<aside> 📌
Document initial ici https://taniasaezconsulting.app/ICP/luxurynsight
Ce nouveau document répresente une version plus approfondie à travailler/peaufiner par les équipes de Luxurynsight
</aside>
La machine de farming est un système et process structuré de collecte et de croisement d’informations sur les clients existants pour savoir où agir entre le CX et AM.
L’idée centrale de ta machine de farming est simple : ne pas attendre qu’une opportunité de cross-sell apparaisse ; organiser la collecte de signaux qui permettent de la détecter.
Adeline a déjà mis en place une machine de farming avec des objectifs churn. La clé est de pouvoir capitaliser sur ces process en interne et le nourrir avec d’autres actions de recherche de compte que Nico fait (recherche info sur des rapports Nasdaq…)
| Levier | Ce qu’on observe | Source |
|---|---|---|
| 1. La data — Ce qui se passe | • Qui utilise quoi : produits, modules, contenus • Combien, à quelle fréquence et depuis quand • Fonctionnalités et contenus les plus utilisés • Évolution des usages : pics, baisse d’activité, nouvelles équipes… | Usage plateforme / signaux quantitatifs • Analytics / back-office • Logs de connexion • Données produit |
| 2. Les conversations — Pourquoi ça se passe | • Objectifs, workflows et cas d’usage • Équipes impliquées et nouveaux interlocuteurs • Besoins émergents et projets à venir • Priorités, irritants et besoins non couverts | Informations qualitatives • Calls réguliers AM / CX • Réunions client • Feedbacks • Notes et comptes rendus |
| 3. La recherche — Ce qui change autour du compte. Nico le fait déjà | • Nouvelles lignes de produits • Nouveaux marchés / expansion géographique • Investissements, partenariats, acquisitions • Changements d’organisation ou de stratégie • Performance et actualités clés | Informations publiques / signaux externes • Rapports financiers / earnings calls • Communiqués de presse • Actualités / études marché • Réseaux sociaux / sites corporate |
Logique de la machine :
DATA + CONVERSATIONS + RECHERCHE → compréhension du compte → signaux d’opportunité ou de risque → actions AM + CX
Les trois sources se complètent :
La data détecte. La conversation explique. La recherche anticipe.
Prenons un client fictif de type New Balance :
| Étape | Signal détecté | Ce qu’on apprend |
|---|---|---|
| 📊 Data | Plusieurs nouveaux utilisateurs asiatiques commencent à utiliser intensivement Trends. | Quelque chose change dans l’usage du compte. |
| 💬 Questions →Conversation | En call, on pose des questions pour découvrir le niveau d’ancarge et d’étendue du process. Le Japon / Corée sont aussi dans le workflow. Voici les questions identifiées. | On comprend pourquoi l’usage évolue et on identifie un besoin concret. |
| 🔎 Recherche | Les communications publiques de l’entreprise montrent que l’Asie est une zone de développement stratégique. | Le besoin n’est probablement pas ponctuel : il s’inscrit dans une dynamique business plus large. |
| 🎯 Action AM + CX | Élargir l’accès aux marchés Japon / Corée et identifier les autres équipes concernées. | Opportunité d’expansion qualifiée. |
Sans cette mécanique, l’AM attend souvent que le client dise :
« J’ai besoin de quelque chose d’autre. »
Avec la machine de farming, AM + CX cherchent activement les indices permettant d’ouvrir la conversation avant que le besoin soit explicitement formulé.
Donc je définirais ton système ainsi :
Une machine de farming est une routine AM + CX qui croise les signaux d’usage, les informations récoltées en conversation en posant les bonnes questions et les signaux business externes pour détecter plus tôt les risques et les opportunités d’expansion, puis déclencher la bonne action sur chaque compte.
DATA → ce qui se passe
CONVERSATIONS → pourquoi ça se passe