Le contexte

Des campagnes marketing qui dépendent de données clients fiables, sur plusieurs maisons. Une campagne envoyée à une mauvaise liste coûte cher : budget perdu, image de marque abîmée, et risque de non-conformité au RGPD.

Les enjeux

• Garantir la qualité des données clients avant les campagnes
• Intégrer des données de plusieurs maisons
• Industrialiser les déploiements
• Tenir le run au quotidien

Avant, après

Synthèse qualitative. Les chiffres de la mission figurent dans la section Résultats.

L'architecture

Cliquez sur une étape de la chaîne pour voir son rôle.

Avant d'envoyer : qui peut vraiment recevoir la campagne ?

Choisissez une campagne. Six contrôles s'appliquent dans l'ordre ; coupez-en un pour voir ce qui passerait entre les mailles.

-- Campagne : Lancement d'un parfum (email)
SELECT id, email, pays
FROM `crm.cibles_campagne`
WHERE optin_email = TRUE
  AND REGEXP_CONTAINS(TRIM(email), r'^[^@\s]+@[^@\s]+\.[a-z]{2,}$')
  AND pays IN ('FR', 'BE')
  AND id NOT IN (SELECT id FROM `crm.liste_opposition`)
  AND nb_sollicitations_30j < 3
QUALIFY ROW_NUMBER() OVER (PARTITION BY LOWER(TRIM(email)) ORDER BY maj DESC) = 1

L'approche

1. Développement et optimisation de flux de contrôle qualité et d'intégration
2. Préparation des données d'analyse et de campagnes sur BigQuery
3. Déploiement CI/CD avec Azure DevOps et Git
4. Gestion des tickets (Jira, Selligent)
5. Suivi de run, analyse et correction d'incidents

Les résultats

Ce que le client en dit

[Témoignage à recueillir auprès du client, avec son accord de publication]

Ce que j'en retiens

Missions similaires