QAiry, comment ça marche

‍

Dans Salesforce Marketing Cloud, une demande de ciblage suit presque toujours le même chemin. Une personne du marketing sait précisément qui elle veut toucher, et une autre doit traduire cette intention en SQL.

C'est ce passage de relais qui coûte des jours.

QAiry le supprime. Vous décrivez votre audience en langage naturel, QAiry construit la requête, et vous gardez la main sur ce qui sera réellement exécuté.

‍

Voici ce qui se passe entre votre première phrase et une data extension remplie.

Cinq étapes, dont aucune ne suppose d'ouvrir un éditeur de requêtes.

‍

Ce que le ciblage SFMC vous coûte aujourd'hui

‍

Le goulot d'étranglement, c'est la file d'attente

Dans la plupart des organisations, écrire le SQL n'est pas la difficulté. Attendre la disponibilité de la personne capable de l'écrire, si.

Un brief arrive le lundi. La demande de requête rejoint un backlog. L'audience est livrée le jeudi, quand l'offre a déjà changé.

‍

Le vrai coût ne se mesure pas en requêtes livrées en retard. Il se mesure aux idées de segmentation que personne ne formule, parce que l'aller-retour est trop long pour en valoir la peine.

‍

Le savoir tient dans deux ou trois têtes

Savoir que l'historique d'engagement ne se trouve pas dans vos tables mais dans les data views du système relève de l'expérience acquise.

Il en va de même pour identifier, parmi quarante data extensions, celle qui contient le statut réel des abonnés et celle qui n'est qu'un import oublié depuis une migration.

‍

Autrement dit, chaque audience dépend de l'agenda de deux personnes.

‍

Cette dépendance fragilise l'ensemble. Lorsque l'une de ces personnes change de poste, les requêtes restent, mais le raisonnement qui les sous-tend disparaît avec elle.

Les équipes réutilisent alors d'anciens scripts qu'elles ne savent plus expliquer, en ajustant une date ici, un nom de table là, en espérant que le reste tienne.

‍

Étape 1 : QAiry cartographie vos données

‍

Lire les data extensions et leurs champs

Avant d'écrire la moindre ligne, QAiry se construit une représentation de votre compte : quelles data extensions existent, quels champs elles contiennent, et comment ces champs sont typés.

C'est cette cartographie qui permet à une demande du type les clients belges ayant acheté ces 90 derniers jours de se résoudre en noms de colonnes réels plutôt qu'en approximations.

‍

Cela permet aussi à QAiry de vous signaler qu'une donnée n'existe tout simplement pas dans le compte. C'est une réponse bien plus utile qu'une requête qui renvoie zéro ligne sans rien dire.

‍

Connaître les data views disponibles

Dans Marketing Cloud, l'engagement ne vit pas dans vos data extensions. Il vit dans des data views système comme _Sent, _Open, _Click, _Bounce et _Unsubscribe, interrogeables via Automation Studio.

Ces vues ont leurs propres règles. Salesforce a fait évoluer sa politique de rétention le 16 juin 2025 : les données d'engagement des abonnés sont conservées 730 jours, au-delà desquels il n'y a plus rien à interroger.

‍

QAiry traite ces vues comme des tables à part entière. Une demande portant sur les ouvreurs ou les adresses en erreur est donc routée automatiquement au bon endroit.

‍

Étape 2 : vous décrivez l'audience en langage naturel

‍

À quoi ressemble une demande exploitable

Nul besoin de formuler quoi que ce soit comme une requête. Une phrase suffit.

Toutes les personnes ayant reçu un email ces 60 derniers jours, qui n'ont jamais ouvert, et qui ne sont pas déjà en liste de suppression.

‍

Cette seule phrase contient trois lectures de tables distinctes, une fenêtre temporelle et une exclusion. Le travail de QAiry consiste à la décomposer, pas à vous demander de le faire d'abord.

‍

Quand le brief reste ambigu

En pratique, un brief est rarement complet. « Acheteurs récents » peut désigner 30 jours comme un trimestre, et « actif » ne veut pas dire la même chose d'une organisation à l'autre.

Plutôt que de trancher en silence, QAiry pose la question. Une question courte, puis il continue.

‍

Ce détail compte davantage qu'il n'y paraît. Une requête parfaitement exécutée sur une mauvaise définition est pire qu'une absence de requête, car personne ne s'en aperçoit avant le rapport de campagne.

