Partagez les articles :

le-marketing-preditif

 

Nous avons eu le plaisir d’être à nouveau invité par Adobe dans le cadre des soirées Social Drink Up (la dernière soirée ayant comme thématique la rentabilité des Media Sociaux en eCommerce).

Cette fois  le thème était le  “Le Marketing prédictif”, avec encore une fois des intervenants de qualité :

Jacinthe Busson, Fondatrice de Kontest, l’outil de création de jeux concours sur Facebook

Henri Kaufman, publicitaire, marketeur et figure incontournable du Web… et blogueur sur http://henrikaufman.typepad.com/

Isabelle Cinquin, VP Global Digital Business Development chez l’OREAL

 

Le but était de faire un état des lieux sur  le Big Data, et son impact dans le Marketing.

En effet grâce à la forte diversité des sources de données, à la croissance constante des volumes d’informations et à la montée en puissance des outils d’analyse, il devient possible de prévoir les comportements des consommateurs (ou au moins de les analyser de plus en plus rapidement grâce aux signaux faibles, aux tendances…).

 

Partie 1 – Réflexions sur le Marketing Prédictif par Henri Kaufman

Henri Kaufman a débuté la session par un rappel sur les tenants et aboutissants du Marketing Prédictif :

– Il faut tout d’abord distinguer prédictions (basées sur l’intuition et l’irrationnel) et prévisions (basées sur des données et des probabilités de réussite). Il faut donc partir de faits, et d’en dégager des tendances (en tenant en compte du bruit et des aléas).

– Le scoring va devenir de plus en plus accessible, via de nombreux outils comme par exemple la méthode RFM (récence / fréquence / montant / type d’achat), comme nous l’avons déjà évoqué dans un article sur la loyauté et la fidélisation, ou sur le marketing à la performance.

– La Life Time value qui consiste à calculer le montant moyen que va rapporter un client au cours de sa vie “commerciale”. Cela  permet de mieux calculer ses budgets marketing (en particulier le coût d’acquisition)

Cependant le concept de life time value va évoluer, car il va être mieux possible de comprendre le comportement des consommateurs.

En effet le consommateur prend généralement peu de risque avec un premier achat, en achetant un produit “pivot” qui permet de commencer une relation simple avant de faire un gros achat (ex : un accessoire, un service….).

Le datamining permet de repérer ces produits pivots qui permettent ensuite de proposer à ces  acheteurs des produits qui l’inciteront à acheter plus et des produits avec plus de valeur ajoutée…

Le datamining permet de définir   les produits qui s’achètent en séquence et donc d’anticiper sur les prochains achats en proposant les bons produits au bon moment via des chaines de prospection et de fidélisation (cf notre article sur les chaines de prospection).

 

– Le prédictif permet d’analyser la satisfaction clients et les seuils de tolérance : si on a un petit problème cela peut ne pas nuire à la relation commerciale, mais si on dépasse le seuil de tolérance  le client nous quitte.

Il faut donc analyser ces problèmes et faire du prédictif pour anticiper les départs.

Cela passe par une analyse du mécontentement (les enquêtes de satisfaction post achat, les appels qualité, l’analyse sémantique des mots employés dans les emails…).

L’entreprise doit apprendre à  mettre en place un système d’extra mile (aller au delà de ce que le client s’attend lorsqu’il a un problème) ou de détecter des  séries d’incidents qui entraînent le départ du client.

 

– Le Marketing va pouvoir faire un bond en avant avec l’accessibilité du big data à toutes les entreprises.

C’est plus que le simple data mining, c’est l’émergence du temps réel, avec en plus de la geolocalisation via les smart phones , via l’accès à des bases de données publiques et privées… mais aussi la possibilité de trouver des corrélation inattendues !

