Des tests A/B à la personnalisation, il n’y a qu’un pas

- Billet rédigé par nos reporters Olivier Saint‑Léger et Olivier Sauvage (auteur du blog Capitaine Commerce) en direct de l’Adobe Summit EMEA

Où en est la per­son­nal­i­sa­tion ? Il y a deux ans, les solu­tions de per­son­nal­i­sa­tion fai­saient le buzz, mais depuis, force est de dire que les pro­grès en la matière ne se sont pas beau­coup fait sen­tir sur le web français.

Manque de matu­rité du marché ? Manque de com­pé­tences ? Manque d’outils cor­re­spon­dants aux attentes des mar­ke­teurs ? Sans doute un peu de tout cela à la fois, mais sans doute surtout parce que les out­ils de per­son­nal­i­sa­tion disponibles ne per­me­t­taient pas jusqu’alors d’adapter leurs bases algo­rith­miques aux don­nées de l’entreprise.

Beau­coup présen­taient leur pro­pre algo­rithme, indépen­dant du véri­ta­ble com­porte­ment util­isa­teur, et surtout très rigide dans ses capac­ités d’évolution.

Pour résumer, la plu­part des out­ils ne pro­po­saient qu’une manière et une seule de per­son­nalis­er une expéri­ence ou une offre (sou­vent par le prix ou par sa rela­tion avec l’offre prin­ci­pale dans la page d’un site e‑commerce, par exem­ple). Bref, pas de quoi s’éclater !

Mais les choses com­mencèrent à chang­er douce­ment d’un côté qu’on n’attendait pas : celui des out­ils de test A/B ou mul­ti­var­iés.

Cette évolu­tion a eu lieu lorsque les équipes mar­ket­ing en charge des pro­jets de test ont remar­qué qu’il n’existait pas vrai­ment de ver­sions per­dantes dans un test A/B ou mul­ti­var­ié, mais des solu­tions plus ou moins gag­nantes selon des seg­ments de vis­i­teurs. Il suf­fit pour s’en ren­dre compte de pouss­er l’analyse d’un test à tra­vers ses KPI. En fonc­tion d’un seg­ment prédéter­miné, il était pos­si­ble d’avoir une lec­ture dif­férente d’un résul­tat de test et de se décou­vrir que celui-ci pou­vait avoir dif­férentes sig­ni­fi­ca­tions en fonc­tion du seg­ment observé. Cela changeait tout ! Désor­mais, on ne pou­vait plus réelle­ment par­ler de test, mais plutôt – le mot est lâché – de personnalisation.

Avec un même out­il, par con­séquent, il deve­nait pos­si­ble de tester, en temps réel, dif­férentes ver­sions d’une page, d’une offre, d’un par­cours, d’un media et d’attribuer automa­tique­ment ces ver­sions à des seg­ments de vis­i­teurs prédéter­minés ou même, car­ré­ment, automa­tique­ment déter­minés.

A ce sujet, nous avons eu l’occasion de ren­con­tr­er un des spé­cial­istes de la ques­tion, lors de l’Adobe Sum­mit de Lon­dres en mai 2019, Drew Bruns, prin­ci­pal prod­uct mar­ket­ing man­ag­er pour Adobe Tar­get, solu­tion de per­son­nal­i­sa­tion omni­canal et d’A/B test­ing. Avec lui, nous avons pu voir com­ment Adobe abor­dait avec des spé­ci­ficités très intéres­santes ce sujet complexe.

Pouvez vous nous résumer brièvement ce que fait Target ?

Adobe Tar­get est un out­il capa­ble de réalis­er des opéra­tions très com­plé­men­taires En pre­mier lieu, il per­met de com­par­er deux ver­sions d’un site (ou d’une page) afin de pro­pos­er des opti­mi­sa­tions. C’est une approche A/B test­ing clas­sique. Mais Adobe Tar­get per­met égale­ment de seg­menter les vis­i­teurs en fonc­tion des com­porte­ments et des pro­fils. Au final, tous ces enseigne­ments per­me­t­tent de met­tre en place des actions pour per­son­nalis­er votre rela­tion avec vos clients.

C’est un approche “test and target” assez classique, non ?

Nous avons une approche beau­coup plus inté­grée. Générale­ment, il y a deux groupes de tra­vail qui fonc­tion­nent en par­al­lèle : un pour la réal­i­sa­tion de tests fonc­tion­nels ou de con­tenus, qui passe ensuite ses résul­tats à un sec­ond groupe en charge du tar­get­ing via la mise en œuvre de campagnes.

Aujourd’hui, on est dans une approche où le test est impor­tant et con­stant afin de pren­dre rapi­de­ment des déci­sions. Avec Tar­get, il n’y a plus cette sépa­ra­tion puisqu’une même équipe va met­tre en place les tests, en tir­er des enseigne­ments et ensuite paramétr­er les campagnes.

Quels sont vos grandes différences par rapport aux solutions existantes ?

