Contexte: Analyse COS pour le marketing 

Europcar Mobility Group est un leader mondial de la mobilité avec 75 ans d’expertise: leur raison d’être est clairement définie dans leur communication :

« We help to change the way you move » est ce que nous représentons et ce qui nous rassemble. Plus que jamais, nous nous engageons à fournir des solutions simples, fluides et innovantes qui rendent la mobilité facile, agréable et écologique. Pour y parvenir, nous proposons aux particuliers et aux entreprises une large gamme de services de location de voitures et de fourgonnettes — pour quelques heures, jours, une semaine, un mois ou plus — en nous appuyant sur une flotte importante et diversifiée.

Nos marques répondent à des besoins, des cas d’usage et des attentes différenciés : Europcar®, un leader de la location de voitures et de véhicules utilitaires légers, Goldcar®, un pionnier de la location de voitures à bas prix en Europe, et Fox-Rent-A-Car®, un acteur majeur du marché américain de la location de voitures avec un positionnement « bon rapport qualité-prix ».

La satisfaction client est au cœur de l’ambition du Groupe et de ses plus de 8 000 employés, partout où nous délivrons nos solutions de mobilité, grâce à un solide réseau dans plus de 130 pays (dont 14 filiales détenues à 100 %, complétées par des franchisés et des partenaires d’alliance).

Dans ce contexte international, Europcar s’appuie sur Qlik comme plateforme centrale d’analyse et de traitement des données. Les équipes marketing et acquisition pilotent régulièrement des campagnes à grande échelle et cherchent à superviser la performance de ces campagnes à travers les différentes agences internationales.

L’objectif est de pouvoir détecter rapidement les variations de performance, comprendre leurs causes et agir rapidement sur les stratégies marketing.

Europcar a donc choisi de s’appuyer sur Datama Compare, intégré sous forme d’extension de visualisation dans Qlik, afin d’analyser plus finement les variations de performance du Cost of Sales (COS).

Cette initiative s’inscrit dans l’action de l’équipe Business Intelligence, qui est fortement concentrée sur l’ajout de valeur pour ses parties prenantes. Cette équipe hautement technique et analytique a pour mission principale de produire des analyses stratégiques et des recommandations data-driven essentielles pour guider la prise de décision.

Approche : structurer et croiser les données

Pour mesurer l’impact réel des campagnes marketing sur le Cost of Sales, les équipes ont cherché à analyser les corrélations entre plusieurs leviers clés :

• l’efficacité des campagnes marketing et acquisition

• la disponibilité de la flotte

• les variations de pricing

L’approche adoptée consiste à construire une équation de marché permettant de décomposer la performance du Cost of Sales (COS) en plusieurs indicateurs opérationnels.

Cette équation modélise le KPI principal Cost of Sales à partir de trois composantes clés :

• CPS (Cost per Shopper)

• SCVR (Shopper Conversion Rate)

• AOV (Average Order Value / panier moyen)

L’intégration de cette équation dans Datama Compare dans Qlik permet aux équipes de monitorer les variations de chaque levier et d’identifier avec précision leur impact sur la performance principale.

Résultats

Intégration dans Qlik

Une fois connecté au dataset préparé, les analyses sont directement exploitables dans Qlik via l’extension Datama Compare, et les variations sur chaque sous-KPI seront automatiquement observées. 

(A noter bien entendu que les données ci dessous sont fictives – vous pouvez retrouver un dataset d’exemple ici)

L’utilisation de Datama Compare dans Qlik est idéale car le rapport est accessible pour les différentes équipes, ce qui permet que les insights soient immédiatement disponibles pour l’ensemble des parties prenantes, y compris pour chacun des pays, avec des filtres appropriés De plus, l’outil Datama se base sur le même modèle de donnée dans Qlik, considéré fiable par toute l’équipe. Les équipes métiers peuvent ainsi explorer les causes des variations sans dépendre systématiquement de l’équipe data pour chaque nouvelle question.