Cloud computing : un nouvel horizon qui s’ouvre pour les retailers qui veulent augmenter leurs ventes
Data Architecture 5 août 2019De nouvelles façons de mettre la donnée au service des ventes
On pense parfois à tort que le cloud computing est une technologie que seuls les intégrateurs de système et les ingénieurs logiciel peuvent utiliser. Mais ce temps est désormais révolu : la technologie cloud révolutionne le marketing tel que nous le connaissons aujourd’hui, et s’impose petit à petit comme l’outil de base de tout bon professionnel du domaine. Fondamentalement, cette technologie est la méthode la plus efficace jamais conçue pour raconter une histoire à vos clients ou prospects, et faire le lien entre leurs besoins et les offres existantes en magasin et en ligne.
Le machine learning est aujourd’hui devenu indispensable pour automatiser et déployer vos campagnes directement dans votre suite d’outils de marketing digital, pour la simple et bonne raison que c’est la façon la plus rapide, la plus efficace et la moins coûteuse de faire parvenir votre message au client avant que celui-ci ne change d’avis ou n’achète le produit ailleurs. Voyons comment cela fonctionne dans les faits !
Une nouvelle formule
Ce n’est pas nouveau, les retailers adorent les chiffres ! À tous les niveaux de l’entreprise, on consulte fiévreusement chaque jour les chiffres de performance : tendances saisonnières, informations relatives à la catégorie de produit ou encore variations du niveau des stocks. De telles analyses sont indispensables à la réussite de toute entreprise dans le retail.
Aujourd’hui, les acteurs les plus avancés ont recours à de nouvelles techniques pour analyser les données clients, techniques qui bouleversent radicalement la façon dont ils repèrent les tendances et les opportunités sur le marché. Ils utilisent le machine learning pour identifier les prochains points-clés à perfectionner dans leurs processus marketing et plus précisément en termes d’expérience client, notamment en appliquant des techniques de test and learn à des volumes considérables de données très diverses. Traditionnellement, l’analyste définissait la portée des rapports utilisés pour étudier les ventes ; aujourd’hui, les nouvelles techniques de machine learning permettent d’explorer la donnée (ce qu’on appelle le data mining) pour faire émerger des scénarios types parmi les millions d’interactions du parcours client, et ce à travers un éventail de plateformes, à une échelle qui dépasse l’entendement humain et à une vitesse qu’il serait impossible d’égaler en utilisant des méthodes de statistiques classiques !
Mais ce monde nouveau ne dédaigne pas pour autant les observations et l’intuition des retailers expérimentés : il nécessite à la fois de bonnes connaissances métier et des compétences en data science. Le machine learning, associé à la puissance du cloud computing, permet d’accéder à des enseignements et des possibilités de traitement plus rapidement, plus efficacement et à moindre coût.
Un outil plus rapide pour un marketing proactif
La véritable innovation ne consiste pas à obtenir des rapports plus complets en un temps record, mais réside surtout dans la possibilité de traduire des analyses en actions concrètes…
Toutes les grandes plateformes de marketing digital, comme Google Marketing Platform, Adobe, Amazon et Facebook, reposent sur des infrastructures basées sur le cloud : il est donc de plus en plus facile d’exploiter cette technologie dans le cadre d’opérations marketing. Pour les distributeurs les plus avancés, la promesse d’une personnalisation de masse devient ainsi une réalité concrète. Par « personnalisation de masse », j’entends des pages d’accueil customisées pour correspondre au profil de chaque client ; des publicités et des emails basés sur les interactions récentes avec chaque client ; et des offres qui anticipent l’achat le plus probable de ce client en lui proposant par exemple une promotion destinée à conclure la vente.
L’innovation réside ici dans l’utilisation du cloud pour générer, grâce aux algorithmes de machine learning, des tests et des interactions personnalisées, ce qui permet d’activer les leviers digitaux pour vendre les produits aux clients de façon proactive plutôt que de les laisser se débrouiller seuls. Par exemple, Google Marketing Platform, GoogleAds et Facebook proposent des algorithmes, TargetCPA et TargetRoAS, qui analysent les données presque en temps réel. Google Analytics propose aussi un rapport Session Quality (score de « qualité de la session » des utilisateurs), qui permet de créer des listes d’audiences fortement susceptibles de conclure un achat ou d’accomplir une action donnée.
Et à chaque fois que le client réagit (ou ne réagit pas !) au test, la connaissance client s’en trouve enrichie, ce qui permet de proposer de meilleures offres la fois suivante.
Un outil moins coûteux et un cadre de testing ininterrompu
Il était bien sûr déjà possible, dans une large mesure, de réaliser ce type de ciblage. Mais jusqu’à présent, lorsque les responsables marketing souhaitaient personnaliser leurs messages pour différents segments d’audience, il était nécessaire de retravailler minutieusement les données ainsi que les publicités proposées. Or, c’était un processus aussi laborieux que coûteux, qui reposait sur des data warehouses incapables de s’adapter à la rapidité et au caractère imprévisible du parcours client en ligne.
Les tests qu’il était auparavant possible de réaliser avec les outils CRM existants étaient limités par le fait qu’un grand nombre d’analystes, de marketeurs et d’intégrateurs élaboraient leurs campagnes sur site. Créer un cadre de testing ininterrompu, permettant à la fois d’isoler et d’apprendre les méthodes les plus efficaces pour favoriser la conversion était donc un processus coûteux et extrêmement complexe.
Avec le cloud, orchestrer ses campagnes et ses promotions tout en intégrant des optimisations au fur et à mesure présente un coût initial d’installation proche de zéro.
Un outil plus efficace au service de l’activation
Quoi de plus efficace que de donner aux clients ce qu’ils veulent ? En organisant et en personnalisant soigneusement les opérations marketing pour répondre à leurs besoins, on peut réellement tenir la promesse faite dans le cadre du RGPD. En échange de l’accès à ses données personnelles (nécessaires dans le cas des retailers), on lui propose ainsi une offre pertinente.
Par exemple, si une marque peut s’estimer satisfaite d’un taux d’ouverture de 20 % dans le cadre d’une campagne d’emailing, il n’en reste pas moins que sur sa base de clients fidèles ayant donné leur consentement, 80 % n’ont pas vu l’offre. Que faire de ces 80 % ? L’équipe CRM, qui conserve ces données, va être tentée d’envoyer un nouvel email ; mais ce n’est peut-être pas l’approche la plus judicieuse. Peut-être vaut-il mieux les exposer à 5 à 8 bannières publicitaires sur les 5 prochains jours ? Ou bien remanier la stratégie d’enchères en search selon leurs termes de recherche. Ou encore re-paramétrer leur prochaine landing page ? Le stockage centralisé de données d’audiences sur une plateforme cloud permet donc d’utiliser un certain nombre de stratégies de ciblage pour réengager ces 80 % restants.
Prendre la bonne décision pour répondre au besoin de chaque client nécessite une approche rigoureuse et coordonnée. Pour que l’opération fonctionne, il faut avant tout disposer d’une solution de stockage de données permettant de collecter les audiences d’un canal pour les activer sur d’autres canaux.
Dans ce contexte, un outil est « plus efficace » parce qu’il permet de créer une publicité ciblée en s’appuyant sur une forme d’intelligence nouvelle. Pour atteindre cet objectif – c’est-à-dire identifier les caractéristiques de l’audience et déployer le plus large éventail possible de stratégies de marketing digital – il est tout simplement plus rapide, moins coûteux et plus efficace d’être connecté au cloud !