Data / CRM

Savoir maîtriser sa data pour mieux connaître ses fans

La Data, son domaine d’application, son utilisation, son exploitation et son interprétation sont au coeur des problématiques des clubs et fédérations.
Elle est une source à exploiter, mais aussi un outil nécessaire pour une meilleure connaissance de son public et un moyen de mieux adresser ses fans et améliorer leur fan expérience.


Une source de connaissance à exploiter
La data comme source de connaissance de ses fans est un usage répandu aujourd’hui au sein des clubs et des fédérations professionnels.
En effet, ces derniers ont su créer de multiples points de contact leur permettant d’engranger de la donnée client.

Par exemple, les cartes de paiement des clubs, type MYOL (Olympique Lyonnais), permettent de savoir qui consomme quoi, où et à quel comment.
La solution de paiement déployée par le TéFéCé, toujours en foot, via des partenariats avec des boutiques en ville permet également de connaître les habitudes des supporters.
L’avantage pour les clubs et les supporters? Adresser une offre qualifiée et correspondant aux attentes.
Data / CRM sont intimement liés, mais, l’utilisation de la collecte de données sur les supporters pourrait être révisée par le nouveau règlement sur la protection des données (RGPD).


Quel peut-être l’impact du RGPD sur les clubs professionnels?

Aujourd’hui un club de football fonctionne telle une entreprise.
La réglementation sur la protection des données (RGPD) touche l’ensemble des entreprises ayant une rapport / étant en contact avec des données de leurs clients.
En la circonstance, les supporters, mais aussi les joueurs.
Les clubs vont devoir demander les autorisations à leurs supporters pour collecter leurs données personnelles, les stocker, et leur donner les informations nécessaires légales sur la protection de ces données.
Les politiques CRM vont être les premières impactées.
Pour les clubs, connaître leur base de fans, les informer du but dans lequel il collecte de l’info (consentement avec double opt-in), proposer des droits à la consultation, à la modifiait et/ou annulation des données devra être pris en compte.


Data et média: l’exemple de la télé

Les diffuseurs tels que Canal+, beIN Sports abreuvent régulièrement, lors des directs, leurs téléspectateurs de statistiques.
Cette utilisation de la data (des statistiques), qui est la marque de fabrique et le savoir-faire de Canal se fait sur la base de données enregistrées lors des matchs.
Canal est ainsi capable de fournir un grand nombre d’informations à ses abonnés.
Une utilisation des données et des statistiques, qui ont beaucoup évolué, comme nous le prouve l’exemple ci-dessous.

Des statistiques en temps réel:

Data; Statistiques
Image: Canal + Les 1ères statistiques version Canal + au début des années 90
Data; Statistiques
Image Canal + La DataRoom (2016)

L’utilisation des datas stockées permet également d’apporter un éclairage nouveau pour les téléspectateurs ou de mettre en avant des réussites ou actions.

Aujourd’hui, des fournisseurs de statistiques type Whoscorred ou Opta sont des mines d’or pour les médias.
Le prestataire anglais Opta est un des fournisseurs officiels de la chaîne cryptée.

Quel que soit, le prestataire, la valeur ajoutée est toujours d’apporter du contexte à la statistique.
Cédric GRANEL, journaliste de sport à Canal, avait donnée une interview en 2017 dans laquelle il insistait, certes sur l’utilité de ces statistiques, mais aussi sur l’obligation de bien savoir, en amont, à quel public on s’adresse.

« Canal+ en clair est regardé par le grand public. Canal+ en crypté est un public de spécialistes. On ne focalise pas sur les mêmes données. Elles seront plus techniques en crypté, lors de l’émission Data Room ou sur un après-match »

Ces statistiques pointues sont également régulièrement utilisées en tennis.
Nombre de coups droits gagnants, nombre d’aces, plus longs échanges, le fan de tennis et de stats peut tout trouver sur le site https://www.rolandgarros.com/fr-fr/statistics

Là aussi, les statistiques viennent en appui des commentaires sportifs et peuvent être pour les téléspectateurs un bon outil pour mieux comprendre mieux suivre les matchs.
Elle ont, comme observé dans le comparatif plus haut, beaucoup évolué.

Pour en revenir au football et notamment au championnat de France, Canal a développé en 2018, 2 nouveautés pour ses abonnés:

L’expected Goal:

Ces données sont une jauge de l’efficacité des joueurs et équipes devant les buts adverses.
Elle se calcule selon le principe des occasions de buts qui auraient pu ou dû être converties en buts.
En termes d’apport dans l’analyse du match, elles renseignent le téléspectateur sur la performance des joueurs de son équipe.
Cette data est calculée sur la base de critères tels que la distance de frappe, son angle, la situation du joueur sur le terrain.
En septembre, Didier LAHAYE, Directeur adjoint du service des sports de Canal + déclarait:
«Nous entrons dans une nouvelle ère des statistiques dans le football »

L’IPC (Indice de Performances Canal)


Le dernier outil développé en 2018 par les équipes Canal est l’indice de performance.
Au total, c’est plus de 1 500 évènements par match qui sont traités.
Les journalistes concernés par ce projet ont segmenté 350 catégories de statistiques et type d’actions individuelles.
Ces données, ensuite sous-segmentées au joueur, seront traitées pour apporter un nouvel angle d’analyse.
Une note sur 100 pour déterminer la performance du meilleur joueur du match et ensuite commentée à l’antenne.

