5 rue Daunou
75002 Paris

100 allée des Frênes
69760 Limonest

395 rue du Général de Gaulle
59700 Marcq en Baroeul

Data Marketing

Dossier Data Science | Ep 01 : 12 cas d’usage pour mettre la data au service de votre performance

Big Data, Machine Learning, Deep Learning, Data Science, mais qu’est-ce que c’est au juste ? Pourquoi tout le monde en parle et quels bénéfices ces technologies peuvent-elles vous apporter dans votre business ? Dans ce dossier en deux volets, nous ne vous expliquerons pas les différences complexes entre l’un ou l’autre de ces termes mais nous allons plutôt vous apporter des cas d’usages concrets au travers de thèmes bien connus du Marketing… mais pas que !

1/ La prédiction des ventes

Qu’on parle du nombre de visites ou bien du chiffre d’affaire, qu’il soit in store ou online, qu’il s’agisse de marketing B2C ou B2B, notre capacité à anticiper et prédire les volumes et les montants d’achats est un besoin business fondamental qui n’a pas échappé à la Data Science. Si l’historique des données est suffisamment profond, les algorithmes modernes de prévision parviennent à donner des indicateurs et signaux, avec une grande précision.

Ces prévisions permettent aussi d’obtenir une gestion des stocks optimale améliorant ainsi l’ensemble de la supply chain. Elles anticipent et caractérisent les besoins en personnel (staffing) qu’ils soient ponctuels ou permanents et servent de bases solides pour l’élaboration budgétaire.

2/ Le scoring pour le ciblage

Si vous considérez votre fichier client comme un classeur Excel alors le scoring ne consiste qu’à ajouter une colonne en bout de fichier qui donne pour chacun de vos clients une note, disons de 0 à 100 points. Cette note peut représenter différentes probabilités comme celle « d’ouvrir un mail », de « cliquer sur un lien » , de « cliquer sur une bannière » ou bien « d’acheter dans les 15 jours qui suivent votre offre marketing ». Naturellement plus la note est proche de 100, plus il y a de chance que l’événement se produise et inversement.

Dans le cas d’une campagne marketing, le scoring est une approche éminemment ROIste puisqu’elle nous donne une prévision des taux de retour. En anticipant ces derniers, il est donc nettement plus facile de maîtriser son budget et de ne diffuser ses campagnes qu’aux clients les plus appétents. Le scoring permet d’avoir un retour sur investissement beaucoup plus important et de cibler avec pertinence une partie de vos cibles. Avec un seul indicateur vous pouvez donc augmenter votre taux de retour tout en diminuant les frais liés à votre campagne. Mécaniquement votre ROI se voit boosté et votre pression commerciale diminuée.

Data-Science-Schema-2

Élaboration d’un score de conversion chez Pimkie France

3/ Le zoning ou la personnalisation du contenu éditorial

A l’heure de l’hyper-personnalisation, le marketing ne fait pas figure d’exception. La Data Science s’est en effet emparée d’un sujet historiquement réservé à l’A/B testing : le zoning ou « placement de contenu éditorial ».

Imaginez que vous voulez placer un encart éditorial sur votre site web ou une campagne de mailing. Deux possibilités (A ou B) s’offrent à vous, laquelle devriez-vous choisir ? Laquelle aura le plus d’impact ? L’A/B testing vous répondra « testez les deux sur de petits volumes et vous verrez les résultats ». Là où la manœuvre est nettement plus complexe c’est quand vous avez plus de 2 contenus possibles, je parle évidemment de l’A/X Testing ! Même enjeu, même question : quelle communication est la plus pertinente ?

Là où l’A/X traditionnel peinera à préconiser un contenu éditorial spécifique pour une sous-population donnée, la Data Science arrivera à mettre en évidence les éléments différenciant grâce à ses algorithmes de machine learning nativement conçus en ce sens. Vous obtenez donc une réponse multiple précisant quel contenu pour quelle sous-population. L’expérience client sera donc améliorée car la personnalisation plus poussée.

4/ Le moteur de recommandations

Si vous êtes client Amazon, les moteurs de recommandations doivent vous parler. Ils sont souvent cachés derrière des sections comme « produits fréquemment achetés ensemble », « les clients ayant consulté cet article ont également regardés/achetés ». De la même manière, Netflix donne une note pour les contenus que vous seriez probablement ravis de visionner. Spotify adopte les mêmes techniques pour ses playlists.

Bref, comme son nom l’indique un « moteur » de recommandations est un outil permettant de lister les différents produits du catalogue qui pourrait plaire à l’ensemble de vos clients. Son utilisation est très variée : il peut s’agir d’un encart dans une communication comme d’une interface web. Côté bénéfices, ce moteur vise principalement la vente additionnelle (cross-selling ou X-selling), mais aussi la montée en gamme ou l’up-selling. Pour pouvoir mettre en œuvre ce type de technique pas de secret : il faut un historique des consommations et/ou consultation sur une grande partie de vos clients.

5/ La tarification dynamique ou dynamic pricing

La tarification dynamique est une méthode moderne d’adaptation du prix en fonction de la demande, des offres et de la concurrence. Elle est déjà très largement utilisée dans les domaines de l’hôtellerie et des voyages. En effet, vous êtes nombreux à savoir que le prix d’un billet d’avion varie en fonction de la période et de l’heure à laquelle vous le réservez. De la même manière pour le retail, il est possible de définir un modèle prenant en compte les données transactionnelles, les descriptions produits, les promotions passées, les avis clients, les prix de la concurrence, les données d’inventaire et de supply chain ou les données géographiques. Il faut ensuite définir les contraintes et objectifs comme la maximisation des profits, la fidélisation client ou le ciblage d’une niche de clients. Vient ensuite la phase de modélisation de la donnée à optimiser et les simulations d’impact sur la clientèle. Le machine learning et la Data Science permettent de prendre en compte un large volume de données en entrée de ces algorithmes et donc d’avoir une performance et une pertinence accrue.

6/ L’agent conversationnel ou ChatBot

Véritable star de l’interaction client et considéré comme un canal à part entière, le ChatBot se charge de simuler une intervention humaine lors d’un échange avec le client. Les ChatBots ou agents conversationnels peuvent être mis en œuvre tant à l’écrit comme avec Messenger, la célèbre application de messagerie instantanée de Facebook, ou à l’oral avec Alexa ou Google Home. Mais concrètement à quoi servent-ils et en quoi peuvent-ils améliorer votre relation client ? A l’heure actuelle, une des implémentations les plus tangibles est la complétion ou la substitution des Foire Aux Questions (FAQ). Il s’agit de fournir une réponse rapide aux questions les plus fréquemment posées par vos clients. Deux effets bénéfiques sont à souligner : un allégement notable de la charge des collaborateurs attitrés à la relation client et une haute disponibilité avec un support 24 heures sur 24. Pour pouvoir construire ce genre de robot il est essentiel de disposer des questions posées par les clients ainsi que des réponses satisfaisantes à ces questions.

Le Récap’

Data Science Ep1

>> Ne manquez pas la deuxième partie de ce dossier pour tout comprendre de ces technologies data !

>> Nos contenus vous intéresse ? Abonnez vous à notre newsletter !

Bannière Newsletter Kiss The Bride

0 commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *