Comment les équipes PMM et Growth de Snowflake créent des campagnes avec l’IA

Introduction de la série : Bienvenue sur AI Blueprint for Go-To-Market, une série de cinq vidéos où les équipes marketing et commerciales de Snowflake montrent comment elles utilisent l’IA au quotidien. Pas de promesses exagérées. Juste ce qui fonctionne, et ce qui ne fonctionne pas encore.

Nicola : Bonjour, je suis Nicola. Chez Snowflake, je dirige le marketing produit sectoriel en EMEA. Je définis le positionnement et les messages qui portent la vision de l’IA de Snowflake. Je travaille aussi en étroite collaboration avec les équipes commerciales, génération de demande et produit. Mon objectif : garantir un discours cohérent, crédible et adapté aux marchés ciblés.

Margaux : Je suis Margaux. Je dirige l’équipe génération de demande EMEA chez Snowflake. Mon équipe conçoit des campagnes entièrement intégrées pour renforcer notre notoriété et créer des opportunités commerciales. Pour élaborer ces campagnes, nous devons connaître notre clientèle, notre stratégie marketing et commerciale et le positionnement de nos produits. C’est pour cela que Nicola et moi avons souhaité intervenir ensemble aujourd’hui. Ces campagnes donnent leur pleine mesure lorsque marketing produit et génération de demande avancent de concert. L’IA a transformé notre façon de collaborer depuis deux ans. Oui, tout à fait.

Nicola : Pour mesurer le chemin parcouru, rappelons-nous comment on travaillait. C’était vraiment très lent. Il me fallait deux semaines pour définir le positionnement pour une audience. Il fallait saisir les nuances propres à un CFO des services financiers ou à une responsable marketing ciblant les consommateurs : leurs contraintes, leur vocabulaire, leurs préoccupations… C’était très difficile. Au marketing produit EMEA, je devais couvrir des dizaines de marchés, de secteurs et de personas. Impossible donc d'atteindre la précision requise pour chacun. Plus on s’éloignait des cibles prioritaires, plus le message perdait en précision. On finissait par choisir une formule générique pour convenir à tous, en espérant faire mouche. Je rédigeais ensuite le brief et le transmettais à ton équipe.

Margaux : Et, soyons honnêtes, on avançait souvent à l’intuition, des deux côtés, d’ailleurs. Vous tentiez de deviner quel message trouverait un écho sur un marché donné. De mon côté, je cherchais à déterminer les segments à cibler. Les données sur les campagnes qui avaient vraiment fonctionné étaient réparties entre cinq outils qui ne communiquaient pas entre eux. Quand le brief arrivait enfin dans mon équipe, il fallait l’interpréter, puis le décliner par canal et par cible. Cela prenait des semaines. D’où un décalage constant entre marketing produit et génération de demande.

Nicola : Souvent, on se fiait au souvenir des succès de l'année précédente. Franchement, on ne peut pas appeler ça une stratégie, non ? Non, en effet.

Margaux : Ce qui a changé, c’est qu’on travaille désormais à partir d’un socle commun. Tout est centralisé dans Snowflake, des données d’intention aux performances des campagnes passées. On ne se transmet plus un brief statique d’une équipe à l’autre.

Nicola : Notre planification marketing et commerciale trimestrielle en est le meilleur exemple. C’est là qu’on choisit les campagnes à lancer, les audiences et les marchés à cibler. Surtout, je ne travaille plus seule dans mon coin avant de tout te transmettre. J’apporte le contexte : les personas ciblés, les signaux des équipes commerciales et du marketing terrain, ainsi que les priorités du trimestre et leurs raisons. CoCo extrait ensuite de Snowflake | toutes les données nécessaires : les réponses par région, le pipeline, les gains et pertes face à nos concurrents. Cela alimente un premier jet étayé par des données concrètes. On ne part plus d’une page blanche. En résumé, je suis passée de la recherche au travail éditorial. Et tu vois le travail prendre forme en temps réel, avant que tout soit figé.

Margaux : C’est un vrai progrès : je n’ai plus à reconstituer tes intentions après coup. On construit désormais la même chose, ensemble, au même moment. C’est stimulant.

Nicola : Voyons concrètement comment on construirait une campagne aujourd’hui. Imaginons cibler les CMO du retail et des biens de consommation en Allemagne. Je définis le persona, la région et l’angle produit à adopter. Les données sont déjà disponibles : j’obtiens une proposition de positionnement adaptée aux priorités réelles de ce CMO. Par exemple : unifier les données clients des canaux en ligne et des magasins, prouver le ROI marketing au conseil d’administration, et proposer des variantes de message à évaluer ensuite. Mon rôle est donc de réagir, d’affiner et de renforcer le message, sans repartir de zéro.

