Fin des cookies tiers : le marketing prédictif est-il la solution d’avenir ?

Il ne fait aucun doute que la future disparition des cookies tiers va durablement bouleverser l’écosystème digital. Pour des raisons différentes, aucune des alternatives en cours de développement ne s’impose comme « LA solution » (voir mon article sur ce sujet).

Jusqu’à aujourd’hui le système reposait sur le tracking des internautes pour suivre leurs parcours sur les différents sites et analyser leur comportement afin de cibler leurs besoins. La fin des cookies tiers va donc sonner la fin du retargeting dans son concept actuel. Cette méthode qui permettait d’effectuer des reciblages publicitaires par mail ou sur les réseaux sociaux, était très prisée des e commerçants. Cela permettait d’agir principalement sur le bas du tunnel de conversion. 

Le développement d’IA permet d’analyser les comportements pour trouver des solutions de ciblages personnalisés. 

Avec cette démarche, les comportements ne sont plus analysés a posteriori, mais bien a priori, et c’est ce qui change tout ! Cette technologie permet d’intervenir sur l’ensemble du Tunnel de conversion.

L’IA permettant d’établir des recommandations prédictives existe déjà depuis plusieurs années mais toutes les entreprises n’ont pas encore franchi ce cap.  La maturité digitale des entreprises a beaucoup évolué ces dernières années et l’approche data driven est de plus en plus utilisée pour affiner les stratégies de marketing digital.  Ce marché va donc continuer à se développer et l’investissement massif qui en découle peut encore améliorer cette technologie. 

Le prédictif pourrait il devenir le graal du marketeur “Solliciter le bon segment de client, via le bon canal, au bon moment pour pousser le bon produit”.

Comment fonctionne le prédictif ?

L’analyse prédictive est basée sur l’analyse des données via des algorithmes prédictifs fondés sur des calculs de probabilité. Le caractère prédictif regroupe les techniques de modélisation des comportements clients qui permettent d’anticiper les actions futures à partir de comportement présent, et ainsi d’être capable de lui proposer des offres hyper adaptées. 

Le score d’appétence : La valeur prédictive est formulée par un score d’appétences. Cette méthode est employée pour déterminer la probabilité qu’un simple prospect ou lead devienne par la suite client. L’IA  permet d’établir un scoring très précis pour le consommateur en analysant de manière dynamique ses actions passées afin de construire un profil plus détaillé et mieux anticiper la conversion en client.

Le big data se base sur les 4 V :

  • le volume des données,
  • la vitesse d’obtention et de transfert,
  • la variété des sources,
  • la véracité des informations.

Tout en respectant cette méthodologie, le commerçant devra à la fois se concentrer sur les données structurées dont il dispose déjà dans ses nombreux systèmes (CRM et autres) ainsi que sur des données non structurées qu’il récupérera sur les réseaux sociaux et dans ses systèmes d’interactions et de profiling client.

Le développement d’une IA pour prédictif peut être long et complexe mais c’est un outil puissant.  L’éventail des données à intégrer dans l’IA n’a de limite que votre ingéniosité. Le choix des critères est important car  il faut que les données prises en compte soient fiables  pour pouvoir élaborer des recommandations précises.  Voici une liste non exhaustive des catégories de données :

  1. les données transactionnelles (historiques d’achats, de paiements, etc.),
  2. les données d’interaction (échanges avec call center, email/chat, dialogues personnels, etc.),
  3. les données démographiques (caractéristiques, attributs, évolutions, etc.)
  4. les données comportementales (opinions, souhaits, préférences, etc.).

Quelles sont les résultats des starts-up qui développent cette technologie ? 

Les Start-up du secteur affichent l’ambition de baisser les coûts d’acquisition, d’augmenter le volume de trafic qualifié, ainsi que les taux de conversion. Voici quelques chiffres pris sur les sites des principaux acteurs du marché et qui illustrent le niveau des performances obtenues :

TinyClues augmente de +79% les performances, renforce l’engagement à +51%, et diminue de 19% l’Opt-outs

After Data  permet par la recommandation produits d’augmenter les ventes de + 20%, l’estimation d’un ROI potentiel dans le domaine de la prévision des ventes, After Data  diminue de 20% les erreurs de prévision et de 30% des invendus, concernant la fraude : 97% de taux de détection avec moins de 5% de faux positifs, ainsi que prévoir la résiliation client : – 21% du taux d’attrition

Antvoice : en moyenne baissera de 32% le coût de la visite qualifié, et vous fera augmenter en moyenne +95% de nouveaux visiteurs

Criteo vous fera augmenter jusqu’à 73 % les conversions émanant de nouveaux clients

Kameleoon affiche un potentiel de ROI jusqu’à 3 fois supérieur et +97% de leads générés grâce au ciblage prédictif

Infer assure augmenter de 30% le panier moyen et de convertir jusqu’à 9 fois plus.

Sensego affiche un score moyen de prédiction de 80% à 3 mois, de multiplier par 3 votre taux de conversion et promet d’augmenter l’engagement (+150% de clics sur vos publications).

Chacune de ces statistiques doit bien sûr être remise en perspective en fonction du type de produit ou du secteur d’activité mais les performances annoncées démontrent néanmoins la puissance du marketing prédictif.

Comment développer la puissance de son IA et ainsi que la pertinences de ses recommandations ? 

Pour adopter une stratégie prédictive pertinente, il faut certes intégrer une multitude de données collectées sur une période passée, et à la fois analyser des données en temps réel. Outre les données du CRM,  il y a des éléments qui permettent d’alimenter et de donner de la profondeur aux préconisations prédictives.

