Le CEO de Livestorm nous partage sa Stratégie Data
#74 - Le zoom, le podcast avec Gilles et ses ressources préférées
Hello,
Bienvenue dans l’édition #74 de la newsletter DataGen ! 👋
L'agenda de la semaine :
📆 Événement sur les stratégies data en startup
🔍 Zoom sur la stratégie data de Livestorm
🎙 Le podcast avec Gilles, CEO de Livestorm
📚 Les ressources recommandées par Gilles
C’est parti !
📆 Événement sur les Stratégies Data en Startup
Je donne une conférence au Startup Data Roadshow organisé par Rivery et AWS le 20 juin dans les bureaux d’AWS sur le thème “Stratégie Data en Startup”.
Je reviendrai sur les chantiers principaux à ne pas rater : recrutement, Modern Data Stack, Self-Service, spécialisation, fiabilité…
Le contenu est inspiré de mes échanges avec 100+ leaders data de startups.
Je resterai également pour le cocktail si vous souhaitez échanger sur le sujet, ce sera l’occasion de se rencontrer. 🤗
Lien pour s’inscrire : ici
🔍 Zoom sur la Stratégie Data de Livestorm
Ce zoom est tiré de mon échange avec Gilles Bertaux, cofondateur et CEO de Livestorm, la plateforme pour organiser des webinars qui est aujourd’hui leader en Europe. Ils ont levé 30 millions de $ en 2020, comptent +4000 clients et sont aujourd’hui rentables.
Les prémices de la data chez Livestorm
Au tout début, Gilles et son équipe mettent en place Segment et Amplitude pour tracker les événements du produit Livestorm et en savoir plus sur leurs utilisateurs (ex : quels types de profils souscrivent au service ?)
Dans un 2nd temps, ils branchent d’autres outils sur Segment afin d’automatiser une partie de leurs tâches (ex : l’outil Customer.io qui envoie des mails d’onboarding automatiquement aux clients après leur souscription grâce aux données collectées via Segment).
“C’est hyper important d’avoir un tracking très propre afin de pouvoir automatiser ce type de process. Le tracking est resté sous mon ownership pendant les 6 premières années.”
Pourquoi mettre en place une stack data ?
Au bout d’un moment, des silos de données se créent chez Livestorm pour plusieurs raisons :
1) Ils adressent des clients plus gros qui imposent des modes de transaction qui leurs sont propres (ex : QuickBooks, Chargebee).
2) Leur produit évolue générant des données produit propres à de la donnée de production qui ne sont pas incluses dans leur tracking (ex : des logs d'API).
Le problème, c’est qu’avec les outils actuels, les données de ces différents silos ne peuvent pas être croisées et ils ne parviennent pas à mener certaines analyses.
“Par exemple, on avait voulu savoir quel était le quota d’usage d’API d’un client versus une autre cohorte. C’était impossible car on essayait de croiser des données de production et de souscription. Tu peux bidouiller des trucs mais c’est pas terrible.”
La stack data de Livestorm aujourd’hui
Rapidement, ils décident de mettre en place une stack data plus robuste pour centraliser les données et supprimer les silos :
- Tracking : Segment
- Ingestion : Stitch, Fivetran, Airbyte
- Data Warehouse : Snowflake
- Business Intelligence : Looker
- Reverse-ETL : Hightouch
“On a recruté un Data Engineer qui est venu mettre en place la stack. Dans un second temps, on a recruté un Data Analyst pour venir construire les dashboards sur Looker.”
L’impact de la data sur leur Business : +10 points de marge
Long story short : la stack a permis à Livestorm de changer leur modèle de pricing et d’augmenter leur marge de 80 à 90%.
“On est passé d’un modèle à la licence vers un modèle à l’usage.”
J’explique :
Initialement, ils souhaitaient opérer ce changement de pricing parce qu’ils avaient pour hypothèse que ça serait plus aligné avec les besoins des clients et aurait un impact positif sur leur marge.
Ils ont utilisé la stack data pour mener de nombreuses analyses issues du croisement de toutes leurs données afin de valider ces hypothèses.
“On a pu brancher des données financières, de revenu, de production, d’usage… et on a vu qu’on passerait de 80 à 90% de marge. Cette capacité à enboxer complètement le Business, c’était incroyable.”
Au bout de 6 mois à modéliser et tester tous les cas de figure, ils décident sereinement de passer le pas et de changer le modèle de pricing.
“On aurait jamais pu le faire sans la stack parce qu'il y avait des données qu’on n’aurait pas réussi à extraire car elles étaient trop profondes dans les API par exemple.”
🎙 Le podcast avec Gilles, CEO de Livestorm
On aborde également :
L’orga de l’équipe Data aujourd’hui
Les prochaines étapes pour l’équipe Data
La place des GenAI chez Livestorm
Les plus gros challenges data d’un CEO
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify | Deezer
“Le 1er challenge, c’est de mitiger le coût car tu peux vite dépenser une fortune avec les outils data. Le 2nd, c’est de maintenir un haut niveau de confiance dans la donnée produite.”
📚 Les ressources recommandées par Gilles
La newsletter de Kyle Poyar sur les stratégies Go-to-Market
“Par exemple, il a écrit un article récemment sur comment mesurer correctement sa LTV (Lifetime Value). Il y détaille les biais de calcul que l’on peut avoir et donne des conseils pour être plus strict.”
La marketplace ModernDataStack
“Pour monter en compétence sur la data, j’ai écumé tous les outils. Comme j’étais néophyte, ça m’a permis de comprendre rapidement les différentes briques data, le positionnement de chaque outil, comment ils sont utilisés…”
👋 DataGen, c’est aussi un Collectif de freelances data issus des plus belles boîtes
Grâce au podcast, on a fédéré les meilleurs freelances data du marché.
Si tu as un projet data, on a l'équipe qu'il te faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.
En savoir plus : ici