aussi : un client dont l'activité sur le site atteint son pic pendant la pause déjeuner indique à l'organisation quand un appel le trouvera disponible.

Répondre à ces questions, en temps réel, change la texture du travail quotidien. Si ce client a souscrit une extension de garantie, quels leads n'ont pas reçu de devis au cours des trente derniers jours, quelles communications ont été envoyées à cette personne : chacune de ces réponses devient une réponse immédiate lue depuis le profil, qui restitue des informations complètes permettant d'identifier la prochaine action nécessaire.

Du profil à l'action

Un profil unifié crée de la valeur lorsqu'il est activé, et l'activation commence par la segmentation.

Une CDP conçue pour l'ère de l'AI permet de définir les segments en langage naturel. Deux exemples de requêtes réelles : « clients ayant envoyé un lead pour une Volkswagen, ayant navigué sur le site et n'ayant pas encore acheté » ; « clients avec un lead non abouti depuis plus de trente jours et ayant visité le site au cours des sept derniers jours ». Chaque requête renvoie un segment live, construit sur des identités résolues et des données comportementales à jour, prêt à être orienté vers de l'analyse, des audiences de retargeting ou des campagnes automatisées.

La taille du segment détermine ensuite le canal. Un segment à forte intention de treize personnes justifie un appel direct du BDC ou du conseiller commercial, un par un. Un segment de 3 742 personnes se prête à l'outil de marketing automation : email, SMS, tâches automatiques. Un segment de 14 752 alimente les audiences de retargeting sur Google et Meta. La même infrastructure sert les trois échelles, et le profil derrière chaque contact porte avec lui tout le contexte, indépendamment du canal qui l'atteint.

La valeur devient concrète à l'échelle d'une seule campagne. Prenons un email envoyé à 3 742 destinataires : 749 ouvertures, 150 clics et, à travers le prisme traditionnel, trois envois de formulaire à traiter comme des leads. Une CDP identifie les personnes derrière ces 150 clics, car chaque clic appartient à un profil résolu. La campagne fait émerger 147 clients potentiels supplémentaires : des personnes qui ont exprimé un intérêt, visibles et joignables, accompagnées de tout l'historique de navigation qui explique ce qui les intéressait.

Un asset qui croît avec le temps

Une CDP suit une courbe différente de celle de la plupart des outils technologiques : sa valeur croît avec le temps. Le premier jour, elle se met en route et commence à collecter. En l'espace de quelques mois, comportements de navigation, leads et réponses aux campagnes s'accumulent sur les profils résolus. Les segments s'enrichissent, les patterns deviennent visibles et les prévisions s'améliorent parce que les modèles qui les génèrent sont entraînés sur des enregistrements complets.

Cette capitalisation progressive est la raison stratégique pour laquelle ce niveau compte au-delà de sa commodité opérationnelle. L'intelligence disponible sur le marché est à la portée de tout concurrent, mais le contexte est et reste propriétaire : la manière dont les clients interagissent avec une entreprise donnée (ses pages vues, ses leads, ses appels, son historique) appartient à cette seule entité. Une CDP bien alimentée convertit ce contexte en un asset opérationnel, et chaque interaction bien gérée y ajoute quelque chose. Le contexte se construit par la discipline opérationnelle, une information à la fois, et c'est la partie de la stratégie AI qui peut créer le plus de valeur.