Le marketing predictif évolue avec GetQuanty et son scoring comportemental

Les quatre prédictions sur l’évolution du marketing prédictif – Lead gen’ B2B

Jean-Baptiste Sachot, Sales Managing Director d’Akuiteo, un logiciel de gestion, cite souvent cette anecdote révélatrice de l’évolution des comportements d’achat en B2B : « J’avais observé qu’une entreprise, que je connaissais pour être dans ma cible mais que nous n’avions jamais approché, était venue sur mon site et avait passé un certain temps sur les pages de l’une de nos offres. J’appelle son dirigeant, que je n’avais jamais rencontré, et il me dit aussitôt qu’il attendait mon appel. Devant ma surprise, il m’explique qu’après avoir visité mon site web la veille, et bien qu’il n’ait pas laissé ses coordonnées, il s’attendait à être rappelé. Pire, il aurait été déçu que je ne le fasse pas »

Bénéficiant d’un choix pléthorique sur Internet – notamment grâce à la puissance digitale du Big Data et du machine learning – les décideurs B2B sont progressivement devenus très exigeants dans leur cycle d’achat et la notion de customer experience prend de plus en plus d’ampleur. Ils attendent des fournisseurs qu’ils redoublent d’attentions et d’efforts, et avant tout qu’ils tiennent compte de leur contexte spécifique. La relation marketing – ou Customer Relationship Management – avec le décideur s’inscrit désormais en 1-to-1 – plus possible d’envoyer un message unique à l’ensemble des cibles, il faut personnaliser la conversation et changer de stratégie marketing. L’ensemble des stratégies marketing sont remises en cause : mobile marketing, data science, digital strategy, content marketing ou search engine optimisation…

CRM lab pour l'évolution du Marketing avec GetQuantyHeureusement, la croissance exponentielle du volume de données – croissance qui va encore s’accélérer avec le phénomène des objets connectés, de la prédiction l’évolution de la data science – rend cette évolution possible. En croisant des données internes avec les informations issues de l’analyse comportementale des cibles sur le web et les réseaux sociaux, on peut modéliser des comportements de décision, en vue de délivrer le bon message, à la bonne personne et au bon moment – comme dans l’histoire de Jean-Baptiste Sachot – bienvenue à la personnalisation et aux stratégies de social media, adieu au marketing traditionnel . C’est ce qu’on appelle le marketing prédictif, qui repose sur l’analyse des comportements, le data mining, donc des motivations de chaque cible prise individuellement. Il est nécessaire de penser expérience client mais surtout de s’intéresser à un nouveau modèle de gestion de la relation client sans oublier la fidélisation et leur satisfaction. Bertrand Duperrin, consultant pour Emakina.FR, explique ainsi que 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)»

Un processus en 4 étapes

Le marketing prédictif se présente sous la forme d’un processus en 4 étapes :

Comprendre. Cette étape consiste à collecter des informations, en trois phases distinctes :

  • 1st party data : collecte des données internes, en provenance du marketing, des ventes, du support… et enrichissement avec des informations digitales comportementales (pages visitées, commentaires sur les réseaux sociaux, clics dans les emails etc.). Cette phase est absolument cruciale car la qualité des données est le principal garant de la prédiction. Dans le meilleur des cas, on met en place une Data Management Platform (DMP) pour réconcilier les données dans un même référentiel.
  • 2nd party data : acquisition de données auprès de partenaires tiers. Par exemple, LG s’est appuyé les tickets de caisse de Darty pour mieux cerner les besoins des acheteurs et mener ensuite des actions de retargeting.
  • 3rd party data : acquisition de données tierces via l’open data ou auprès de vendeurs de data professionnels.

Cibler, c’est-à-dire adopter une segmentation fine en vue de dégager des personas et des comportements d’achat homogènes entre eux et hétérogènes les uns avec les autres. Cette étape demande des ressources de Big Data et permettra de mettre en place une optimisation du scoring et de segmenter les opportunités.

Agir. Il s’agit ici de programmer une action pertinente en regard de l’état de la cible. En B2B, où le cycle de décision peut prendre des mois, le parcours client suit un processus bien calibré. Il ne faut pas envoyer une proposition trop vite… ni proposer un livre blanc à un décideur en phase de choix final. Il faut désormais penser temps réel, ou real time comme diraient nos amis anglophones.

Mesurer… La mesure permet de boucler la boucle, car les résultats observés vont permettre d’améliorer le système, de l’affiner. De modifier et d’adapter vos différentes stratégies : marketing automation, visualisation, marketing stratégique, analyse des données, marketing relationnel, stratégie multicanale, marketing internet, ciblage, search marketing, business intelligence, emails marketing… Tout cela dans le but d’apporter des résultats au Chief Marketing Officier en tant que bon marketer.