 

– Le Big Data va aussi nous permettre d’appliquer les techniques de neuro marketing, en analysant vraiment ce que pensent le consommateur, et non pas seulement demander aux clients ce qu’ils pensent penser…

Je vous offre mon guide 

"100 conseils pour réussir sur le web "

C'est le fruit de plus de 15 ans à travailler sur le web : je vous explique tout ce que j'aurais aimé savoir lorsque j'ai débuté sur internet...

Vous allez apprendre à attirer plus de prospects, améliorer votre conversion, rentabiliser votre temps, fidéliser vos clients... 

+ 10 minis guides pratiques (emailing, référencement...)

Vous recevrez également par email des conseils de ma part.

Par exemple la soupe Campbell  a menée des études en Eye Tracking  seconde par seconde sur les  degrés de rétention et d’émotion d’une de leurs publicités pour savoir si celle ci était efficace, et ainsi les corriger :

neuromarketing soupe

Ainsi le marketeur peut analyser les données face aux vraies réactions des clients !

Le but est d’avoir la bonne information au bon moment, sur des consommateurs qui sont prêts à consommer mais auxquels il manque juste un appel à l’action adapté !

C’est ce qu’explique Christophe Bénavent dans une de ses interventions :




– Avec ces outils et ces techniques, on va arriver au marketing de l’influence.

C’est à dire que l’on ne va plus faire de la publicité de masse, mais on va cibler les influenceurs qui pourront être repérés sur le Web, dans les Media sociaux… Sans être forcément des stars car ce sont eux qui vont influencer sur leurs contacts et communauté.

On retrouve cette idée dans le film “La Famille Jones” :



 

Partie 2 – Le Marketing prédictif  en entreprise – Isabelle Cinquin

 

– Le futur des  produits, des analyses  publicitaires… sont liées au prédictif et à l’analyse.

Pourtant on repart souvent à 0 avec le mobile car souvent on doit revoir ses modèles statistiques.
En effet le challenge n’est plus d’avoir des données mais d’analyser  les bonnes données.
On peut analyser beaucoup de data (les ventes, le social…), et il y a en plus  la mondialisation, les données d’usage des applications…
Le mobile devient un catalyseur entre le marketing et les autres disciplines (informatique, statistiques…)

On peut maintenant avoir des infos en tant réel grâce au média sociaux, et on n’a plus besoin de réunir les personnes dans une salle pour avoir des réactions face à un produit.

 

Il faut donc désapprendre les analyses classiques basées sur la segmentation, l’identification de quelque critères… Car on ne peut attendre les résultats d’études car le monde va vite.

Il faut donc du temps réel et de l’immédiateté , justement le Big Data.

La clé est la technologie car les outils sont à la portée de tous : Google maps, Google Analytics… offrent ce genre de données temps réel par exemple.

Cependant il faut comprendre les données, et donc le dataminer qui comprend le parcours client sera celui qui pourra apporter de la valeur ajoutée aux informations brutes et savoir où et comment chercher les éléments clés.

En effet ce sont les données non structurées, et donc il n’y a pas forcément de logique évidente.

 

 

– L’effet de halo montre qu’on peut distinguer  les early adopters et les influenceurs.

Il faut donc se concentrer sur les 2% d’ influenceurs et les 20% d’ early adopters, pour  entraîner les autres consommateurs.

Facebook a ce problème de ne pas avoir un  bon datamining (ils ont des masses de données sans les exploiter correctement), au contraire de  Google qui a monétisé ses données via ses services (ex: les annonces ciblées Adwords liées au contenu des emails sur Gmail).

Le nouveau dataminer va devenir un “data scientist”. En effet il y a un changement sur l’analyse de la donnée (moyens, outils…) et donc c’est de plus en plus complexe car il faut connaître les stats, l’informatique et aussi les business process de l’entreprise.

– Comment influencer les influenceurs ?

On peut appréhender la personne dans sa communauté avec un réseau d’ influence, afin de faire ensuite du cross selling.

Mais le datamining ne sert plus qu’au marketing… Avec le Big Data, toute  l’entreprise (finance, service clients…) peut mieux analyser et anticiper.