Margaux : Mais ne survendons pas cette approche : ce n’est pas de la magie. Les outils d’IA comme CoCo et CoWork excellent dans les premiers 80 % du travail : la recherche, la structure et les différentes variantes. Mais qu’en est-il des 20 % restants ?

Nicola : Ces 20 % restent entièrement entre nos mains. La voix de la marque, l’analyse d’un marché sensible ou un pari créatif audacieux relèvent de notre jugement. Par nature, l’IA joue la prudence. C’est exactement ce qu’on attend d’elle. Elle s’appuie sur les données existantes. C’est là que notre discernement collectif intervient. L’IA connaît mal le travail de nos équipes terrain. Elle ne peut pas deviner qu’une recommandation logique sur le papier peut échouer dans la pratique. Ce savoir repose sur des années d’expérience et une connaissance fine de l’entreprise. C’est pourquoi l’intervention humaine est indispensable. C’est tout l’enjeu. L’outil nous épargne le travail ingrat. On peut ainsi se concentrer sur le travail créatif et stratégique qu’on veut vraiment accomplir, celui qui fait la différence.

Margaux : Voilà pourquoi la collaboration compte encore plus aujourd’hui, et non moins. L’outil relève le niveau. Mais ton jugement et ma compréhension de la demande font passer d’un bon résultat à un excellent résultat.

Nicola : Il a aussi fallu du temps pour expérimenter. Franchement, nos premières campagnes conçues ensemble étaient loin d’être parfaites. Le ton était parfois mal choisi. Certains résultats rataient complètement la cible.

Margaux : Dans bien des organisations, l’expérience s’arrête là. Il suffit qu’une personne voie un mauvais résultat pour dire : « L’IA ne marche pas ». Ce qui nous a aidées, c’est une direction qui nous a donné la confiance nécessaire pour créer, tester et tâtonner, le temps de comprendre ce qu’étaient de bonnes données d’entrée. Cette culture fonctionne parce qu’on accepte vraiment d’intervenir dans les étapes du travail de l’autre et d’apprendre l’une de l’autre.

Nicola : C’est très juste. Le déclic est venu quand on a effacé les frontières et fait collaborer nos équipes. La technologie ne suffisait pas : il fallait de la confiance. Pour les données, une règle : aucun chiffre dans une campagne sans vérification par une personne, à partir d’une source fiable. L’outil fait le travail ingrat : compiler les recherches, structurer un brief et ébaucher le positionnement.

Margaux : Exactement. J’applique le même principe aux chiffres. Cette confiance dans les résultats est essentielle pour tirer le meilleur de l’IA. Tu le sais, on utilise diverses compétences dans CoCo, selon les rôles marketing. Ta compétence de marketing produit sert à créer des variantes de message fidèles au ton de la marque. La mienne, en génération de demande, analyse les indicateurs de mes campagnes sur le funnel. J’ai aussi fait des retours aux équipes pour améliorer cette compétence et l’adapter à mon travail. Plus on entraîne l’IA avec nos contributions, plus elle s’améliore. On peut ainsi faire davantage confiance aux résultats qu’elle produit pour nos cas d’usage. L’outil ébauche, mais on reste toutes deux responsables de tout ce qui est publié sous notre nom. Si je devais citer la compétence essentielle, ce ne serait pas une compétence technique. Toute l’équipe a adopté les outils en deux semaines. C’est formidable. Pas seulement les pros du marketing à l’aise avec la technologie. Avec Snowflake CoWork, on peut interroger ses données en langage naturel et les explorer davantage, sans aucune compétence technique. Pour moi, l’essentiel est de savoir à quel signal se fier et quel segment un message peut vraiment convaincre. C’est une intuition de la demande qui se forge avec l’expérience, non ? Et pour toi, quelle est la compétence la plus précieuse ?

Nicola : Pour moi, c’est assez proche. C’est le discernement éditorial, quand un message peut se formuler de plusieurs façons. Je sais très vite quelle formule convient à un marché plutôt qu’à un autre. C’est tout le truc. Beaucoup pensent qu’il faut avant tout savoir formuler des prompts pour l’IA, maîtriser le prompt engineering. Je n’en suis pas si sûre. L’essentiel, c’est de reconnaître la bonne réponse. Ce discernement exige des années d’expérience du métier. Il y a deux ans, j’aurais pourtant parié le contraire.

Margaux : C'était l'un des aspects de notre guide. Cette série traite de la création de campagnes, du mix digital, du ciblage des comptes, des prévisions et de la personnalisation commerciale. La suite au prochain épisode. Si vous souhaitez tester nos solutions avec vos propres données, cliquez sur le lien ci-dessous.