Dossier Data Science | Ep 02 : 12 cas d’usage pour mettre la data au service de votre performance

Suite à notre premier volet de notre dossier spécial Data Science, découvrez les 5 deniers cas d’usages de la data. Que ce soit pour créer des contenus personnalisés, automatiser des échanges ou accélérer les processus marketing, la data n’en fini pas de nous apporter des solutions business concrètes…

7/ La création et la curation de contenus

Il s’agit d’une des choses les plus difficiles à réaliser car elle met en œuvre une capacité fondamentalement humaine : la création. La création de contenu existe à différents niveaux : Netflix, par exemple, a utilisé ses données pour prédire qu’une version américaine de House of Cards serait un vrai succès et que s’ils choisissaient Kevin Spacey en personnage principal alors cela apporterait un bénéfice significatif.  https://www.youtube.com/watch?v=OFAqbfEl870.

Ici la Data Science intervient comme une aide à la décision pour la composition de contenu mais il est également possible de créer du contenu de toute pièce : on vous invite à lire cet article du MIT Technology Review (https://www.technologyreview.com/s/614237/openai-released-its-fake-news-ai-gpt-2/) dont l’entièreté est généré par une machine !

Le bénéfice de la création de contenu est direct lorsque celui-ci est votre produit comme pour Netflix puisqu’elle s’assure que l’offre soit en adéquation avec la demande. Il est aussi adapté au marketing de contenu et particulièrement au B2B puisqu’il accompagne votre logique de communication auprès des prospects et développe donc votre activité. En revanche, cela ne garantit en aucun cas un contenu suffisamment efficace : comme avec le Chatbot, il est utile pour diffuser certaines news/actualités courtes et peu complexes, ou encore générer une idée, un sujet de contenu. Ensuite, il faut faire appel à une intervention humaine ! Seul un duo hommes-machines pourra contribuer à un contenu de qualité, performant et surtout engageant car l’émotion reste le propre de l’Homme.

En parallèle, la Data Science permet non seulement d’aider à la curation de contenus (autrement dit sélectionner, éditer et partager, de façon automatisée, les contenus les plus pertinents autour d’un thème donné à la manière d’une recherche Google), mais aussi de déterminer le canal (courrier, e-mail, téléphone) le plus efficace dans telle ou telle relation client, et à tel moment !

8/ Le clustering ou segmentation ou profilage client

Peu importe son nom, la détermination des profils clients est un fondamentale de la Data Science. Il s’agit là de déterminer des groupes de clients ou prospects homogènes partageant les mêmes attraits : promophiles, technophiles, fashionista, etc. Les profils client ou clustering ou segmentation permettent aussi de mettre en évidence des niches de clients spécifiques ou des influenceurs. Ainsi chaque profil identifié sert de base à l’élaboration de vos parcours client ou Customer Journey. Cette technique permet de mieux comprendre sa clientèle, ses besoins et donc lui proposer une communication personnalisée sur un canal préférentiel pour une offre pertinente.

9/ Le Real Time Bidding et le reciblage publicitaire

Le Real Time Bidding est un processus d’achat d’espaces publicitaires de manière automatisée en temps réel. Concrètement, des annonceurs font des offres d’espaces sur des sites d’éditeurs sous la forme d’enchères, en fonction des données de votre audience cible.

De notre point de vue, il s’agit de remporter l’enchère en dépensant le minimum d’argent. Ici la Data Science permet d’évaluer un prix plancher susceptible de remporter l’offre. La mécanique utilisée est l’apprentissage par renforcement ou reinforcement learning.

Par ailleurs (et toujours dans une logique publicitaire), nous sommes tous exposés au retargeting : vous vous souvenez de cette paire de sneakers que vous avez ajouté à votre panier sans jamais les acheter et que vous avez retrouvé quelques jours plus tard dans une pub Facebook ? Le retargeting c’est exactement ça : proposer un produit ayant été consulté sur un autre site web. Le but étant de générer une nouvelle visite et donc un achat. On parlera de display s’il s’agit de pub sur le net mais d’autres canaux peuvent être envisagés tel que le mail ou le sms.

Les challenges de la Data Science en matière de retargeting sont multiples mais partagent le même but : proposer le bon produit au bon moment et diminuer l’abandon de panier. Quel produit proposer ? Vous ne voulez évidemment pas revoir sans cesse le vélo rouge que vous avez consulté il y a 4 ans sur un site obscure du web. Quand proposer le produit et quelle est la période la plus propice ? L’achat d’un barbecue se fait rarement en hiver par exemple. Le site web de l’afficheur est-il cohérent avec le produit à afficher ? Il serait probablement inefficace de proposer un peigne sur un site traitant de la calvitie.

10/ Le marketing automation

Véritable star de la relation client, le marketing automation désigne l’automatisation des campagnes en fonction du comportement client. Ainsi on peut automatiser l’envoi d’emails, de sms, de campagnes de qualification de leads ou de nurturing. Pour les plus connus, nous pouvons citer Eloqua pour Oracle, Customer 360 (B2C) et Pardot (B2B) pour Salesforce, Watson Marketing (B2B) et Acoustic campaign (anciennement Watson Campaign Automation, B2C) pour IBM ou Marking Cloud pour Adobe.

Si ces outils sont très efficaces pour collecter les données et déclencher automatiquement des actions marketing, ils présentent encore quelques limites. L’une d’elle est le scoring automatique. En effet celui-ci dépend de la valeur qu’un employé aura attribué à l’un des événements, disons par exemple 500 points pour l’ouverture d’un email. Quand vous attribuez ces points il s’agit d’une supposition et non d’une juste attribution de points. Les efforts fournis par les équipes commerciales peuvent donc être placés sur des prospects à tort aux scores élevés alors qu’en réalité ce score vient d’une mauvaise attribution de points.

C’est dans ce contexte que la Data Science et les analyses prédictives interviennent. En utilisant les données historiques, vous êtes à même de prédire l’avenir. Chacun ayant son domaine de compétence, les équipes marketing ne sont traditionnellement pas formées à l’utilisation de méthodes prédictives, la marge de progression dans le domaine est donc énorme. En faisant intervenir ce genre de technique il est possible de répondre à de multiples questions comme la priorisation des prospects à démarcher, l’attribution des budgets des programmes, la maturité d’un client sur le cross sell, l’up sell ou encore la prévision de la résiliation client.

11 / Le temps de mise en marché ou Time to market

Sur le marché hautement concurrentiel d’aujourd’hui, les fabricants s’efforcent de concevoir, de tester et de livrer des produits de qualité à un rythme de plus en plus rapide. Deux domaines majeurs peuvent être abordé par le Machine Learning et la Data Science afin de réduire le temps de mise sur le marché : la détection de tendance et l’optimisation de la chaîne d’approvisionnement.

Les réseaux sociaux offrent une source de données immense. En capturant les données mise à disposition par ceux-ci il est alors possible d’adapter votre offre produit en fonctions des tendances des consommateurs et des influenceurs et donc de gagner un temps précieux sur la concurrence. 

La Data science vient ici identifier les vraies tendances de fond des buzz éphémères grâce à des algorithmes de propagation et de prévision.

La supply chain n’est pas en reste puisqu’en étudiant les données il est alors possible d’identifier les points faibles et axes d’amélioration. Après simulation, des actions peuvent donc être appliquées comme l’ajout de renforts dans les effectifs sur des périodes de productivité hautes.

Le Récap’

>> Vous souhaitez en savoir plus sur les avantages de la Data Science ?

>> Vous voulez mettre à profit vos données clients pour développer votre business ? Contactez-nous !