Le rôle du dataminer moderne est de  donner des outils simples accessibles à tous dans l’entreprise.

Sur le mobile il faut repenser pour choisir les bonnes données et les exploiter au maximum… car les entreprises qui auront dans le futur du succès seront celles qui savent utiliser leurs données.

Une utilisation pratique en ecommerce c’est par exemple un moteur de recommandation de produits comme sur amazon ou de jobs dans linkedin…

On fait des crossell et upsells à ses clients, ce qui permet de générer des revenus supplémentaires.

Le datamining permet de choisir les bons produits en temps réel selon les dernières tendances.

– Le Datamining va mélanger science et instinct…
Il est intéressant de travailler en sérendepity, cela peut permettre de repérer des tendances.

Les  données peuvent dégager des tendances, mais il faut ensuite les analyser, les interpréter et les valider.

La variété de données du big data permettent de repérer des mots clés et des éléments que l’on n’analysaient pas auparavant, le problème reste d’itérer sur ces éléments et de savoir où chercher.

 

 

– Quelles sont les limites légales de l’accumulation de données ?

C’est un élément crucial car le cloud permet de nombreuses choses… Il faut donc faire attention à ses choix et à ses prestataires.
S’il y a une action marketing mal ciblée, elle peut générer des problèmes, par exemple il y a eu cette histoire d’une marque de produits pour femmes enceintes qui a envoyé une promos aux parents d’une filĺe qui avait fait un test de grossesse.

 

– Le marketing prédictif peut il être intégré dans tous les domaines ?

Paradoxalement plus l’entreprise est petite, plus elle aura intérêt à faire du datamining pour bien cibler et mieux caler à son marché !

Par exemple une entreprise de jeu en ligne de type Zynga, elle se compose de seulement 20 personnes, mais avec 20 Millions clients et 1 milliard de transaction jour, elle a donc mis en place d’une équipe datamining qui a permis de comprendre ce qui faisait marcher le jeu et son succès.

L’engagement à été analysé avec pour effet le développement de nouvelles fonctions, l’arrêt de trucs inutiles… car il était possible de mesurer en temps réel ce qui fonctionnait ou pas.
Idéalement le datamining doit être transversal pour faire bénéficier tout le monde. Il ne faut pas une personne dans l’équipe marketing direct… Il faut avoir une vision globale.
Un des problèmes reste la fragmentation des données. Une des clés est hadoop qui permet de traiter des fichiers très divers en formats (textes, images…) même si c’est lent et complique d’un point de vue technique.

 

Partie 3 – Le Big Data et le parcours clients

Le parcours clients est toujours au coeur des entreprises, il faut comprendre le processus d’achat, la zone d’influence, la fidélité… 

Ce qui change c’est que le datamining évolue, avec des lieux différents pour récupérer des données (applications mobiles, les réseaux sociaux…), avec une nouvelle dimension (ex: l’intimité et la proximité des applications mobiles).

La façon dont les utilisateurs vont interagir et utiliser une application mobile va apporter de l’information pour les entreprises :  le profil du client, ses besoins (ex: gagner du temps, s’occuper pendant des temps libres…).

Cela permet de personnaliser plus encore une application mobile aux attentes et besoins des clients.

Les applications pratiques du big data permettent désormais d’avoir un accès aux données en temps réel, et non plus via l’utilisation de données historiques, ce qui est en grand pas en avant dans la réactivité et la productivité.

 

Partie 4 – Le Big Data dans notre quotidien

– Est-ce que l’intuition va être remplacée par le datamining  ?

Un bon dataminer doit avoir de l’intuition, mais il doit tout autant avoir une bonne technique afin de connaître les statistiques.

Par exemple l’A/B testing n’est rien d’autre que l’utilisation de l’intuition (tests de 2 intuitions), pour ensuite les valider par des statistiques.

Donc il ne faut pas opposer datamining et intuition, c’est complémentaire… il ne faut pas raisonner en silos, mais en global.

