Mieux vaut interroger un data analyst marketing sur son quotidien. Il écrit en SQL les ciblages des campagnes, construit des segmentations RFM, suit le réachat par cohorte et mesure ce que rapporte un e-mail ou un SMS. Ses données viennent du CRM, des caisses, du site et de l'application, et ses segments partent vers Salesforce Marketing Cloud, Adobe Campaign, Brevo, Actito ou Splio. On le recrute dans la distribution, l'e-commerce, la banque ou l'assurance, en interne comme en mission d'ESN.
Le CV ne suffit pas à trier. Beaucoup de profils savent produire un tableau de bord Power BI avec des taux d'ouverture, moins nombreux sont ceux qui posent un groupe témoin, définissent un churn sans abonnement ou dédoublonnent une base clients venue de trois canaux. Les ouvertures d'e-mail, gonflées depuis la protection de la confidentialité de Mail d'Apple, servent de test simple. Demandez simplement sur quel indicateur la personne juge une campagne e-mail.
Une demande marketing réelle va du ciblage à la mesure, et l'entretien gagne à suivre le même ordre. Le PDF contient 30 questions sur six axes, un cas de 20 minutes sur une campagne de réactivation et une grille de notation de 1 à 4.
Les logiciels CRM et data qu'un analyste marketing utilise
SQL et entrepôt de données
Le socle du poste. Les données clients, les achats et l'historique des campagnes sont stockés dans BigQuery, Snowflake, Redshift ou une base SQL Server, et le ciblage s'écrit en SQL. Un analyste CRM confirmé manie les fonctions de fenêtre sans hésiter. Commencez l'entretien par là.
Routeurs de campagnes
Salesforce Marketing Cloud, Adobe Campaign, Brevo, Actito, Splio ou HCL Unica envoient les e-mails, SMS et notifications. Le data analyst y pousse ses segments et récupère les retours (envois, clics, désabonnements). Il n'a pas besoin de tous les connaître, la logique reste proche d'un outil à l'autre.
CDP et reverse ETL
Une CDP comme Salesforce Data 360 (anciennement Data Cloud) ou Adobe Real-Time CDP rassemble les profils clients et active des audiences. Certaines équipes gardent plutôt les profils dans l'entrepôt et les envoient aux outils avec Hightouch ou Census. Demandez où vit la définition d'un client dans la stack de la personne.
Python, R ou Dataiku
Pour aller au-delà du SQL : segmentation par clustering, scores d'appétence, prédiction du départ client, estimation de la valeur vie client. Dataiku revient souvent dans les grands groupes, notamment en banque. Python avec pandas et scikit-learn domine ailleurs.
Power BI, Tableau ou Looker Studio
Les outils de restitution, avec les tableaux de bord de performance des campagnes, de réachat par cohorte et de valeur des segments. Le choix suit celui de l'entreprise. Ce qui compte, ce sont les indicateurs retenus, plus que l'outil.
GA4 et mode consentement
Google Analytics 4 mesure le trafic et les conversions du site. Avec le mode consentement de Google, une partie des conversions des visiteurs qui refusent les cookies est modélisée, donc estimée. Un bon profil sait que GA4 ne voit pas tout et compare avec les ventes réelles.
Attribution et mix marketing
L'attribution répartit le mérite d'une vente entre les canaux, et GA4 ne garde plus que le dernier clic et l'attribution basée sur les données. Les modèles de mix marketing, comme Meridian de Google ou Robyn de Meta, estiment l'effet de chaque canal, y compris hors ligne, à partir de séries hebdomadaires. On attend surtout du senior qu'il en connaisse les limites.
RGPD et règles de la CNIL
Le consentement par canal, les désabonnements, Bloctel pour le téléphone et les durées de conservation entrent directement dans les requêtes de ciblage. Une erreur à ce niveau expose l'entreprise à une sanction. Vérifiez que les exclusions sont appliquées systématiquement, pas au cas par cas.
