Comment optimiser la connaissance client ?

L’impératif de transformer les données dont dispose l’entreprise et les rendre opérationnelles est avéré. Comprendre le Big Data et son impact organisationnel sur la réactivité de l’entreprise et sa prise de décision est un véritable atout pour le manager d’aujourd’hui. Mais comment l’entreprise peut-elle exploiter les perspectives que lui offre le Big Data sur les clients et les produits afin de prédire l’impact de ses services sur la satisfaction client ? La guerre stratégique de l’information concerne qui possède et contrôle les données issues des consommateurs, qui développe les meilleures compétences et les exploite au mieux afin d’acquérir un avantage concurrentiel. L’accès, l’exploitation et l’optimisation des données sont générateurs de valeur et contribuent à l’identification des leviers de performance. Cela dit, comment faire face aux différentes dimensions des données à la portée de l’entreprise afin d’optimiser sa connaissance des clients ?

LA CONNAISSANCE CLIENT UTILE À L’ACTION DE L’ENTREPRISE

Connaitre ses clients est essentiel pour établir une stratégie relationnelle optimale. Identifier les véritables attentes du consommateur permet à l’entreprise de proposer la bonne offre au bon client, au bon moment et sur le bon canal. Seulement, il ne suffit plus de connaitre mais d’agir au plus vite ; plus vite que la concurrence. Il ne suffit plus de connaitre la sensibilité du client à une caractéristique du produit et/ou du service, il faut agir sur cette dernière.

La relation client traditionnelle a évolué vers l’ « intelligence client » qui permet d’agir de manière individuelle et scientifique en considérant le besoin de chaque client. L’expansion d’internet dans la sphère marchande et le développement des médias sociaux sont à l’origine de cette évolution.

L’intelligence client réside dans la parfaite connaissance du consommateur permettant à l’entreprise de personnaliser ses offres, ses tarifs, ses services, … etc. Elle concerne la personnalité du client plutôt que son comportement d’achat. Cela implique la collecte des données, l’extraction efficiente des connaissances, et les actions conduites à partir de ces dernières. On parle ainsi de marketing inverse, un marketing dans lequel l’entreprise privilégie les besoins de ses clients et la personnalisation possible de son offre, aux attentes du marché dans sa globalité. Cela suppose un raisonnement inverse aux stratégies traditionnelles.

Les principaux avantages stratégiques des technologies de l’intelligence client résident dans la segmentation plus précise et plus ne des clients avec des offres plus adaptées. Elles permettent à l’entreprise de résoudre plus rapidement les problèmes auxquels sont confrontés leurs clients et renforcent leur avantage concurrentiel. Ceci en aidant l’entreprise à accroître ses performances en identifiant de nouvelles opportunités commerciales, et en améliorant l’efficience de ses investissements ainsi que sa réactivité.

LA PLACE DES DONNÉES TEXTUELLES NON-STRUCTURÉES DANS L’UNIVERS DU BIG DATA

L’éventail des données susceptibles de renseigner l’entreprise sur ses clients est très large. Les consommateurs d’aujourd’hui produisent un nombre important d’informations à travers leurs conversations sur internet. 80% des données des entreprises sont non structurées et seulement 6% d’entre elles sont exploitées (IDC Markess, 2015). L’enjeu de la valorisation de ce type de données paraît ainsi évident.

Prenons l’exemple d’un site marchand de vêtements et les commentaires laissés par ses clients. Comment l’entreprise peut-elle s’organiser pour tirer efficacement profit de ces données ?

Définir une stratégie clientèle efficiente à travers le Big Data revient d’abord à structurer un modèle pertinent d’exploitation des données. Ceci suppose la mise en place d’un entrepôt de données (Data Warehouse) donnant les moyens à l’entreprise de stocker toutes les données recueillies ; l’installation d’outils d’extraction et d’analyse de ces données (Data Mining) ; et le traitement de ces dernières via des programmes qui reposent sur plusieurs branches informatiques de l’intelligence artificielle telles que les réseaux de neurones.

