5. François Fillette
Co-founder & CEO
Marin Lévesque
Co-founder & COO
General Manager @Ironhack France (Paris, FR)
VP Strategy & Business @CodinGame (San Francisco, USA)
Co-fondateur & COO @Lookies (Paris, FR)
Investor @Wincubator (Berlin, ALL)
Finance Manager @Glispa (Berlin, ALL)
Co-fondateur & Business Development @Languiz (Paris, FR)
6. En 2018 dans le Digital, les métiers
Sales & Business Development
représentent la 40% des offres
d’emploi ouvertes.
Mais, en face, il manque 100 000 profils
commerciaux B2B rien qu’en France. Il est
temps de s’attaquer à cette pénurie de talents.
Sources:
Etude Dirigeants Commerciaux de France (DCF), 2017
7. LA 1ÈRE ECOLE SALES & BUSINESS DEVELOPMENT DU DIGITAL
🚀 9 SEMAINES - DANS NOS LOCAUX - EMBAUCHE OU REMBOURSE 🚀
8. 20 A 40 ANS. ANIME(E)S PAR LE CHALLENGE. DIGITAL-FIRST.
LES ELEVES
Jeune diplômé
(master, bachelor, DUT, BTS)
Ingénieurs & développeurs
(reconversion ou non)
Consultants
(stratégie, opérations, management)
Sales/commercial en poste
(Immobilier, Automobile, Retail, etc.)
Profil atypique
(sportif, militaire, artiste, etc.)
Décrocher un job de Sales ou
Business Developer dans le Digital
ou
Lancer une startup / une activité
B2B dans le Digital
🎓
📄
🚴
🔭
🎱
11. 30+ PROFESSIONNELS DU SALES & BUSINESS DEVELOPMENT
LES INTERVENANTS
Daniel Nathan
CEO @BidMotion
Alexis Robert
Tech Partner @KimaVentures
Pascal Tawfik
Head of Sales @1000Mercis
Victoire Mulliez
Corporate Sales @iBanFirst
Maxime Bouchet
Account Exec. @HIRED
Bastien Marduel
Sales Ops Manager @Algolia
Richard Coigneau
EVP Sales @LinkedIn
Alexis Christine-Amara
Head of Sales @CodinGame
13. 2 CHOIX POSSIBLES
LES OPPORTUNITES
Kickoff Week
SDR / BDR
Business Developer
Account Manager
etc.
Création et développement
d’une startup ou activité
digitale B2B depuis zéro
ENTREPRENEURBUSINESS DEVELOPER
16. A growth hacker is a person whose true
north is growth. Everything they do is
scrutinized by its potential impact
on scalable growth. Is positioning
important? Only if a case can be
made that it is important for
driving sustainable growth.
Sean Ellis
Founder & CEO @GrowthHackers
18. Améliorer la performance à chacune des étapes du funnel B2B
Business Dev.-Demand Gen., Sales & Customer Success
pour maximiser la génération de revenus
à échelle et à long terme
Growth Hacking B2B
=
24. Le Funnel Sales B2B
Objectifs par étape
Maximiser le reach
dans votre/vos marché(s)
Maximiser la conversion
de leads à clients
Maximiser la CLV
directe & indirecte
35. “Automation is a veritable
mindset that can sometimes
makes all the difference
between one entrepreneur’s
execution and another’s”
Julien Le Coupanec, Growth Hacker
36. Intro
Quand utiliser le scraping & l’automatisation ?
✓ Pour extraire de larges sets de données depuis des pages Web
✓ Pour créer des listes de leads ciblés pour du Business Development
✓ Pour automatiser l’export/l’extraction de données
38. Intro
Quand ne pas utiliser le scraping & l’automatisation ?
✦ Est-ce vraiment rentable d’automatiser cette tâche ?
✦ La donnée à récupérer existe-t-elle ?
✦ La donnée à récupérer est-elle pertinente ?
47. Intro
7 - Matchez l’email avec une des combinaisons possibles
prénom+nom@hotmail.com
prénom.nom@hotmail.com
première lettre du prenom.nom@hotmail.com
etc.
48. Intro
7 - Matchez l’email avec une des combinaisons possibles
Prénom : Daniel (longueur = 6)
Nom de famille : Benoilid (longueur = 8)
b******d@hotmail.com a une longueur de 8, commence par « b » et finit par « d »
>>> b******d@hotmail.com = benoilid@hotmail.com
50. Intro
6 bis - Récupérez un indice sur le pattern d’adresse email
51. Intro
7 bis - Récupérez un indice sur le pattern d’adresse email
Prénom : David (longueur = 5)
Nom de famille : Lakomski (longueur = 8)
d************i@gmail.com a une longueur de 14, commence par « d » et finit par « i »
>>> d************i@gmail.com = david.lakomski@gmail.com
53. Intro
Mais il y a un mais…
Contre-exemple : aucune combinaison ne semble suivre le pattern d’email :(
54. Intro
La conclusion de ce court exemple
Pensez toujours à déterminer le bénéfice d’une expérimentation
avant de penser à l’automatiser !
En utilisant la méthode précédente,
si vous ne parvenez à trouver que 10 emails valides sur 100 essayés,
est-ce que cela en vaut la peine ?
56. Scenario
Les questions à se poser avant de commencer
✓ Quels sites / pages Web viser ?
✓ Où se trouve la data à extraire ?
✓ Quel est le parcours de navigation (browsing path) ?
57. Scenario
Le point technique : le parcours de navigation
✓ Les critères des inputs (mots-clés, filtres, etc.)
✓ Les catégories & menus
✓ La pagination (résultats par page, scrolling, etc.)
