Big Data et commerce prédictif : so what?
Le Big Data, tout le monde en parle, si les possibilités sont potentiellement infinies, comment l’exploiter réellement ? Il serait illusoire de penser pouvoir le définir de manière générique.
C’est pourquoi, je me concentrerai dans cet article sur une application concrète du Big Data au service du Commerce Prédictif.
Commençons par quelques définitions
Déjà, le commerce.
Depuis Byzance, la formule est la même, invariablement, elle a simplement emprunté des technologies en constante évolution : le Commerce, c’est un trafic maximum, avec une conversion maximale, pour le plus grand panier moyen possible, avec la marge la plus importante et des retours réduits au minimum.
COMMERCE = TRAFIC * CONVERSION * PANIER MOYEN * MARGE – RETOURS
Par extension, on pourrait définir le « commerce prédictif » comme étant « l’Analyse des données historiques et actuelles disponibles sur le client afin de créer des prévisions sur ses comportements, préférences et besoins futurs ».
C’est un peu comme Akinator, le célèbre génie qui devine à quoi vous pensez, sauf que cette fois, on ne pose pas forcément les questions…
Quelles données pour le commerce prédictif ?
Tout en respectant les 4 V du Big Data, le commerçant devra à la fois se concentrer sur les données structurées dont il dispose déjà dans ses nombreux systèmes (CRM et autres) ainsi que ses données non structurées qu’il récupérera sur les réseaux sociaux et dans ses systèmes d’interactions et de profiling client.
Quelles #data pour le commerce prédictif ? #Analytics #BigData #CRM #eCommerce Click To Tweet
Ces données ne doivent pas être effrayantes. En effet, d’après une étude IBV retail de 2013, 9 consommateurs sur 10 sont prêts à investir 20 minutes de leur temps pour configurer leurs préférences à condition que cela crée une relation dans la durée avec la marque.
Cette vision à 720°, c’est à dire, la fameuse vision 360° du client, doublée d’une connaissance à 4 dimensions :
- les données transactionnelles (historiques d’achats, de paiements, etc.),
- les données d’interaction (échanges avec call center, email/chat, dialogues personnels, etc.),
- les données démographiques (caractéristiques, attributs, évolutions, etc.),
- et enfin, les données comportementales (opinions, souhaits, préférences, etc.).
Pour quoi faire ?
Une fois qu’on a toutes ces données, il faut se créer un cercle vertueux consistant à :
- comprendre ses clients, ses produits, ses campagnes, ses canaux, etc.
- analyser ces données pour anticiper et prédire les comportements futurs
- recommander les actions appropriées, les mettre en applications pour développer la valeur, la rétention, et la satisfaction client, réduire les risques. puis stocker ces données pour une amélioration continue et revenir en 1
Créer ce cercle, c’est une application concrète du Big Data au service d’un Commerce Prédictif.
Quels usages des #data du commerce prédictif ? #Analytics #BigData #CRM #eCommerce Click To Tweet
Mais malgré l’avènement du Big Data ces dernières années, l’idée n’est pas neuve. Souvenons-nous de Target, 5ème retailer américain, qui avait lancé un programme d’analyse prédictive en 2002, presque au siècle dernier. Charles Duhigg nous raconte dans un article de 2012 intitulé « How Companies Learn Your Secrets » comment deux statisticiens ont mis en œuvre un algorithme mathématique permettant de prédire les prochains achats probables des clients, d’après l’analyse de leur caddie. Ces clients recevaient ensuite des coupons promotionnels ciblés, qui ont rencontré un vif succès puisque le panier moyen des clients utilisant des coupons s’élevait à l’équivalent de 72€ contre 39€ pour ceux qui n’en utilisent pas, soit près du double.
Pour la petite histoire, un an après la mise en place d’un modèle prédictif ciblant les femmes enceintes dans leur 2ème trimestre (car plus enclines à rester fidèles à la marque si elles sont engagées à cette période de leur grossesse), un homme est entré furieux dans un magasin Target de Minneapolis reprochant au manager que sa fille, qui était encore mineure, recevait des coupons promotionnels relatifs à des vêtements pour nourrissons et des produits pré et post natals, ce qui pourrait l’influencer négativement. Après vérification de la part de Target sur cette cliente en particulier, les résultats sont formels : d’après ses habitudes de consommation, la lycéenne était très probablement enceinte.
Une semaine plus tard, le papa furieux rappelle le magasin pour présenter ses excuses. Après une discussion avec sa fille, elle lui avoua sa grossesse…
L’anecdote avait fait la une du New York Times Magazine « Hey, You’re having a baby ». Elle est non seulement toujours d’actualité, mais les résultats des analyses sont de plus en plus précis.
Le futur, ce n’est pas demain, c’est déjà aujourd’hui.