Beau­coup de nos con­cur­rents pro­posent des pro­duits stand­alone qui se con­cen­trent sur une fonc­tion, comme l’A/B test­ing par exem­ple. Pour com­par­er deux groupes d’utilisateurs, par exem­ple, les don­nées sur les com­porte­ments sont tracées et extraites au tra­vers d’une solu­tion d’analytique. Ce qui est impor­tant dans une solu­tion de test­ing ce sont les don­nées que vous injectez et la qual­ité du rap­port qui est produit.

Tar­get présente un pro­fil unique des clients qui est con­stru­it à par­tir des infor­ma­tions col­lec­tées en temps réel sur tous les dif­férents point de con­tact du par­cours client. C’est cette présence sur tous les canaux qui nous per­met de con­stru­ire ce pro­fil unique. Par ailleurs, Tar­get dépasse le sim­ple A/B test­ing en pro­posant une approche mul­ti­var­iée, ce qui per­met d’augmenter les com­bi­naisons de test afin d’optimiser les expéri­ences util­isa­teur, ou dés­ac­tiv­er celles qui ne sont pas opti­males. Bien enten­du, l’automatisation dans Tar­get facilite à la fois la mise en œuvre des dif­férentes com­bi­naisons de test, l’identification des préférences sur plusieurs seg­ments, la dés­ac­ti­va­tion des tests peu per­for­mants ou encore per­son­nalis­er automa­tique­ment un pro­fil client. Ce qui laisse plus de temps aux mar­ke­teurs pour se con­cen­tr­er sur leur méti­er et être plus créat­ifs.

Les marketeurs ne sont pas tous techniciens, ou ne disposent pas forcément d’une équipe de développeurs. C’est souvent un frein pour ce type de solution, non ?

C’est vrai, dès que l’on com­mence à mix­er sci­ence des don­nées et algo­rithmes, ces proces­sus sont sou­vent con­sid­érés comme très com­plex­es. Notre objec­tif est d’apporter un max­i­mum de sim­plic­ité aux équipes qui n’ont pas for­cé­ment un back­ground tech­nique. Un mar­ke­teur n’ayant pas de capac­ité à opti­miser un algo­rithme, par exem­ple, pour­ra tout de même utilis­er Tar­get pour faire des recom­man­da­tions. La sim­plic­ité d’utilisation de Tar­get est ren­due pos­si­ble grâce à l’utilisation d’APIs qui se con­nectent très sim­ple­ment sur n’importe quel point de con­tact pour fab­ri­quer un sce­nario dans la con­sole de l’application. Dans ce cas, tous les traite­ments s’effectuent sur nos serveurs pour effectuer une per­son­nal­i­sa­tion. Bien enten­du, dans le cas où une entre­prise dis­pose d’une équipe tech­nique, celle-ci peut dévelop­per elle‑même l’expérience client et faire appel à Tar­get comme moteur de recom­man­da­tions. Mais si vous le souhaitez, vous pou­vez aus­si avoir une approche hybride, qui repose sur les deux méth­odes.

Difficile de ne pas parler d’IA aujourd’hui. Quelle est son utilisation dans Target ?

Tar­get s’appuie sur Sen­sei, la couche IA qui sert l’ensemble des solu­tions pro­posées par Adobe. Lorsque vous faites de la per­son­nal­i­sa­tion automa­tisée avec Tar­get, vous pou­vez jon­gler avec plusieurs algo­rithmes qui s’auto enrichissent au fil du temps afin d’adapter l’expérience en fonc­tion des com­porte­ments client sur un seg­ment ou en fonc­tion d’un événe­ment externe comme le Cyber Mon­day, par exem­ple. De cette façon, il est pos­si­ble de créer automa­tique­ment des seg­ments clients pour opti­miser le ciblage.

Dans cette mécanique, les algo­rithmes jouent un rôle clé. Vous pou­vez utilis­er autant d’algorithmes que vous le souhaitez afin d’analyser et éval­uer vos audi­ences. Vous pou­vez égale­ment com­bin­er des points de col­lecte de don­nées dans votre par­cours client qui vont per­me­t­tre la créa­tion d’algorithmes. De cette façon, on iden­ti­fie plus facile­ment les audi­ences. Plus vous nour­ris­sez un algo­rithme avec des don­nées, plus il est pré­cis.

Mais ce qui est intéres­sant avec Tar­get, c’est que vous pou­vez injecter votre pro­pre algo­rithme, Les data sci­en­tists peu­vent alors « entraîn­er » leurs algo­rithmes et analyser les résul­tats pour met­tre en place de nou­velles actions.

En con­clu­sion, on voit claire­ment qu’aujourd’hui les nou­velles solu­tions logi­cielles facili­tent grande­ment la vie des mar­ke­teurs. Appuyés par une IA tou­jours plus présente, ils peu­vent élabor­er des straté­gies sans avoir de solides bases tech­niques, même si une col­lab­o­ra­tion avec les développeurs ou les experts des don­nées sont un véri­ta­ble plus dans la ges­tion d’un pro­jet. En bref, la per­son­nal­i­sa­tion n’a jamais été aus­si proche et accessible.