Toujours sur Canal, la Data Room a été le symbole de l’exploitation de la data portée à son paroxysme. En 2016, l’émission s’impose rapidement comme LA référence en matière de statistiques, un outil pour mieux analyser et mieux comprendre les matchs.

La Data Room:

Créée en 2015, l’émission de Canal décortique un nombre impressionnant de datas pour enrichir l’expérience fans.

Enfin, dernière source d’interprétation de la donnée relative aux matchs: Les nombreux sites internet spécialisés dans le domaine.

Internet:

Ils sont nombreux les sites à avoir soit tout misé sur la data (fourfourtwo, whoscored, Opta; Stats) ou plus généraliste comme celui de la Ligue Nationale de Football (LFP)
Par exemple, la carte de chaleur (ou heatmap) est de plus en plus utilisée afin de matérialiser le comportement d’une équipe ou d’un joueur lorsqu’elle/il a la possession du ballon.

Data, Heatmap
Image WhoScorred

Lors du match de Coupe du Monde, opposant la Belgique eu Panama.

Plus abordable, toujours un outil whoscorred, le live monitor permet de retrouver en quelques chiffres, les principales statistiques du match.

Data; Heatmap
Image WhoScorred

Toujours le match Belgique Panama

Passes, dribbles, pertes de balle, tacles et encore de nombreux autres points de comparaison mis en avant de façon limpide par cet outil.


La data: son exploitation et son interprétation

Avoir de la data, c’est bien, l’exploiter, l’interpréter, c’est mieux, et même préférable.
Devant la puissance des applications, la variété des outils: comment interpréter une data ?
Une équipe qui a 65% de possession de balle a t-elle forcément dominé copieusement son sujet ? Cela ne traduit pas le nombre d’occasions qu’elle s’est procurée en la circonstance.

Une équipe qui effectue beaucoup de tirs peut tout aussi bien n’en cadrer aucun. Cela n’en fera pas une équipe dangereuse pour autant.

Le livre de Gautier STANGRET, ex M.statistiques à Canal + nous apporte justement cet éclairage dans son ouvrage: Le football est-il une science (in)exacte ?
En effet, si elle peuvent servir une analyse, les statistiques fournies par les applications doivent appeler à la prudence, dans l’utilisation que les téléspectateurs en feront.

Il faut, au préalable, avoir une bonne connaissance du sport qui est analysé.

Tennis, rugby, football, quel qu’il soit, la connaissance de son actualité, ses fondamentaux restent la base.
Associer les données, les vérifier, les analyser au regard des situations du match, les considérer dans leur globalité font partie des « basiques » de l’analyse.


Big Data: Comment l’exploiter?

A vrai dire, on parle aujourd’hui même plus de big data que de data.
La faute au volume sans cesse plus conséquent que doivent traiter les services marketing et commerciaux.

Les innovations technologiques tels que les objets connectés, les applications utilisant la géolocalisation, les politiques CRM ne sont que des accélérateurs de ce processus.
Les spécialistes de la question évoquent même, pour évoquer le Big Data:, les « 3 V »
-Volume: Il y a de plus en plus de données à traiter.
-Vitesse: La collecte et l’analyse des Data se font en temps réel.
-Variété: De part leur côté protéiforme.


Le stade (ultime ?): La data prédictive

On l’a vu, la data est globalement à destination des supporters. Mais, elle peut aussi servir les desseins des entraîneurs et ce jusqu’au match: C’est, en sport, souvent, le rôle de la data préditctive.

Récemment, des étudiants de polytechnique se sont penché sur la question.
Ils ont estimé différents scenarii de matchs suivant des critères tels que l’utilisation de la balle, la position des joueurs.
Pour utiliser ces datas de façon prédictive, les trois étudiants ont utilisé un algorithme de Machine Learning.
Tout l’enseignement est tiré de la première partie du championnat de France de ligue 1 (saison 2017-2018).
Lors de ces matchs, ils ont calculé via un modèle mathématique la probabilité de la réussite de l’action suivante de ce dernier en fonction de son positionnement sur le terrain, en fonction des actions passées du joueur sur d’autre match.
Ils estiment que, partant de cela, les entraîneurs sont capables de prendre les meilleurs décisions (statistiques) pendant les matchs et de sélectionner les meilleurs éléments pour tel ou tel match.

En matière de prédiction, l’Intelligence Artificielle (IA) peut également avoir son rôle à jouer.
L’algorithme, qui a effectué les calculs avant le début de la Coupe du Monde 2018, avait prévu une victoire de l’Espagne.

Au moment des 1/4 de finales de la Coupe du Monde, sur les 16 équipes qui étaient à date en 1/8 èmes de finale, 11 avaient bien été pronostiquées soit 68%.
Mais, au final, c’est pourtant bien la France qui a été sacrée championne du monde, alors que l’Espagne était sortie des statistiques..

Pour les clubs, les occasions de collecter de la data sont de plus en plus importantes, les points de contact ayant considérablement crû. La valeur ajoutée va être de savoir collecter ET surtout savoir interpréter ces datas.
C’est à cet effet que de nouveaux métiers, tels que les Data Analyst, se développent.
Une meilleure exploitation de la data sera toujours au bout du compte profitable aux fans, qui seront mieux adressés et au club qui pourront générer des revenus supplémentaires du fait d’un taux de conversion plus important.

 

Laisser un commentaire

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