61. Scenario
Les questions à se poser après un premier test
✓ Quelle est la limite de résultats affichés ?
✓ Quelle est la limite du nombre de vues ?
✓ Quelle est la limite de clics ?
✓ Existe-t-il des captchas ?
✓ L’accès aux fonctionnalités/données est-il payant ?
✓ etc.
66. Scenario
L’exemple de LinkedIn avec la limite de pages vues
✓ Pensez à restreindre votre
recherche (critères)
✓ Utilisez les critères avancés
✓ Visez d’avoir <1000 résultats à
afficher
67. Scenario
Le cas de l’authentification
✓ Y a-t-il un process d’authentification obligatoire ?
✓ Les données/infos ne sont-elles visibles qu’une fois connecté(e) ?
✓ Si oui, comment le site fonctionne-t-il (cookies, tokens d’accès, etc.) ?
71. Le Parsing en HTML
La Structure DOM
Un document HTML / une page Web est constitué(e) d’une série de nodes
qui suivent une structure hiérarchique en arbre inversé
Root
Node 1
Node 2
Node N
Node 1.1
Node 1.2
Node 1.3
72. Le Parsing en HTML
La Structure DOM
Types de nodes que vous devez connaitre :
- élement (ex : div)
- attribut (ex : id)
- text (ex : « Coucou »)
Document root
element 1
element 2
element N
attribut 1.1
attribut 1.2
texte 1.1
73. Le Parsing en HTML
La Structure DOM
- élements de nodes : html, body, h1, etc.
74. Le Parsing en HTML
La Structure DOM
- élements de nodes : html, body, h1, etc.
- éléments de textes : « Hello Growth Hackers ! » « XPath discovery »
75. Le Parsing en HTML
La Structure DOM
- élements nodes : html, body, h1, etc.
- éléments textes : « Hello Growth Hackers ! » « XPath discovery »
- éléments attributs : id, class
76. Le Parsing en HTML
La Structure DOM
HTML (root)
element N
div (élément)
h1 (élément)
body (élement)
id (attribut, value = « title »)
text (value = « Hello Growth Hackers »)
div (élément)
h2 (élément)
class (attribute, value = « subtitle »)
text (value = « XPath Discovery »)
77. Le Parsing en HTML
Les sélecteurs XPath
Les sélecteurs XPath :
- ils permettent de sélectionner des nodes ou des groupes de nodes dans un document XML
- quand vous passez d’une node à une autre, utilisez « / »
- ex : /html/body/div/h1 (le premier « / » représente le document root)
78. Le Parsing en HTML
Les sélecteurs CSS
Les sélecteurs CSS :
- ils permettent de sélectionner des éléments HTML auquel on souhaite donner un style
- quand vous passez d’une node à une autre, utilisez « > »
- ex : html>body>div>h1
79. Le Parsing en HTML
Un exemple
HTML (root)
element N
div (élément)
h1 (élément)
body (élement)
id (attribut, value = « title »)
text (value = « Hello Growth Hackers »)
div (élément)
h2 (élément)
class (attribute, value = « subtitle »)
text (value = « XPath Discovery »)
80. Le Parsing en HTML
Les Expressions Régulières (REGEX)
Une REGEX :
- c’est une chaine de caractères (string) qui décrit un pattern de recherche
- expression générique connue : « .doc » pour les documents Word
- la REGEX correspondante est : ^.*txt$
81. Le Parsing en HTML
Les Expressions Régulières (REGEX)
- exemple : partons de cette string « Tel : 06 65 78 41 87 »
- on ne veut garder que le numéro de téléphone (« 06 65 78 41 87 »)
- la REGEX à utiliser est : 0.*
83. Data Scraping
Utilisation du Browser
Affichez les outils développeur via clic
droit (ou Shift + Ctrl + I) pour :
- afficher les données contenues dans le
code source
- afficher les données encodées
89. Data Scraping
Scraper (extension Chrome)
- une extension de data scraping pour
Google Chrome
- utile pour analyser rapidement des
données dans un format spreadsheet
- nécessite de connaitre les sélecteurs
XPath
90. Data Scraping
Scraper (extension Chrome)
- extension de data scraping avancé
pour Google Chrome
- utile pour analyser rapidement des
données dans un format spreadsheet
- nécessite de connaitre les sélecteurs
CSS et REGEX
92. Web Scraping
Cas d’un annuaire
1. Allez sur l’annuaire des avocats de
Nice : http://
www.barreaudenice.com/annuaire/
2. Ouvrez l’Inspecteur - clic droit ou
Shift + Ctrl + I
96. Web Scraping
Utilisation de Web Scraper
1. Cliquez sur l’onglet « Web Scraper » dans vos extension Chrome
2. Puis commencez par créer un nouveau sitemap (« Create sitemap »)
97. Web Scraping
Utilisation de Web Scraper
1. Donnez un nom à votre sitemap (« nice-lawyers-directory » par exemple)
2. Entrez l’annuaire du site web
3. Cliquez sur « Create sitemap »
4. Commencez à positionner vos sélecteurs sur les éléments à scraper
98. Web Scraping
Utilisation de Web Scraper
1. Donnez un nom à votre sitemap (« nice-lawyers-directory » par exemple)
2. Entrez l’annuaire du site web
3. Cliquez sur « Create sitemap »
4. Commencez à positionner vos sélecteurs sur les éléments à scraper
DEMO LIVE
101. Humind School
64-66 rue des Archives
75003 Paris
FRANCE
+33 (0) 1 79 72 79 82
hello@humindschool.com
L’école est située au
WeWork Coeur Marais, au coeur de
l’écosystème tech parisien, dans un
cadre apaisant et motivant