L’actualité : que soit des événements sociaux, politiques, situation de crise, résultats sportifs, la météo, beaucoup de faits d’actualité ont un impact sur notre moral, nos besoins, ce qui influence nos comportements. Induire certains de ces paramètres peut permettre d’anticiper de futurs achats.

Les événements de la vie : tels que les déménagements, un voyage, une naissance, la retraite, un mariage, l’achat d’une voiture ou d’un bien immobilier. Identifier en amont ces données peuvent permettre d’anticiper un nombre important de besoin et conférer un avantage concurrentiel précieux.

Le social listening :  monitorer des conversations et des échanges sur les réseaux sociaux en temps réel permet d’être à l’écoute de tout ce qui ce dit. Cette veille se fonde sur des indicateurs tels que les taux d’engagement et le nombre de mentions, ce qui peut permettre d’anticiper les tendances de consommation, de détecter les “Churners” en analysant les signaux faibles, d’identifier des influenceurs qui utilisent vos produits et qui sont donc des ambassadeurs naturels ou même une  façon de surveiller ses concurrents.

La géolocalisation permet aux entreprises qui l’appliquent de toucher les consommateurs au sein de la zone dans laquelle elles sont implantées et influentes. En marketing, le geofencing qui est basé sur cette technologie permet de faire parvenir à une personne des notifications (message, alerte) lorsqu’elle se retrouve dans une zone ciblée, c’est donc un bon moyen d’attirer les clients à venir en boutique (drive to store). Les données de géolocalisation sont également efficaces pour avoir des informations sur les habitudes de consommation ou détecter des comportements qui permettront d’en déduire des événements de la vie. 

Que peut on attendre des recommandations prédictives ?

Les solutions prédictives peuvent agir sur l’ensemble du tunnel de conversion. Voici quelques cas d’utilisation :

1. Améliorer sa communication en analysant les comportements des utilisateurs pour personnaliser le message destiné à chaque segment de clients,

2. Développer ses ventes :

  • Prédire la date à laquelle chaque client, et selon son propre rythme, a besoin de chacun des produits
  • Recommander quel produit complémentaire pousser pour un client donné et à quel moment,
  • Identifier de nouveaux segments de clientèles rentables et peu exploités aujourd’hui
  • Estimer avec une plus grande précision ses prévisions de revenus / fixer les bons objectifs commerciaux,

3. Prospecter plus efficacement : Générer des leads qualifiés plus pertinents en identifiant les prospects les plus appétents et leur proposer une offre adaptée à leurs attentes du moment.

4. Fidéliser vos clients en limitant l’attrition (Churn) : Les internautes sont sursollicités. En mettant en place un système de marketing prédictif, vous pourrez plus facilement identifier les signaux faibles pour agir auprès de vos clients avant qu’ils ne vous quittent.

5. Une meilleure gestion des stocks en anticipant l’engagement de certains clients pour un produit donné.

Où en sont les entreprises en matière de Data ?

 

 

Même son de cloche du côté de l’étude d’IDC qui  estime que “ Le marketing prédictif en lui-même a encore du chemin à faire pour convaincre les entreprises françaises ; selon leur étude de 2018, même si 90 % des entreprises françaises sont conscientes de l’importance que représentent les données pour leurs affaires, seuls 48 % utilisent une solution de big data et 9 % une solution prédictive”.

L’IA, le Big Data, le Marketing prédictif ne sont pas réservés qu’aux entreprises du CAC40 !

A aujourd’hui, les solutions prédictives semblent être l’apanage des grandes entreprises. Les PME semblent encore bien loin de pouvoir utiliser des solutions prédictives basées sur une IA. Ces études nous apprennent qu’il y a un fort travail d’accompagnement à faire auprès des PME dans l’élaboration de leur stratégie de data driven, dans le choix des données à collecter, ainsi qu’une montée en compétences quant aux outils à utiliser.

Pour conclure :

Cette solution existe depuis plusieurs années mais les PME et les e-commerçants sont encore peu nombreux à utiliser l’IA pour exploiter des solutions prédictives. Pourtant cette technologie n’est pas réservée qu’aux GAFA et aux entreprises du CAC 40. Beaucoup n’osent pas franchir le pas estimant qu’elles n’ont ni les compétences, ni les moyens financiers. Pour les structures les plus modestes, il n’est pas aisé d’internaliser ce type de fonctions. Compte tenu des investissements que cela génèrent, les ROI peuvent être fortement impactés lors du lancement de projet, alors que recourir au marketing prédictif est un avantage concurrentiel déterminant sur le long terme. 

Dans des secteurs de plus en plus concurrentiels, faire du marketing 3.0 n’est désormais plus une option. Développer une IA est avant tout une opportunité d’améliorer les performances de l’entreprise pour la rendre plus compétitive, d’autant plus qu’aujourd’hui, cela est à la portée de toutes les structures. Nombreuses sont les entreprises qui externalisent ces fonctions et qui font appel à des start-up qui leurs proposent des solutions clé en main. Le pré-requis pour profiter du potentiel du prédictif est que votre entreprise soit digitalisée. Construire une stratégie autour de la donnée dit  “stratégie data driven”, c’est avant tout se servir de la data pour affiner sa stratégie de Marketing Digital.

Je vous invite à découvrir dans mon prochain article. Comment construire une stratégie Data Driven ? Quels sont les meilleurs outils d’automation ?

N’hésitez pas à me laisser votre mail pour être prévenu de la parution de mon prochain article.

Vous souhaitez consulter mon blog. 

 

Les sources :

https://www.lsa-conso.fr/la-moitie-des-entreprises-exploite-moins-de-25-des-donnees-analysees,315546

https://blog.hootsuite.com/fr/social-listening/

couthon.com/blog/big-data-et-commerce-predictif-so-what

comarketing-news.fr/big-data-et-predictif-les-nouveaux-moteurs-du-marketing/