Bases de donnéesBig dataCloudData-stockageE-commerceMarketing

Dossier Marketing prédictif : les données anticipent nos désirs

marketing-predictif-dossier
3 182

Les marques et enseignes peuvent modéliser les comportements d’achats des consommateurs via le marketing prédictif. Le Graal de la relation client individualisée ?
Pour bien préparer le salon E-Marketing Paris…

Introduction

Le marketing de masse a vécu. Place au marketing prédictif pour une approche (vraiment ?) personnalisée.

Dans les années 1990 où le modèle standard de la gestion de la relation client (CRM) prévalait, il suffisait de segmenter, à la hache, une population en grands sociotypes à qui on adressait le même message.

Profitant d’une offre pléthorique sur la Toile, le consommateur, à la fois plus aguerri et volatile, exige d’être considéré comme une personnalité unique aux attentes spécifiques. Nous sommes passés d’un mode « 1 to many », puis « 1 to few », à une relation « 1 to 1 ».

L’explosion du volume de données et de la multiplication des sources rend aujourd’hui cette relation affinitaire possible. En croisant des données internes – CRM, programmes de fidélisation, tickets de caisse, etc. – aux données issues de la navigation Web et des réseaux sociaux, les marketeurs ont les moyens de modéliser des comportements d’achat.

Des modèles qui permettent ensuite par association d’anticiper les besoins d’un consommateur et, par la même, de lui délivrer le bon message au bon moment.

Etat des lieux du marketing prédictif alors que le salon E-Marketing 2016 se déroule sur trois jours à Paris Expo (du 12 au 14 mars, Porte de Versailles).

1- Du marketing de l’attention au marketing de l’intention

Pour Bertrand Duperrin, consultant pour Emakina.FR, nous passons « d’un marketing de l’attention (accaparer l’attention du client pour lui proposer une offre) à un marketing de l’intention (comprendre l’intention du client pour lui proposer du sur mesure)».

Ce marketing prédictif trouve toute sa pertinence dans le monde de l’e-commerce. Pour améliorer son taux de conversion, un site marchand va mettre en avant, sur sa page d’accueil, des produits ou des services en fonction des appétences du visiteur.

Depuis la refonte de son site, en septembre 2015, la FNAC suggère ainsi à ses clients une sélection de produits en se basant sur l’historique des produits consultés et des achats effectifs.

Le marketing prédictif ne concerne pas seulement la vente. Il permet de rendre plus efficient un service client, de réduire le taux d’attrition ou d’optimiser la gestion des stocks.

=> Un marché pas si nouveau, redynamisé par le big data

La moitié des grandes entreprises françaises travaillerait sur la prédiction de comportements clients selon « le baromètre des pratiques digitales 2015 » réalisé conjointement par SIA Partners, Econocom et l’Ifop. Une pratique plus courante dans le commerce (56 %) que dans les services (49%).

Une statistique toutefois à relativiser puisque la même étude précise, dans la foulée, que l’utilisation de données issues du big data, demeure chez les entreprises sondées une pratique marginale (moins de 20% d’entre elles).

Plus précis, un récent sondage réalisé par Infogroup indique que 62 % des marketeurs investissent déjà dans des solutions de marketing de données, et 26 % comptent le faire dans les deux prochaines années.

Comme toujours en matière de marketing, les Etats-Unis sont partis avec une longueur d’avance sur l’Europe. Outre Atlantique, le « database marketing » existe depuis les années 80.

Si le concept n’est pas nouveau, le big data lui a redonné un coup de jeune. Et de grands éditeurs comme Adobe et SAS se sont engouffrés sur ce marché du « marketing analytics ».

Laetitia Comès-Bancaud Early Birds 2Une antériorité qui n’est pas forcément un avantage selon Laetitia Comès-Bancaud, Directrice associée de la start-up spécialisée Early Birds (photo à gauche).

« Certaines solutions américaines reposent sur des technologies anciennes, pas forcément temps réel et ergonomiques ».

