Guidés par le leitmotiv « Proposer le bon produit, au bon client, au bon moment ! », les professionnels du retail sont passés à la personnalisation des dispositifs marketing. Toujours plus transformer, augmenter le panier moyen et entretenir la fidélisation client tout en répondant aux enjeux relationnels et émotionnels en offrant à chaque consommateur des expériences sur-mesure ; à l’heure de cette quête incessante de personnalisation, examinons ensemble comment l’IA a boosté cet essor et les conditions du one-to-one.
Personnalisation ou Hyper-Personnalisation : de quoi parle-t-on ?
Enterrés les seuls efforts du marketing centré sur le produit, la vague du client-first (ou de la customer centricity) a tout emporté sur son passage, repositionnant ainsi les enjeux business et branding en direction du client. Flattés de se retrouver au centre de tant d’attentions, 80% des acheteurs se disent plus susceptibles d’acheter auprès d’une marque offrant une expérience personnalisée[1].
Prenons une approche simple : observons que la personnalisation, sous un angle minimaliste, consiste à intégrer dans la communication des informations personnelles et transactionnelles (nom, historique des achats, etc..). Ces données ne représenteraient que 1,6% des données générées par les acheteurs, la quasi-totalité du « Digital Body Language »[2] résidant dans des données comportementales à travers les millions de signaux que nous envoient les clients sur un site de vente en ligne. L’hyper-personnalisation se conçoit donc comme l’exploitation de ces données souvent immergées, surtout pour s’en nourrir en temps réel afin de créer cette communication extrêmement contextuelle et pertinente pour l’internaute.
Un exemple rapide basé sur du ciblage emailing :
- En mode Personnalisation, l’utilisateur recevra un e-mail de ventes flash, présentant son prénom dans l’objet, pour des chaussures appartenant à la même catégorie (sport) au sein de laquelle il a acquis une paire il y a environ 6 mois ;
- En mode Hyper-Personnalisation, le niveau de contextualisation s’avère nettement plus avancé : cet utilisateur, après avoir navigué sur le site, sans acheter mais en laissant quelques traces de son passage, recevra une communication élaborée autour des modèles de running consultés, de son historique de recherche et d’achat pour cette gamme de produits, et sur un créneau horaire correspondant à ses pics d’achat observés.
Capter et traiter les data, dans les limites de l’exercice
On distingue généralement les données chaudes des données froides. Ces dernières proviennent d’un CRM ou DMP, donc d’un ensemble de données préexistantes telles que l’âge, le genre, le profil d’achat (base RFM), etc. Les données chaudes auront quant à elles été captées lors de la navigation de l’internaute sur le site : les données comportementales sur les contenus consultés ou recherchés, le temps passé dans les diverses catégories ; les données techniques (ex : device, navigateur) ; les données contextuelles (ex : heure, géolocalisation). L’exploitation de ces données est naturellement au cœur de la mécanique de personnalisation.
Ces traitements demandent à être exécutés de façon précise et immédiate : il faut absolument pouvoir influencer et persuader le client en temps réel ! A tel point qu’on touche du doigt certains paradoxes : la collecte des données couplée aux traitements algorithmiques permet une adaptation en temps réel des contenus, ce qui pourrait avoir comme incidence de limiter la découverte et le browsing « libre », du moins non imposé. A l’instar du reproche relatif au tribalisme adressé à Facebook il y a quelques années.
Quant aux consommateurs, rassurés par la mise en place des principes RGPD, ils exigent dorénavant davantage de transparence et veulent savoir quelles données sont utilisées par les marques pour optimiser leurs dispositifs personnalisés. D’après une étude récente, 83 % des répondants sont prêts à partager leurs données à des fins de personnalisation[3], mais seulement dans la mesure où les marques sont transparentes sur leur utilisation et que les utilisateurs gardent le contrôle sur les informations transmises. Vous l’aurez compris : l’expérience client doit donc être construite autour du consentement, de la transparence et de l’intelligence dans l’utilisation des données.
Vers une motorisation de l’IA au service du marketing
Devant l’explosion des données partagées et la multiplication des critères de ciblage à activer en temps réel, l’Intelligence Artificielle a naturellement trouvé sa place sur ce terrain de jeu constitué par l’automatisation et l’optimisation de l’expérience client.
Rappelons que le Machine Learning et l’IA connaissent déjà des champs d’application étendus. Pour ce qui nous intéresse ici, les algorithmes utilisés vont être capables d’offrir aux acheteurs la meilleure pertinence quant aux suggestions et recommandations produits (à l’instar du pionnier Amazon), mais pas seulement. Comment ? Sur la base de segments clients démultipliés, l’algorithme va produire des prédictions fondées sur ses calculs et corrélations observées entre les acheteurs d’une même offre ou appétents à un même message. Le tout en traitant un volume de données toujours plus grand, et avec une fiabilité sans équivalence.
Sur le marché, un large écosystème de solutions s’est constitué autour de l’IA associée à l’hyper-personnalisation. Citons par exemple Kameleoon, Sparkow, Nosto, Nuukik, Untie Nots ou encore Target2Sell, chacun d’entre eux œuvrant à améliorer son algorithme prédictif pour optimiser le merchandising, la gestion des contenus, le search, les dispositifs promotionnels/fidélisation, les ciblages omnicanal (emailing, social).
Visuel de la solution de SAP Commerce Cloud
Dans l’immédiat, regardons de plus près la solution Context-Driven Services, add-on au sein de l’offre SAP Commerce Cloud, intégrant :
- Un principe de consentement pour toute exploitation des insights clients (Consent Management au sein du Store Front) ;
- Un cluster big data (Context Services) pour stocker et enrichir les données clients contextuelles et comportementales, adressées depuis un Profile Tag JavaScript ;
- La définition de segments, dans le Segment Builder, grâce à la gestion d’attributs et de conditions, en relation avec les commandes, le contenu du panier, le client ;
- L’affectation des clients aux segments, de manière dynamique, de manière à leur présenter des contenus spécifiques (content, promotions, search), en temps réel, que l’utilisateur soit loggé ou non ;
- Au fur et à mesure de la navigation de l’internaute, le service enrichit le profil, relançant ainsi des recalculs permanents dans les affectations client/segment, propulsant ainsi une expérience personnalisée sur le front, notamment via le CMS SmartEdit.
Comme nous l’avons vu, la personnalisation apporte toujours plus de valeur aux clients, par son souci avancé de contextualisation, dont les bénéfices perçus rejaillissent sur la relation entretenue entre le client et la marque… à condition que celle-ci ait instauré un climat de confiance dans le traitement des données dont le partage consenti peut être repris à tout moment.
[1] The power of me: The impact of personalization on marketing performance, Epsilon, 2018, https://www.slideshare.net/EpsilonMktg/the-power-of-me-the-impact-of-personalization-on-marketing-performance/1
[2] The Power of Digital Body Language, Nosto, 2018, http://www.retailexcellence.ie/wp-content/uploads/2018/05/14.00-eCommerce-Stage-James-White-Nosto-1.pdf
[3]https://www.accenture.com/fr-fr/company-news-release-etude-accenture-interactive
Directeur de projets e-Commerce