Le marketeur de demain doit être aussi un mathématicien, mais donner de l’intelligence aux données et ne pas chercher des corrélations qui n’existent pas…

Par exemple des statistiques montrent que le nombre de divorces est corrélé aux nombre d’ascenseurs construits dans l’année… Or il n’y a pas de corrélation, ce sont deux phénomènes distincts (sauf peut être que les hommes s’envoient plus en l’air !).

Il reste important de rencontrer ses clients “en vrai”, mais maintenant il existe des nouvelles données comme par exemple la mobilité qui permet de suivre en temps réel les comportements des clients sans devoir faire appel au déclaratif.

De plus il sera possible d’ajouter des données externes aux informations de l’entreprise. Par exemple les banques peuvent savoir si vous achetez vos carottes au Leader Price ou au Monoprix du coin… Ainsi les entreprises qui ont des données pourront les revendre, de manière non intrusives…

Mais il faut faire attention à ne pas devenir “Big Brother”…

Il faut faire du marketing prédictif individuel, en comparant les comportements d’un individu par rapport à la moyenne de ses congénères.

S’il a un comportement différent, par exemple il visite des sites sur les naissances, il faut alors lui proposer des produits adaptés.

De même si on sait qu’une personne est fan de Golf, l’entreprise est en mesure d’imaginer que les amis de cette personne aiment également le Golf. Ainsi il sera justifié statistiquement de faire des promotions ciblées sur le Golf à ces personnes sur Facebook.

Amazon fait la même chose : si vous achetez 1 fois un article dans une thématique donnée, la prochaine fois que vous allez sur amazon vous allez voir des promos sur des produits complémentaires (ou en pro-actif via des emailings).

 

– Comment mettre de la sérendépité dans le datamining ?

Il faut de l’intuition, mais il faut  oser chercher là où l’on n’a pas l’habitude de chercher…

Certes c’est un peu comme secouer une boite dans tous les sens pour sortir des dés, mais avec une optique d’obtenir un résultant en cherchant des relations.

Par exemple dans une entreprise de VPC, il y avait de nombreux vols. Aucun traitement classique ne fonctionnait (ni âge, ni les produits…). La solution a été de faire des tris par ordre d’adresses… Et ainsi cela a révélé des nids d’impayées… C’était des hôtels, des salons de coiffure… avec des voleurs qui se faisaient livrer de manière malhonnête dans ces entreprises.

Or ce type de ciblage avait échappé aux anciens tris… ce n’est que l’intuition qui a permis de trouver la solution au problème de vol…

 

– Est-ce que le datamining ne va pas mener à de la manipulation et mener  à un marketing de l’influenece ?

C’est vrai que l’on peut penser  que l’analyse du comportement du consommateur va entraîner un phénomène “big brother”, mais le besoin est tout autre.

En effet on va proposer aux clients des produits mieux adaptés à leurs besoins, donc améliorer leur satisfaction.

Le but est de proposer des produits liés à vos besoins, ou à ceux de vos amis.

En revanche, c’est vrai que l’on va plus vers un marketing de l’influence, comme l’a démontré Cialdini

Par exemple dans le film “La Famille Jones”, un des acteurs vante les mérite d’un club de golf… Or certes le club de golf est sans doute plus adapté, mais en plus il apporte de la confiance en soi, ce qui permet de renforcer les qualités du produit et ses performances.

Peut être qu’avec le Big Data on va arriver à un marketing de l’influence où au lieu de faire de la publicité de masse, on va cibler les vrais influenceurs…

Téléchargez le livre blanc “Les leviers d’une relation client simplifiée et unifiée”

livre service client

Pour télécharger le guide, merci de remplir ce formulaire :

 

 

Le Marketing Prédictif – Social Drink Up
Vous avez aimé ? Notez cet article ! Merci !

Partagez les articles :

4 thoughts on “Le Marketing Prédictif – Social Drink Up

Laisser un commentaire

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

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.