Les résultats attendus

  • Plus de chiffre d’affaires. Bien sûr, c’est la plus grande attente, celle qui justifie des budgets impressionnants investis dans le marketing prédictif.
  • Améliorer les performances des campagnes (taux d’ouverture et de clics supérieurs) et donc le ROI de celles-ci.
  • Diminuer le taux d’attrition, par exemple en estimant le niveau de satisfaction d’un client et en le comparant à son seuil de tolérance (le niveau à partir duquel il envisage de changer de fournisseur).
  • Optimiser les stocks en anticipant les commandes. Leroy Merlin fait ainsi tourner des modèles mathématiques pour affiner ses prévisions de commandes, sachant notamment que 80 % de ses clients préparent leurs achats sur son site Web avant de se rendre en magasin. Il est désormais indispensable de penser prédictif avec des “predictive analytics” !

Une mode de quelques mois ou une tendance de fond ?

Aux USA, le marketing prédictif est déjà bien ancré dans les lignes budgétaires. Ainsi Randy Wootton, CEO de Rocket Fuel, explique que “ce n’est plus une révolution à mener, mais la nouvelle norme“. Pour vous cela ne représente peut-être qu’un ensemble d’algorithmes peu fiables réalisé par un data scientist, mais pour lui, le marketing prédictif représente un réel enjeu analytique et possède un potentiel – à optimiser – pour développer d’avantage les opportunités présentes avec certains prospects en marketing B2B.

En France, la situation est plus complexe. Selon « le baromètre des pratiques digitales 2015 » réalisé conjointement par SIA Partners, Econocom et l’Ifop, la moitié des grandes entreprises françaises travaillerait sur la prédiction de comportements clients. Mais comme en parallèle l’utilisation de données issues du big data demeure chez les entreprises sondées une pratique marginale (moins de 20% d’entre elles), on peut supposer qu’il s’agit plutôt d’intentions ou d’expérimentations que d’une pratique bien ancrée.

Le marketing prédictif vu par les directeurs marketing - Made by GetQuanty

Aussi faut-il plutôt écouter les déclarations d’intentions des directeurs marketing, comme dans ce Baromètre Comm’ Back publié début 2017. 36% des sondés voient le marketing prédictif comme un nouveau levier de lead gen ; et 35% comme l’avenir du marketing IT – un score impressionnant. Seuls 4% le voient comme un effet de mode. 28% utilisent déjà un outil externe, mais 56% des grandes entreprises comptent investir dans le marketing prédictif (36% des TPE/PME). Plus important encore, il apparaît en seconde position des leviers marketing prioritaires (48% des réponses) derrière le SEO, mais devant l’évènementiel, l’emailing et le brand content. Dans les grandes entreprises, le marketing prédictif arrive même en tête.

Les prochaines évolutions

Selon Randy Wootton, 4 tendances vont accélérer le développement du marketing prédictif au cours des prochains mois : les profils uniques, le prédictif d’action algorithmique, l’Intelligence Artificielle pour la co-creation de contenu et la DCO (Dynamique créative).

  • Profils uniques : on saura mieux proposer une action marketing pertinente (télécharger un livre blanc…) selon le profil de la cible à l’instant T. Ce profil sera en effet calculé non pas seulement en fonction de données déterministes mais également probabilistes (pour en savoir plus, voir notre article)
  • Le prédictif d’action algorithmique : actuellement, les actions proposées dépendent surtout du dernier évènement relaté (de type : si mon contact a visité ma page offre A, je lui envoie un email vantant le produit A) ; ils devraient par la suite dépendre de la série d’évènements vécus par mon contact (de type : s’il a successivement téléchargé un livre blanc, assisté à un webinaire puis visité ma page offre A, cela justifie qu’un commercial le rappelle). D’autre part, il sera possible de calculer/prédire les prochaines étapes de son cycle d’achat (éducation, considération, sélection) et donc le bon funnel en marketing digital !
  • Intelligence artificielle pour la co-creation de contenu : l’IA progresse rapidement,  la Big Data est désormais devenue de l’Immense Data et les marketers prédictifs vont les utiliser pour augmenter leur capacité à comprendre, agir et répondre en temps réel. Le challenge est immense. Prenons l’exemple de la compréhension sémantique (qu’elle soit par reconnaissance vocale ou par analyse de corpus textuel). La phrase “Trouve moi un italien près de chez moi à Londres” est délicate à interpréter par une IA : par italien, entend-on une personne ou un restaurant ? Pour répondre correctement a cette requête, l’IA devra par exemple chercher dans mes emails le terme « italien », comprendre que je parle d’un restaurant, trouver dans Foursquare une localisation près de l’hôtel que je viens de réserver, puis me renvoyer la réponse par le canal approprié (par la voix, si je suis dans ma voiture, un texte si la demande est faite par email)…
  • La DCO : Les marketers restent encore limités par le coût et la complexité de la création, particulièrement en vidéo, pour offrir des expériences vraiment individuelles. Les systèmes de management créatifs (DCO) permettront bientôt de pallier à cette limite (voir un premier exemple avec la campagne du « Nouveau Rembrandt » de l’ING qui utilise la data pour créer une nouvelle peinture étonnante dans le style du peintre).

Sources :

 

Leave a Reply