Selon elle, le déclic du marché français s’est opéré il y a un an et demi deux ans avec la mise en production des premiers projets.

Aujourd’hui, Laetitia Comès-Bancaud observe différents niveaux maturité. « Certains clients commencent à injecter des briques de recommandation, d’autres – les plus gros et les pure players du Web – développent leurs propres algorithmes de recommandation avec des data scientists en interne. »

2- Le marketing prédictif, pour quoi faire ?

=> Vendre plus, vendre mieux

C’est le premier bénéfice attendu. En connaissant finement le profil de son visiteur, un site peut suggérer des produits personnalisés en lieu et place d’une enfilade de pages de résultats ou d’une présentation par arborescence

Une sélection qui sera assortie de produits additionnels du même univers (cross selling). Des solutions comme Optimiz.me ou AB Tasty vont plus loin en recomposant à la volée un site marchand en fonction de chaque internaute.

Cette personnalisation s’affine avec le temps. Plus vous achetez sur le site d’Amazon et plus ce dernier cerne le consommateur quel vous êtes.

=> Améliorer le rendu des campagnes marketing

Les vagues d’e-mails impersonnels, s’apparentant davantage à du spam, sont remplacées par des envois personnalisés où l’on tient compte d’une campagne sur l’autre des réactions du destinataire.

Ce qui augmente le taux d’ouverture mais permet surtout d’activer le bon levier au bon moment – une promotion, une invitation à une vente privée, etc. – dans un parcours client omnicanal.

Cousin du marketing prédictif, le marketing programmatique automatise les campagnes publicitaires en s’appuyant sur des algorithmes et des systèmes d’enchères (real time bidding). La publicité qui s’affiche au démarrage d’une session tient compte du profil du visiteur.

=> Réduire le taux d’attrition

Lucette Gaillard CoherisUn appel au service client, une demande d’information sur le web, un commentaire laissé sur des réseaux sociaux sont autant de signes avant-coureurs d’une résiliation.

SFR détecte ainsi ces signaux faibles chez ses abonnés et engage des actions pour les fidéliser.

Avec des outils de CRM analytics, un centre de relation client peut aussi devenir proactif sans attendre qu’un consommateur contacte l’entreprise un brin énervé.

Pour Lucette Gaillard, directrice marketing de Coheris (photo à gauche), il est, par exemple, possible « de déceler sur des posts Facebook des signes de mécontentement sur un produit et d’engager derrière une action corrective, comme envoyer un bon de réduction ».

=> Optimiser la gestion des stocks

En anticipant les ventes à venir, il est possible d’optimiser la gestion des stocks. Amazon, encore lui, se met en capacité de livrer son client avant même qu’il ne valide le panier en croisant sa liste d’achats avec, entre autres, le temps passé à regarder une fiche produit sur son site.

Plus près de chez nous, Leroy Merlin fait tourner des modèles mathématiques de machine learning pour affiner ses prévisions de commandes sachant notamment que 80 % de ses clients prépareraient leurs achats sur son site Web avant de se rendre en magasin.

3- Le marketing prédictif, comment ça marche ?

Dans le marketing prédictif, la donnée à l’état brut n’a que peu d’intérêt en tant que telle. C’est une matière première qu’il faut raffiner. « Il inscrire la donnée dans un contexte, note Lucette Gaillard. D’où vient-elle ? Qu’est-ce qu’elle porte comme valeur ? » Ce raffinage suit plusieurs étapes.

Réconcilier les données on- et off-line. Avant toute analyse prédictive, il convient en de collecter en amont les données internes qu’elles émanent du service client, du marketing ou de la logistique.

Des données structurées que l’on enrichit des informations comportementales issues du Web (cookies, navigation Web, réseaux sociaux). Une Data mangement plateform (DMP) permet de réconcilier ces données on et off line dans un même référentiel. C’est la 1st party data.

Elargir le cercle. Mais une DMP peut être alimentée d’autres sources. Dans la 2nd party data, une entreprise fait appel à ses partenaires pour engranger de nouvelles données.

