Marketing et Ventes
Améliorer le ciblage commercial grâce à l’enrichissement des données
Dans l’industrie pharmaceutique, les équipes commerciales travaillent souvent avec des données clients incomplètes, ce qui limite leur capacité à atteindre les bons professionnels de santé. Agilytic a accompagné un grand laboratoire pharmaceutique pour enrichir sa base de données clients, offrant ainsi une vision plus détaillée des médecins généralistes et spécialistes en Belgique.
Pour protéger la confidentialité, nous pouvons modifier certains détails tout en préservant l'essence de notre contribution principale.
Contexte & objectifs
La base de données du laboratoire manquait de profondeur pour segmenter efficacement les médecins en Belgique. Sans données fiables et détaillées, l’entreprise ne pouvait ni personnaliser ses campagnes ni allouer ses ressources commerciales de manière optimale.
Les objectifs du projet étaient clairs :
collecter des données publiques sur les professionnels de santé ;
consolider ces informations avec les données existantes ;
renforcer la connaissance client pour un ciblage plus précis.
Démarche
1. Évaluation des sources
En collaboration avec les équipes marketing et opérationnelles, nous avons identifié les sources publiques les plus pertinentes et évalué leur potentiel pour le scraping.
2. Collecte des données
Nous avons utilisé des techniques de web scraping pour récupérer des données ouvertes sur les médecins depuis plusieurs sources :
INAMI (base de données nationale belge de l’assurance maladie) ;
résultats Google (via une API SERP) ;
profils LinkedIn (collectés avec PhantomBuster) ;
plateformes de prise de rendez-vous.
L’ensemble du processus a été développé en Python, garantissant une réplicabilité pour les mises à jour futures.
3. Consolidation et livraison
Les données collectées ont été nettoyées et fusionnées avec la base existante, puis livrées sous forme d’un fichier Excel prêt pour l’analyse.
Résultats
Le projet a été mené en moins d’un mois et a permis de livrer :
une base de données consolidée, enrichie avec toutes les données scrapées ;
un dictionnaire de données détaillant chaque colonne et caractéristique ;
une documentation complète de la méthodologie et du code Python ;
un rapport synthétique sur l’approche adoptée.
Le travail d'enrichissement de données a permis de passer de 13 à 40 attributs par médecin, sur des dizaines de milliers de profils et 7 sources de données. L'équipe commerciale dispose désormais d'une meilleure connaissance client, lui permettant d’identifier les prochaines étapes à suivre pour augmenter la rétention et le potentiel commercial.
Pour garantir la confidentialité, nous modifions parfois certains détails dans nos études de cas.