Du rôle des données pour bien cerner les attentes du client

Il est bien pra­tique de pou­voir acheter des vête­ments en ligne, sauf qu’on ne peut pas les essay­er virtuelle­ment. ASOS a résolu le prob­lème : d’une part, la livrai­son et le retour sont gra­tu­its, ce qui ras­sure les clients craig­nant de se tromper de taille. D’autre part, les don­nées recueil­lies lors des achats non retournés sont analysées afin de déter­min­er la taille qui con­vient à chaque client. Il suf­fit à l’algorithme d’apprentissage d’approfondir ces infor­ma­tions et de déter­min­er la taille des clients pour toutes les mar­ques de prêt-à-porter ven­dues par la bou­tique (avec leurs spé­ci­ficités). Ain­si, les clients pour­ront à l’avenir pass­er com­mande sans hésiter sur la taille.

Cette exploita­tion des don­nées à des fins d’amélioration per­met à ASOS d’offrir des expéri­ences client d’exception, tout en lim­i­tant les retours, qui coû­tent cher. En se met­tant à la place du client, les équipes d’ASOS pro­pose une expéri­ence client dont les mar­ke­teurs du monde entier peu­vent s’inspirer.

Relever le défi de la con­nais­sance client.

Jusqu’à présent, les mar­ke­teurs voy­aient les clients sous l’angle des canaux. Résul­tat : une vision cloi­son­née du mar­ket­ing et une expéri­ence décousue pour le client, au détri­ment de l’image de mar­que. En effet, les con­som­ma­teurs con­sid­èrent les mar­ques comme unes et indi­vis­i­bles. Un client ne dis­tingue pas ASOS sur son site d’ASOS sur son appli­ca­tion mobile, pas plus que vous ne faites la dif­férence entre votre meilleur ami lorsque vous échangez avec lui par télé­phone, en per­son­ne ou par e‑mail.

Pour offrir aux clients des expéri­ences qui leur don­neront envie de revenir, les mar­ques doivent pass­er d’une approche ori­en­tée canal à une approche ori­en­tée audi­ence. Il s’agit de se met­tre à la place des clients. Leur expéri­ence n’est pas liée à un appareil, ni à un canal. Elle porte sur une mar­que dans sa glob­al­ité. Vous devez donc réfléchir de manière glob­ale au par­cours client pro­posé et à son optimisation.

Pour opti­miser le par­cours client, les mar­ques doivent se focalis­er sur trois aspects : la tech­nolo­gie, la finesse des don­nées et la révi­sion de la stratégie marketing.

Maîtris­er l’expérience grâce aux pro­grès de la tech­nolo­gie cognitive.

Avec les pro­grès des tech­nolo­gies d’analytics, les entre­pris­es sont en mesure d’automatiser au max­i­mum les tâch­es néces­saires à la créa­tion d’expériences client effi­caces. Au départ, ces tech­nolo­gies étaient descrip­tives. Elles inclu­aient des tableaux de bord et des rap­ports, qui rendaient sim­ple­ment compte d’événements passés. Est venue ensuite l’analyse diag­nos­tique, qui applique des sta­tis­tiques afin de mieux inter­préter et struc­tur­er les don­nées. Elle per­met de mieux com­pren­dre ce qu’il se passe réelle­ment.

La troisième avancée, l’analyse pré­dic­tive, mar­que un tour­nant décisif entre l’éclairage sur une péri­ode antérieure et la réflex­ion sur l’avenir. Les entre­pris­es utilisent en effet les don­nées his­toriques pour anticiper des événe­ments, comme une vente. L’analyse pré­dic­tive peut être effec­tuée en temps réel par un ordi­na­teur ou hors ligne par un analyste.

L’étape suiv­ante est l’analyse pre­scrip­tive. Dès lors qu’il est pos­si­ble de prédire effi­cace­ment des résul­tats, votre influ­ence peut peser sur les déci­sions des clients, comme quand ASOS recom­mande la bonne taille à une per­son­ne à la recherche d’un jean. C’est là que la tech­nolo­gie donne toute sa mesure : une véri­ta­ble recom­man­da­tion est for­mulée automa­tique­ment et en temps réel.

