Hors-Série IA 2020

IA : comment l’analyse du comportement client impacte les décisions marketing ?

Avis de l'expert

Analyse de données marketing

Le comportement des acheteurs évolue constamment, avec de nombreux facteurs décisionnels qui ne sont pas toujours rationnels ou en adéquation avec les stratégies des marques. Les motivations qui influencent les clients sont tellement larges que les services marketing doivent utiliser et analyser l’ensemble des données qui sont à leur disposition pour maintenir leurs produits dans le haut du panier et/ou satisfaire au quotidien leurs clients.

L’analyse des données structurées pour détecter des modèles de comportement

Pourquoi détecter des modèles? Le secteur Marketing doit comprendre les comportement de leurs clients ou consommateurs dans toutes les situations pour adapter leurs campagnes ou faire évoluer leurs produits. L’analyse de données structurées (informations (mots, signes, chiffres…) qui peuvent être traitées et interprétées par des machines), est aujourd’hui prépondérante dans les stratégies marketing des marques et surtout essentielle si celles-ci veulent rester compétitives, garder leurs clients et satisfaire au mieux leurs besoins.

Prenons un premier exemple, cette méthode a permis de détecter un lien de corrélation entre les achats de couches pour bébé et les achats de bières - ce qui n’avait jamais été détecté auparavant ! Pourquoi ? Tout simplement car les jeunes parents, habitués à prendre un verre le soir avec leurs amis, ne peuvent plus se permettre d’aller au bar mais souhaitent tout de même garder ce moment de décompression après le travail. Ils boivent désormais une bière à la maison, prêts à dégainer la couche pour changer leur nouveau-né ! Sans cette analyse, comment faire ce lien? Plus connu sous le nom de Data Mining, cette méthode permet de détecter de nouvelles tendances dans les comportements et pourquoi pas de définir des axes de communication très différenciants.

Et qu’en est-il de toutes les autres données ?

L’IA analyse les données non structurées (texte, images, voix) : quelques exemples

Aux données structurées s’ajoutent aujourd’hui des techniques d’IA pour analyser les données non structurées (tout ce qui n’est pas organisé en base de données, c’est-à-dire la bureautique, la messagerie, les images, les vidéos, etc.) qui ne rentrent pas directement dans un tableur. La voix permet de comprendre et d’archiver les requêtes formulées à son enceinte connectée par exemple, le texte en langage naturel collecte et interprète les retours clients et la vision par ordinateur apporte quant à elle une meilleure compréhension des usages des produits.

Mais concrètement, qu’est-ce que cela signifie ?
Premier exemple, les internautes partagent aujourd’hui leur avis sur des produits, souvent sur les réseaux sociaux et les forums. Ces informations, à haute valeur ajoutée pour les services marketing, ne sont pas directement exploitables car non structurées. Des algorithmes permettent désormais de traiter des textes en langage naturel pour les catégoriser. Ainsi, si un automobiliste se plaint de ne pas pouvoir fixer son téléphone sur le ventilateur de sa voiture, le constructeur de la voiture peut détecter cette information et continuer à améliorer son produit. Il y a plus de proximité entre le concepteur et l’utilisateur final, et ceci à très large échelle.

Deuxième exemple, l’analyse de l’image : les réseaux sociaux, en particulier Instagram, regorgent d’influenceurs. Les entreprises de mode, par exemple, collectent les images d’influenceurs pour détecter et analyser ce qu’ils portent. Un pantalon trois quart ? Une écharpe ? Avec un motif léopard ? Ces éléments sont extrêmement importants pour détecter la direction que les influenceurs prennent, faire des prédictions de tendances, et orienter les futures collections de vêtements.

Une autre application pour les services marketing, sur la base d’images, consiste à analyser les acheteurs et les usages qui sont faits de leurs produits. Si cette technologie avait été disponible il y a 20 ans, Renault ce serait rendu compte beaucoup plus tôt que la Twingo, pensée et commercialisée pour les jeunes, était en réalité achetée par les seniors. Les services marketing auraient pu ré-orienter leurs campagnes de publicité beaucoup plus rapidement, et assurer un décollage des ventes plus rapide pour la voiture !

Une grande différence entre l’IA interne au service Marketing et celle utilisée par les clients

L’IA utilisée par les services marketing se développe rapidement et est de plus en plus adoptée. On sort des analyses macro basées sur des profils, pour se rapprocher du client et mieux comprendre son comportement. Cette approche permet de réaliser des campagnes marketing beaucoup plus personnalisées.

Pour ce qui concerne l’IA utilisée par les clients et consommateurs, l’enjeu est différent : le public est de plus en plus exigeant. Si un nouveau service, reposant sur l’IA ne fonctionne qu’une fois sur deux, il sera rejeté très rapidement. En revanche, si celui-ci est fiable et intégré avec une expérience utilisateur fluide, la technologie sera adoptée sans soucis. Concrètement, Netflix ne se serait pas développé aussi vite si ses recommandations de contenus n’étaient pas pertinentes ou s’il avait fallu passer 1h à expliquer ce qu’on aime ou ce qu’on n’aime pas. Mais comme les recommandations sont bonnes et que l’algorithme apprend sans devoir être programmé au préalable, ça fonctionne ! L’utilisateur n’a d’ailleurs aucune idée de la technologie qui repose derrière les recommandations de Netflix. C’est un service intégré, qui apporte de la valeur, et qui est tout autant accepté que n’importe quelle autre fonctionnalité.

Les services Marketing ont compris les usages et les bénéfices de l’IA que ce soit en interne pour améliorer la relation clients ou dans la réalisation de leurs produits et services. Le comportement des clients ne cessera d’évoluer dans les années à venir et les marques doivent en prendre conscience et rester aguerris sur l’évolution ce marché en plein essor. De nouveaux usages sont à venir...