[Tribune] Intelligence Artificielle: un levier de performance pour les retailers

La crise sanitaire actuelle met en évidence un constat, il est primordial de réinstaurer la relation de proximité entre une marque et ses clients. Les consommateurs, cantonnés pour la plupart à leur domicile depuis le début de la crise, ne se rendent plus sur leur lieu de travail, préfèrent commander via les services de drive, et par la même occasion ne passent plus devant les enseignes. Les restrictions de déplacement ont fait perdre aux enseignes le trafic dont elles ont besoin pour vivre. Les retailers ont dû adapter leurs campagnes digitales afin de promouvoir le e-commerce, le click and collect et retrouver une proximité relationnelle avec leurs consommateurs pendant cette période de crise. Naturellement, le premier levier activé pour développer le e-commerce a été de lancer des actions marketing digitales auprès de la base clients et d'intensifier les campagnes CRM.

Les enseignes qui s'en sortent le mieux sont celles qui ont mis le sujet de l'exploitation de leurs données CRM au coeur de leur stratégie marketing : dans cette période difficile, elles ont identifié rapidement tous les leviers potentiels de chiffre d'affaires, en s'appuyant sur la compréhension de leurs clients grâce à l'analyse de leurs données. Cela leur a permis d'activer des campagnes générant rapidement du chiffre d'affaires additionnel et ces actions marketing auprès de leurs clients ont rapporté jusqu'à 30 % supplémentaires de CA CRM incrémental.

Les éléments qui permettent de comprendre pourquoi certaines enseignes y arrivent et d'autres moins reposent sur 3 leviers, qui sont les facteurs les plus discriminants entre celles qui font de la CRM et qui génèrent un incrément de valeur (mais pas significatif) et celles qui génèrent un incrément de valeur massif tiré de cette relation de proximité qu'elles créent avec les consommateurs. Ces enseignes performantes ont réussi à véritablement opérer un CRM omnicanal à l'échelle, tirant parti de l'intelligence artificielle et de leurs datas, et les résultats ont été immédiats. Mais 3 facteurs discriminants expliquent la différence de performance entre retailers :

• La contactabilité, c'est-à-dire le nombre de clients en base que l'on peut contacter. Plus on est en capacité de parler avec ses clients, plus il y a des effets de leviers dans l'exploitation des communications.
• La qualité du ciblageréalisé est primordiale pour générer cet incrément de valeur. Plus une campagne est ciblée, plus celle-ci est pertinente. Les ciblages issus de l'intelligence artificielle et de modèles prédictifs offrent de nouvelles opportunités de campagnes auxquelles nous n'aurions pas pensé. L'intérêt n'est pas d'entrer dans un marketing de masse mais bien d'opérer un grand nombre de campagnes finement ciblées et ce, de façon industrialisée.
• Le nombre de canaux utilisés. L'e-mailing n'est plus suffisant : généralement, seuls 10 % de la base clients ouvrent les e-mails envoyés. Comment atteindre et parler aux 90 % restants ? Exploiter tous les points de passage, tous les canaux de diffusion (e-mail, SMS, médias, réseaux sociaux...) offre une plus grande probabilité de parler à ses consommateurs.

L'intelligence artificielle permet désormais d'opérer un marketing à l'échelle, de comprendre chaque individu pour passer du marketing de masse à un marketing individualisé. Cette compréhension individuelle de chaque consommateur permet d'envoyer des communications pertinentes et individualisées au bon moment. L'IA et les modèles de segmentation exploitent massivement les données pour identifier les clusters à plus forte valeur, c'est-à-dire détecter les poches de valeur sur lesquelles les campagnes marketing seront les plus performantes. De même, les modèles prédictifs de recommandations produits vont analyser l'historique de transaction, les données magasin et les comportements de navigation online pour déterminer les produits les plus susceptibles d'intéresser chaque individu. Pour passer à l'échelle et construire des campagnes intelligentes et pertinentes, les marketeurs ne peuvent plus les réaliser seuls mais bien s'appuyer sur des algorithmes d'intelligence artificielle qui vont simplifier leur travail au quotidien.

L'auteur :

David Le Douarin a démarré son parcours professionnel en 2001 chez Yahoo, en tant que european channel manager. Il rejoint la start-up Freever en 2003, spécialisée dans les services internet de télécommunications, racheté en 2007 par Buongiorno. En 2011, il participe à la création de Lumata, spécialisée dans le marketing mobile. Il prend en 2012 une année sabbatique pour traverser en voilier l'atlantique en famille. En 2014, il rencontre Olivier Marc avec qui il fonde Advalo, solution de marketing individualisé pour les acteurs du retail.