Dans sa dernière évolu­tion, l’analytique se fait cog­ni­tive, com­bi­nant les avancées antérieures des analy­ses pré­dic­tives et pre­scrip­tives. En faisant appel à l’apprentissage automa­tique et à l’intelligence arti­fi­cielle, les entre­pris­es peu­vent traiter bien plus de don­nées en beau­coup moins de temps. La prise de déci­sion est alors qua­si instan­ta­née et évolu­tive, ce qui per­met à des sociétés comme ASOS de faire des recom­man­da­tions aux clients, à tout moment et en tout lieu.

L’analyse cog­ni­tive agit comme un ser­vice de mise en rela­tion entre une entre­prise et ses clients. Grâce à l’apprentissage automa­tique et aux inter­ven­tions en temps réel, elle asso­cie chaque client à l’expérience la plus sus­cep­ti­ble de pro­duire le résul­tat souhaité. C’est par le biais de ces rap­proche­ments que les entre­pris­es poussent leurs clients à pren­dre des déci­sions d’achat, en temps réel, en leur offrant des expéri­ences de qualité.

Per­son­nalis­er l’expérience grâce à des jeux de don­nées pré­cis et des pro­fils de propension.

L’apprentissage automa­tique et l’intelligence arti­fi­cielle per­me­t­tent désor­mais de créer des pro­fils clients très pré­cis qui ren­dent pos­si­bles des rap­proche­ments per­ti­nents et ouvrent la voie à l’individualisation, mais pas for­cé­ment comme on l’imagine. En effet, la per­son­nal­i­sa­tion des expéri­ences à un niveau indi­vidu­el serait un investisse­ment bien trop coû­teux. Les entre­pris­es utilisent plutôt des don­nées démo­graphiques et psy­chographiques pour mieux cern­er le client à fort potentiel.

Ces infor­ma­tions leur per­me­t­tent d’établir des pro­fils qui représen­tent de grandes caté­gories de clients ana­logues. Bien qu’il soit sou­vent ques­tion de per­son­nal­i­sa­tion indi­vid­u­al­isée, les mar­ques ne créent générale­ment pas de pub­lic­ités et d’offres pour chaque indi­vidu (une annonce pour­ra cepen­dant être per­son­nal­isée en par­tie de manière dynamique). Les pub­lic­ités s’adressent à quelques audi­ences clés, aux­quelles les clients sont asso­ciés.

C’est en cer­nant ces audi­ences clés que les mar­ke­teurs peu­vent cibler cor­recte­ment leurs offres et cam­pagnes. L’étape suiv­ante de la per­son­nal­i­sa­tion con­siste à utilis­er la tech­nolo­gie pour iden­ti­fi­er les préférences d’une per­son­ne et établir un lien avec l’un de ces groupes de pro­fils, afin de génér­er les offres appro­priées.

Aupar­a­vant, les ana­lystes d’ASOS extrayaient des don­nées d’un out­il d’analytics, puis les com­mu­ni­quaient aux prin­ci­paux inter­venants pour ori­en­ter leurs déci­sions. Cet out­il n’était cepen­dant pas très pra­tique car il ne per­me­t­tait pas de pro­duire des rap­ports dynamiques ou réac­t­ifs. ASOS, dont le site reçoit chaque mois des dizaines de mil­lions de vis­ites via une mul­ti­tude d’appareils, ne pou­vait pas dégager des infor­ma­tions exploita­bles en rai­son de l’impossibilité de créer un pro­fil client exhaus­tif à grande échelle et en temps réel. Toute­fois, des out­ils comme Adobe Ana­lyt­ics ont per­mis à la société de seg­menter ses audi­ences de cette façon, puis de créer des pro­fils exploita­bles dont les dif­férents parte­naires ont pu se servir pour élabor­er et pro­pos­er des expéri­ences client attrayantes.

Ain­si, les out­ils d’analytics appro­priés per­me­t­tent aux entre­pris­es comme ASOS d’utiliser les don­nées pour créer des pro­fils de propen­sion. Un pro­fil de propen­sion est un ensem­ble de don­nées qui indique la prob­a­bil­ité d’un événe­ment futur par­ti­c­uli­er. Cela équiv­aut à prédire l’avenir en se bas­ant sur ce que des clients sim­i­laires ont fait aupar­a­vant dans des sit­u­a­tions sim­i­laires. Bien que le pronos­tic ne soit pas par­fait, il per­met d’orienter la réflex­ion des mar­ke­teurs dans la bonne direction.