Le poste prend des formes différentes selon l'entreprise. Dans la distribution, le data analyst CRM travaille sur la carte de fidélité, le rapprochement entre achats en magasin et en ligne et la pression commerciale. En e-commerce, il est plus proche de l'acquisition payante et de l'attribution. En banque et en assurance, les ciblages passent souvent par des outils historiques comme Unica et par Dataiku, avec des règles de conformité plus lourdes. Dans une petite structure, il fait aussi le paramétrage du routeur ; chez un grand compte, il travaille avec une équipe de chargés de campagne. La frontière avec le data scientist marketing se situe sur la modélisation, l'analyste restant centré sur le ciblage et la mesure.
Ce qu'un data analyst CRM doit maîtriser techniquement
- Ciblage SQL et qualité de la base clients
- Segmentation RFM et valeur client
- Cohortes, churn et réachat
- Mesure de campagne par groupe témoin
- Attribution et mix marketing
- Consentement et RGPD dans les données CRM
Du ciblage à la mesure d'une campagne, les questions techniques
Chaque question vient avec ce qu'une bonne réponse contient et le signal qui doit vous alerter. Pas besoin d'être technique pour les poser : écoutez si le candidat raconte du vécu.
Question 1 · junior à confirmé
On vous demande une segmentation RFM sur deux millions de clients d'une enseigne. Comment fixez-vous la période d'observation et les seuils ?
Une bonne réponseLa période suit le cycle d'achat du métier : douze ou vingt-quatre mois pour une enseigne de mode, moins pour l'alimentaire. Le montant est calculé net des retours et des annulations. Les seuils viennent des quantiles (quintiles par exemple) ou de règles métier quand la distribution est très asymétrique, avec un traitement à part des très gros clients professionnels. Les combinaisons sont regroupées en une poignée de segments lisibles par le marketing, et la personne vérifie leur taille et la façon dont les clients passent d'un segment à l'autre d'un mois sur l'autre.
Signal d'alerteDes quintiles appliqués mécaniquement sur toute l'histoire du client, sans retirer les retours, et 125 cellules livrées telles quelles au marketing.
Question 2 · confirmé
Une campagne e-mail affiche 4 % de taux de conversion. Comment savez-vous combien de ventes elle a réellement apportées ?
Une bonne réponseAvec un groupe témoin tiré au hasard dans la cible et qui ne reçoit pas le message. L'apport de la campagne est l'écart de conversion ou de chiffre d'affaires entre ciblés et témoins sur la même fenêtre, testé statistiquement, rapporté au coût. Il rappelle que les ouvertures ne sont plus fiables depuis la protection de la confidentialité de Mail d'Apple, qui déclenche le pixel sans action du client, et qu'une partie des clients aurait acheté sans e-mail.
Signal d'alerteAttribuer à la campagne toutes les ventes des destinataires dans les sept jours, ou juger la campagne sur son taux d'ouverture.
Question 3 · confirmé
Le marketing veut un taux de churn mensuel pour une enseigne sans abonnement. Comment définissez-vous un client perdu ?
Une bonne réponseSans résiliation, le départ se déduit d'une absence d'achat. Le seuil se fixe à partir de la distribution des délais entre deux achats, par exemple le délai que 90 % des clients récurrents ne dépassent pas, et il varie selon les segments. La personne vérifie la part de clients considérés comme perdus qui reviennent ensuite, suit le churn par cohorte de premier achat et précise que le chiffre du dernier mois reste provisoire.
Signal d'alerteUn seuil de six mois choisi parce qu'il sonne bien, identique pour un client qui achète chaque semaine et pour un client qui achète une fois par an.
Question 4 · senior
La direction demande quel canal mérite le budget, et le modèle au dernier clic attribue presque tout au search payant. Que proposez-vous ?