‍

Étape 3 : QAiry écrit un SQL adapté à SFMC

‍

Choisir les tables et les jointures

Une fois l'intention claire, QAiry assemble la requête : quelles tables interroger, comment les joindre sur SubscriberKey, comment exprimer la fenêtre temporelle, et où placer les exclusions.

Les jointures sont précisément l'endroit où le SQL écrit à la main déraille, en particulier lorsque l'engagement est croisé avec une table de profils ou d'achats et que les doublons se multiplient sans bruit.

‍

Comme QAiry connaît la structure des deux côtés de la jointure avant d'écrire, il retient une granularité qui renvoie une ligne par abonné.

‍

Écrire en tenant compte des contraintes de la plateforme

Le SQL de Marketing Cloud n'est pas un SQL générique. Les query activities s'arrêtent au bout de 30 minutes, et plus une requête brasse de données, plus elle risque d'atteindre ce plafond.

La recommandation de Salesforce est claire : restreindre le périmètre autant que possible et nommer explicitement les champs nécessaires au lieu de recourir à SELECT *.

‍

QAiry applique ces règles par défaut : listes de champs explicites, filtres de dates resserrés, et aucun parcours inutile de grosses tables.

‍

Le raisonnement vaut aussi pour les fonctions. Un calcul de dates fondé sur GETDATE() ne se comporte pas comme les dates figées que l'on recopie souvent d'une campagne précédente.

Une requête bâtie sur une fenêtre glissante fonctionnera encore le mois prochain. Une requête à dates fixes renverra la mauvaise audience dès que plus personne ne pensera à la modifier.

‍

Étape 4 : vous relisez avant toute exécution

‍

Relire une requête que vous n'avez pas écrite

QAiry restitue le SQL accompagné d'une explication en langage clair de ce que fait chaque bloc.

Vous n'avez pas besoin de savoir écrire la requête pour en vérifier la logique. Vous devez pouvoir confirmer que « 60 derniers jours » correspond bien à votre intention et que la liste d'exclusion est la bonne.

‍

Si quelque chose cloche, vous le dites dans la même conversation et la requête est réécrite. Pas de nouveau ticket, pas de nouvelle attente.

‍

Vérifier le volume avant de s'engager

Une audience de 12 contacts là où vous en attendiez 120 000 trahit presque toujours une jointure fautive ou un filtre trop restrictif.

Voir le décompte avant utilisation offre un contrôle de cohérence peu coûteux sur une logique qui, sinon, ne se révélerait qu'après l'envoi.

‍

C'est aussi le moment de comparer avec vos attentes. Si l'audience équivalente du mois dernier comptait 90 000 contacts et que celle-ci en affiche 400 000, la définition a dérivé quelque part.

Le détecter avant l'envoi coûte une minute. Le détecter après ouvre une discussion sur la délivrabilité.

‍

Étape 5 : l'audience atterrit dans une data extension

‍

Table cible et action sur les données

Dans Automation Studio, une query activity écrit son résultat dans une data extension cible, selon l'action que vous retenez : Append, Update ou Overwrite.

Ce choix a des conséquences. Les opérations d'ajout et de mise à jour passent l'essentiel de leur temps à vérifier l'existence préalable de chaque ligne, ce qui explique qu'une requête autrefois rapide finisse par frôler le délai maximal à mesure que le volume augmente.

‍

QAiry expose cette décision au lieu de l'enfouir. Une audience rafraîchie chaque matin ne devient donc pas, par inadvertance, une table qui grossit indéfiniment.

‍

Réutilisation et planification

Une audience validée reste rarement un cas isolé. La même logique est reprise avec une autre fenêtre de dates, un autre marché ou une autre gamme.

Comme la requête est enregistrée et lisible, l'ajuster tient en une phrase plutôt qu'en une reconstruction.

‍

• Même logique, nouvelle fenêtre de dates
• Même logique, autre business unit
• Même logique, rafraîchie avant chaque envoi

‍

Vous obtenez ainsi une bibliothèque de définitions d'audiences que votre équipe peut réellement lire, au lieu d'un dossier de requêtes qu'une seule personne comprend.

‍

Voir QAiry à l'œuvre

‍

En résumé : vous décrivez l'audience, QAiry cartographie vos données, rédige le SQL, l'explique, puis écrit le résultat dans une data extension que vous maîtrisez.

Pour voir le déroulé sur un brief réel, des démonstrations sont disponibles sur qairy.com/fr/product-demos, ou vous pouvez l'essayer sur votre propre compte via qairy.com/fr/try-it-free.