En sachant ce que les clients sont sus­cep­ti­bles de faire en fonc­tion de ce qu’ils ont fait par le passé, les mar­ke­teurs sont à même de décider à quel moment inter­venir pour les inciter à acheter. C’est ain­si que ces spé­cial­istes sauront quelle expéri­ence met­tre en avant pour faire pro­gress­er les clients dans leur parcours.

Con­ver­tir les clients à fort poten­tiel en clients à vie.

Enfin, en se bas­ant sur les pro­fils clients et de propen­sion, les entre­pris­es doivent entière­ment repenser leurs plans mar­ket­ing dans une optique de fidéli­sa­tion. Les mar­ke­teurs doivent élabor­er leurs pro­grammes en fonc­tion de pro­fils spé­ci­fiques, et créer des cam­pagnes et des offres ciblant chaque grande caté­gorie de clients, au lieu de recourir à la méth­ode tra­di­tion­nelle fondée sur les canaux. En d’autres ter­mes, pour réus­sir, les entre­pris­es doivent se détach­er du mod­èle actuel.

En même temps, il leur faut plan­i­fi­er sur le long terme. Pourquoi ? Parce qu’en général, les mar­ques ont ten­dance à priv­ilégi­er la vente immé­di­ate au détri­ment de la valeur à vie d’un client. C’est une ques­tion d’équilibre : ne vous con­tentez pas d’encourager le client à faire un achat peu lucratif ; poussez-le à créer de la valeur.

Ceci étant dit, les mar­ke­teurs peu­vent car­togra­phi­er, à l’aide du pro­fil de propen­sion, le par­cours du client et les actions néces­saires pour sus­citer des inter­ac­tions à forte valeur ajoutée. Ce lien entre propen­sion et pre­scrip­tion aide les mar­ke­teurs à savoir quand agir et quand s’abstenir d’influencer les clients.

L’objectif d’une mar­que est de motiv­er ceux qui sont sus­cep­ti­bles de créer de la valeur, mais qui ont besoin d’un coup de pouce. L’analytics per­met d’identifier les per­son­nes qui sont déjà prêtes à faire ce que vous atten­dez d’elles. Il s’agit donc de ne pas les impor­tuner alors qu’elles sont sur la bonne voie. De même, les per­son­nes qui ne cor­re­spon­dent pas à vos pro­fils n’iront sans doute pas jusqu’au bout du par­cours client : nul besoin de se con­cen­tr­er dessus. Con­sacrez plutôt votre bud­get mar­ket­ing à influ­encer les per­son­nes qui hési­tent encore car, en défini­tive, ce sont elles qui méri­tent d’être encour­agées.

En exploitant l’analytics et la per­son­nal­i­sa­tion, les mar­ke­teurs peu­vent max­imiser l’impact de leur investisse­ment pub­lic­i­taire. Le sim­ple fait de pro­pos­er la bonne taille de vête­ment à un client en ligne per­met à ASOS d’inciter ce dernier à pass­er com­mande. Ce type de ciblage fait vivre une excel­lente expéri­ence aux clients, qui se sen­tent vrai­ment con­cernés, aug­men­tant ain­si la prob­a­bil­ité d’un achat.

Les mar­ques du futur

ASOS motive ses clients grâce à sa poli­tique de retours gra­tu­its, puis en faisant tout son pos­si­ble pour qu’ils n’aient jamais besoin de ren­voy­er un arti­cle. C’est en étudi­ant ses seg­ments de clien­tèle que l’entreprise peut mieux cibler les clients qui ont besoin de cette impul­sion. Résul­tat : le taux de con­ver­sion aug­mente et les investisse­ments pub­lic­i­taires sont plus rentables.

Pour réus­sir demain, les mar­ques doivent revoir aujourd’hui leur stratégie en matière d’expérience. Au lieu de vous empress­er de créer des points de con­tact et des straté­gies autour d’expériences sur des canaux ou appareils spé­ci­fiques, apprenez d’abord à con­naître vos clients. Cette con­nais­sance per­son­nelle vous aidera à gér­er vos choix de pro­grammes, vos straté­gies mar­ket­ing, la plan­i­fi­ca­tion des don­nées et les tech­nolo­gies req­ui­s­es pour pro­pos­er les expéri­ences adéquates. C’est la clé de votre réus­site en tant qu’entre­prise ori­en­tée expéri­ence.

Retrou­vez d’autres arti­cles dans notre série #KnowYour­Cus­tomers.