C’est le cas de LG. Reposant sur un modèle de vente indirecte, le constructeur coréen s’est appuyé sur la fiche produits que lui consacre Darty pour mieux cerner les consommateurs à la recherche de smartphones et mener ensuite des actions de retargeting.

Dans le troisième cercle, la 3rd party data, l’entreprise acquiert des données tierces auprès de vendeurs de data (Exelate, Weborama…), d’organisations institutionnelles (INSEE…) ou en passant par la case open data.

Modéliser les comportements. Une fois la donnée enrichie, l’étape suivante consiste par mécanismes d’algorithmie et de machine learning de dégager des profils types et des comportements de consommation. Ils peuvent notamment être liés à l’appétence à certains produits, à la récurrence et au montant d’achat.

Tout dépend ensuite de la stratégie suivie et des cibles visées. En poussant sur son site web des offres personnalisées à ses clients VIP, AccorHotels a triplé son taux de conversion.

Déclencher les actions. Une fois que vous avez cette fameuse vision à 360° du consommateur, il faut concrétiser une intention d’achat en vente effective. Une transformation qui prend des voies différentes. Sur un site marchand, un tunnel de conversion conduit l’internaute jusqu’à un autre tunnel, le tunnel d’achat.

Dans le monde BtoB où le cycle de décision peut prendre des mois, voire des années, le parcours client doit être progressif et scénarisé. Avant de parler offre, un fournisseur montre son expertise du marché, évoque des références clients. Une campagne d’engagement où il convient de ne pas brûler les étapes.

En anticipant les réactions, le marketing prédictif permet de rectifier le tir.

Assumer la recommandation. Sans parler de retargeting, des internautes peuvent être déstabilisés de voir s’afficher un contenu qui leur ressemble tant. Certains trouveront ce « profilage » par trop intrusif.

Laetitia Comès-Bancaud conseille d’assumer cette personnalisation. « Il s’agit de transposer un site marchand ne fait que reproduire l’aide à la vente dans une boutique. Un vendeur va demander quel type de vêtement le client recherche pour quel événement. » Le module de « personal shopper » représente une sorte de Cristina Cordula virtuelle !

Il s’agit aussi, selon notre interlocutrice, de mixer le déclaratif et le prédictif. Un internaute peut se rendre plusieurs fois sur un site dans une semaine mais pas pour la même chose. La météo, le jour et heure de consultation, un événement (Saint-Valentin, Fête des Mères…) change la donne. Il faut aussi tenir compte de ce qu’il dit à un instant donné.

4- Trois solutions pour l’e-mailing, le retail ou le BtoB

=> C-Radar, pour le business BtoB

En matière de prospection B2B, les bases de données classiques montrent rapidement leurs limites. Les informations sont rarement fraiches, voire obsolètes. Elles se basent, par ailleurs, sur le code NAF, plutôt restrictif, pour qualifier l’activité de l’entreprise.

Solution en mode SaaS, C-Radar Corporate utilise des technologies du big data, de la sémantique, du machine learning et du text mining.

Objectif : mieux cerner les prospects en exploitant les signaux faibles. La solution va pour cela « crawler » les contenus des sites des entreprises ou les nouvelles qu’elles publient sur les réseaux sociaux.

Plus traditionnellement, C-Radar s’appuie sur une base de 4,5 millions de sociétés françaises. Il existe plusieurs versions de la solution dont une pour PME (C-Radar Pro).

C-Radar

=>Early Birds, pour le « retail »

Startup du Village, la pépinière du Crédit Agricole, Early Birds a déjà de belles références dans le domaine de l’e-commerce comme La Redoute ou Atol.

Pour déterminer les intentions d’achat, ses moteurs parcourent les réseaux sociaux pour cerner le « graph social » des internautes puis, via le machine learning, détecter des « jumeaux sociaux » et identifier des micro-segments.

Sur le site marchand, son moteur de recommandations est affiné par une fonction « j’aime / j’aime pas » qui permet à l’internaute de donner son avis sur les produits proposés. Pour concrétiser la vente, Early Birds propose ensuite, un « personal shopper », un outil d’aide vente.