Une bonne réponseIl explique que le dernier clic favorise les canaux de fin de parcours, comme le search sur la marque ou l'e-mail de relance. GA4 ne propose plus que le dernier clic et l'attribution basée sur les données depuis 2023, et le refus des cookies laisse des trous dans les parcours. Pour mesurer l'apport réel, des tests d'incrémentalité (zones géographiques coupées, groupes témoins sur les plateformes) et un modèle de mix marketing (Meridian de Google, Robyn de Meta) qui intègre aussi les canaux hors ligne. Il présente le tout comme des fourchettes et pas comme une vérité au centime.
Signal d'alerteRemplacer le dernier clic par un modèle linéaire ou en U et considérer le problème réglé, sans aucune mesure d'incrémentalité.
Question 5 · confirmé
Vous rapprochez les clients du site, des magasins et de l'application. Comment évitez-vous les doublons dans la base CRM ?
Une bonne réponseD'abord des règles déterministes sur des identifiants normalisés : e-mail en minuscules sans espaces, téléphone au format international, numéro de carte de fidélité. Ensuite un rapprochement approché sur nom, prénom et adresse normalisée, avec un score et une revue des cas douteux. Des règles de priorité définissent la fiche maîtresse (source la plus récente, la plus fiable par champ) et une table de liens garde les identifiants d'origine. Le consentement retenu après fusion est le plus restrictif. La personne mesure le taux de doublons avant et après.
Signal d'alerteUn DISTINCT sur le nom et le prénom, ou une fusion qui écrase les consentements de la fiche la plus ancienne.
Recevez la fiche d'entretien complète en PDF
La fiche pour mener l'entretien de bout en bout, prête à imprimer ou à partager avec le manager.
- 30 questions sur 6 axes, avec la bonne réponse, le signal d'alerte et la relance
- Le niveau visé pour chaque question
- Une mise en situation de 20 minutes et ce qu'on attend du candidat
- La grille d'évaluation de 1 à 4, axe par axe
Data analyst CRM ou CRM manager, et la place du RGPD
Quels outils un data analyst CRM doit-il connaître ?
SQL avant tout, sur l'entrepôt de l'entreprise. Ensuite un outil de restitution comme Power BI ou Tableau, et une pratique d'au moins un routeur de campagnes (Salesforce Marketing Cloud, Adobe Campaign, Brevo, Actito, Splio). Python ou Dataiku devient utile dès qu'il faut des scores ou des segmentations avancées. Un profil qui maîtrise un routeur apprend vite les autres, inutile d'exiger le même outil que le vôtre.
Data analyst CRM ou CRM manager : où passe la frontière ?
Le CRM manager conçoit le programme relationnel : scénarios, calendrier, contenus, budget. Le data analyst CRM fournit les ciblages, les segments, les scores et la mesure de chaque action. Dans les petites équipes, une même personne cumule souvent les deux, et l'offre parle alors de chargé CRM. Si vous cherchez avant tout la mesure et la segmentation, mettez le SQL et les groupes témoins au centre de l'entretien.
Le RGPD fait-il partie des sujets à aborder avec ce profil ?
Oui, parce qu'il touche directement ses requêtes. Le data analyst CRM applique le consentement par canal, les désabonnements, les listes d'opposition et les durées de conservation dans chaque ciblage. Il prépare aussi les extractions pour les prestataires. Une question concrète sur un désabonnement de dernière minute ou sur un export pour une agence en dit plus long qu'une récitation des principes du règlement.
Sur quelles données faire travailler un data analyst CRM pendant le test technique ?
Un petit jeu de données fictif de clients, d'achats et d'envois de campagnes suffit. Demandez une segmentation RFM, un tableau de réachat par cohorte, puis la mesure d'une campagne avec son groupe témoin. Une heure en direct, avec commentaire à voix haute, montre la maîtrise du SQL et le raisonnement sur la mesure. Le cas de réactivation proposé dans le PDF peut servir de trame.
Pour structurer vos autres entretiens, consultez aussi nos pages sur les questions d'entretien de recrutement, la méthode de l'entretien structuré et la grille d'évaluation d'entretien.