S’agissant de l’exploitation des données dans les textes des conversations des clients, l’extraction de connaissance (Text Mining) se fait à l’aide d’algorithmes consistant à reconnaître les mots, les phrases, le rôle grammatical de chaque mot ainsi que leur sens et les liens entre eux. Cela suppose la détention de ressources très conséquentes (dictionnaires de noms communs, de noms propres et d’expressions, une base grammaticale et sémantique …etc.). Après un processus de correction grammaticale, il est opéré sur les mots une désambiguïsation sémantique : une séparation des sens pour un même mot (par exemple pour le mot « sens », est-ce qu’il s’agit de la direction ou de la conjugaison du verbe sentir ?). De ce fait, une distinction est faite entre le verbe, le sujet, le complément d’objet direct, indirect, etc. ce qui conduit à la construction d’un arbre syntaxique abstrait (AST : Abstract Syntax Tree).

Dans un second temps, le traitement et l’interprétation des données extraites se fait à travers des programmes de modélisation de base issus de l’intelligence artificielle tels que les réseaux de neurones. Ces derniers sont constitués de modèles de calcul optimisés par des méthodes d’apprentissage inspirés du fonctionnement des neurones biologiques. Ils feront ainsi le lien entre le sujet, le verbe et l’objet de la phrase. Ils prendront par la suite une décision de réponse adéquate. Si une cliente, par exemple, commente son achat : « Je suis déçue par cette robe ! », le réseau de neurones fera le lien entre le « je », « déçue » et « robe » et répondra au « je » : « Qu’est-ce qui vous a déçu dans cette robe ? ». La relation client est ainsi axée sur une certaine intimité avec le consommateur. Elle prend en considération ses émotions tout au long de son parcours client et mise sur une relation personnalisée.

Avec l’évolution de l’informatique, cela fait de nombreuses années qu’un nombre considérable de logiciels d’analyse textuelle a été développé. Le recours au Big Data dans ce domaine est justifié par le grand volume de texte dont dispose l’entreprise et l’incapacité de ces logiciels classiques à les traiter parallèlement et/ou en temps réel. Le volume est tel qu’on doit le segmenter en plusieurs parties traitées indépendamment par une unité de calcul (processeur). En parallélisant ce type de traitement, chaque processeur est en mesure de faire tourner un algorithme de traitement de données et ainsi mettre l’information à disposition de l’entreprise le plus rapidement possible, voire, en temps réel. Ces algorithmes peuvent chercher des mots clés pour une étude ciblée ; détecter des concepts clés dans les commentaires d’un segment de clients ; comme ils peuvent identifier des tendances comportementales (l’intelligence artificielle à travers les réseaux de neurones par exemple) afin de présenter les meilleures options pour une prise de décision rapide.

La prise en compte du potentiel des analyses de Big Data est à l’origine de la transformation numérique qui s’opère aujourd’hui au sein des entreprises. Mais au-delà de l’exploitation des données transactionnelles structurées, l’optimisation des processus de création de valeur à travers les données textuelles prend de plus en plus d’ampleur dans la stratégie de l’entreprise, et à juste cause.

L’omniprésence du numérique et ce qu’il offre comme moyens de communication et de conversation entre clients ne peut plus être ignoré par les chefs d’entreprises. Ce qui oblige ces derniers à redéfinir leurs stratégies autour d’une relation client plus intime tout au long de l’expérience du consommateur avec le produit et/ou le service. Et ainsi, identifier des indicateurs émotionnels de personnalisation de l’offre et de la communication. C’est en analysant les changements émotionnels du client que l’entreprise peut créer des leviers stratégiques efficaces et performants.

Les perspectives qu’offre le Big Data en traitant un nombre important de données en temps réel sont de véritables facteurs de succès pour l’entreprise. Les notions d’accessibilité et de proximité avec le client à travers une réactivité efficiente lui confèrent une solide image. Cependant, cette optimisation du potentiel Big Data suppose une certaine expertise dans ce domaine. Une expertise que les entreprises sont en train d’intégrer progressivement dans l’organisation des processus de gestion du cycle de vie du client.

AUCUN COMMENTAIRE

LAISSER UN COMMENTAIRE