*GeckoData Predict, pour les campagnes d’e-mailing

Développé par Socio (groupe NP6), Geckodata Predict s’intègre à l’outil de gestion d’e-mailing MailPerformance. Cette solution SaaS d’analyse prédictive vise à augmenter le taux d’ouverture des e-mails et le taux de conversion en prédisant le comportement des destinataires.

Elle calcule en temps réel la probabilité qu’une cible réagisse au prochain e-mail ou après une période d’inactivité, ou bien qu’elle se désinscrive. A partir d’un score de propension et d’attrition, la solution identifie le programme relationnel adapté comme un jeux concours ou une enquête de satisfaction.

Gecko Data Predict

5- Retours d’expérience : eTF1, Citadium et Menlook

Lors des Journées Grandes Marques, organisées par l’EBG début février, une table ronde réunissait plusieurs acteurs du web engagés dans le marketing prédictif. Compte-rendu.

=>Pour cibler les jeunes mamans, eTF1 fait appel à Cdiscount

Directeur général d’eTF1 et de Wat, Olivier Abecassis vient d’un secteur – la télévision – où le prédictif n’existe pas. « On diffuse des programmes, on regarde les audiences, puis, le cas échéant, on retouche les contenus. »

Avec la télévision de rattrapage (replay), la première chaîne française peut, cette fois, proposer des contenus en fonction de centres d’intérêts du spectateur internaute et d’un historique de visionnage.

Bien sûr, on pense évidemment à Netflix qui a bâti son succès sur son moteur de recommandation. Mais avec des objectifs différents. Reposant sur un modèle payant, le spécialiste américain de la VOD utilise la recommandation pour réduire son taux d’attrition et optimiser sa stratégie d’acquisition de programmes. Depuis son lancement dans l’Hexagone, les films français qui n’étaient pas visionnés sont ainsi sortis du catalogue.

Logique différente pour eTF1, service gratuit qui repose sur les revenus publicitaires. L’enjeu porte donc sur l’affichage de messages de plus en plus personnalisés.

Si la plateforme dispose des données comportementales issues de l’historique de navigation, elles ne permettent guère de cerner le profil de l’internaute. Regarder un programme aussi fédérateur que The Voice n’apporte guère de précisions. Impossible non plus d’imposer un formulaire de 4 pages avant l’ouverture d’un replay.

Pour combler son déficit de données, eTF1 va les chercher chez des partenaires. Ainsi pour un annonceur qui souhaitait toucher les jeunes mamans, le site s’est rapproché de… Cdiscount qui se trouve être le premier vendeur de couches en France.

MyTF1

=>Citadium : des suggestions à la mode Tender

Nouvelle enseigne du groupe Printemps, Citadium s’adresse aux jeunes « stylés », adeptes de la street culture. Pour viser ces 15-25 ans, pas question de proposer un affichage à arborescence classique.

Editorialisé, le site, qui devait faire peau neuve début mars, met en scène les produits en faisant une large place aux réseaux sociaux, réservoirs de données comportementales.

Les produits tendances du moment sont mis en avant. Pour chacun d’eux, l’internaute peut, à la mode Tinder, dire s’il aime ou pas. Dans le premier cas, l’objet se retrouve dans une liste de vœux (wish list). « Ce qui permet derrière de faire des push emailing plus pertinents », avance Mickael Soleau, directeur e-commerce du groupe Printemps.

En se basant sur les signaux que le consommateur envoie durant la session – son style, sa couleur fétiche, sa fourchette de prix -, Citadium a mis en place un module de « personnal shopper » prédictif. L’ajout ou la suppression d’un produit dans le panier livre notamment de précieux enseignements.

Dans une optique de cross-selling, le produit retenu est associé à d’autres d’un même univers. Mais attention à ne pas froisser les susceptibilités des quelque 200 marques réunies sur le site. Certaines marques ne souhaitant pas à être à côté d’autres, les algorithmes de recommandation doivent en tenir compte dans les sélections.

Citadium

=> Menlook : « il faut pomper Amazon et Netflix »

P-DG et fondateur de Menlook, Marc Menasé a connu après le lancement du site de mode masculine, en 2010, « des années exceptionnelles ». Aujourd’hui, la donne a changé. « La concurrence est brutale, le consommateur aguerri. C’est fini l’époque où il suffisait de mettre des produits en ligne et acheter du Google AdWords. »

S’adressant à des hommes stylés mais pressés, il s’agit pour Menlook de leur proposer l’essentiel en un minimum de clics tout sur la base de recommandations pertinentes. Bref, « il faut pomper Amazon et Netflix », résume Marc Menasé.

L’enjeu de la personnalisation est d’autant plus important que le site propose une large base de produits, de Nike à Lanvin. Une offre qui s’est encore élargie avec l’ouverture d’une place de place de marché.

Le consommateur ne doit pas se perdre dans cette masse de produits et de marques. « Les premières pages de résultats doivent correspondent au mieux à son profil. » Menlook approvisionne pour cela en données des clusters dédiés à des catégories de clients comme les amateurs de streetwear ou les afficionados de la marque Ralph Lauren.

Il veille aussi à éviter toute expérience « déceptive » en associant systématiquement la taille à un produit. « Rien de plus frustrant que de trouver enfin la bonne paire de chaussures et de constater en cliquant qu’elle n’est pas disponible à votre pointure. » Ces efforts d’individualisation lui a permis d’obtenir un taux de conversion de 1,5.

Menlook

6- Et demain ?

Quelle sera la prochaine étape du marketing prédictif ? La connaissance du client passe par des qualités humaines comme l’écoute, l’empathie, le conseil. Des qualités bien étrangères au monde froid de l’informatique traditionnelle qui aligne les 0 et les 1.

L’avenir devrait passer par l’informatique cognitive, qui mêle algorithmie et intelligence artificielle. On pense, bien sûr, à Watson, le super-ordinateur d’IBM orienté cognitive computing. Il ouvre la voie à des requêtes en langage naturel de type : «Quelles sont, aujourd’hui, les ventes qui ont le plus de chances d’aboutir?» Avec, derrière, des taux de probabilités de plus en plus précis que Watson est alimenté en données.

L’apport des neurosciences sera aussi déterminant. En comprenant de mieux en mieux le fonctionnement du cerveau, le marketing sera plus à même de susciter le désir. Il saisira aussi mieux les émotions qui traversent l’internaute face à un site marchand. Au risque de jouer les apprentis sorciers ?

L’autre enjeu, beaucoup plus concret et tangible, c’est la volonté des marques de briser – enfin – les barrières entre commerce en ligne et magasin physique. Une fois que le consommateur aura franchi le seuil de la boutique, il est identifié. A partir de son profil, de son historique d’achats, du rayon où il se trouve, il se voit proposer des conseils et des promotions personnalisés.

« Le prédictif dans le monde physique, tous les enseignes y pensent, observe Laetitia Comès-Bancaud. Le problème, c’est à quel moment j’identifie la personne ? Si c’est en caisse, c’est trop tard. » Faute de mieux, c’est le smartphone qui assure cette traçabilité. Ce qui explique l’engouement actuel autour des Beacons, ces balises d’interaction entre le consommateur et le magasin.

Dans sa vision du magasin du futur, IBM – encore lui – utilise également la localisation des terminaux mobiles pour identifier les zones froides et chaudes d’un magasin, les pics de fréquentation pour anticiper le réassortiment et le nombre de caissières à prévoir pour les semaines à venir.

Lucette Gaillard table, elle, sur l’ouverture du marketing prédictif à des nouveaux canaux comme la TV connectée ou la TV sociale consommée sur mobile.

Ce qui ouvre la voie des messages publicitaires sur mesure en fonction du téléspectateur et du contenu visionné.

C’est vraiment terminé l’exposition pour tous du spot TV de la lessive ?

(Crédit photo illustration dossier: Shutterstock.com)