Quelques exemples de marketing prédictif – Selligent propose des pistes pour améliorer la connaissance client

image_pdfimage_print

bien que la photo soit prise de loin et le personnage de dos, on reconnait bien un célèbre dataminer d'une agence connue, en train de préparer la segmentation de la prochaine campagne de fidélisation d'une association humanitaire

Non, cette photo ne représente pas le dataminer d’une agence préparant la prochaine campagne de fidélisation d’une association humanitaire.

Et pourtant, comme dans Minority Report (où une équipe de précogs pouvaient prédire les crimes à venir, et arrêter leurs auteurs avant qu’ils ne les commettent), on en viendra peut être bientôt à envoyer le reçu fiscal au donateur en le remerciant du don qu’il va bientôt faire.

C’est déjà « dans les tuyaux » chez Amazon, qui  a déposé un brevet décrivant l’organisation qui lui permettrait de livrer un produit chez un client avant même que celui-ci n’ait passé commande.
Il s’agit en réalité de prépositionner les produits dans le circuit de distribution pour limiter les délais de livraison, mais l’idée est bien là. Voir ici un peu plus d’informations.

De même, le New York Times qui prévoit d’envoyer un mail aux abonnés sur le point de se désabonner, pour les faire changer d’avis.
Il a pour ce faire embauché récemment au poste de « directeur scientifique des données » un Mathématicien appliqué avec un doctorat en physique théorique sur l’apprentissage automatique pour la biologie computationnelle. On trouvera plus d’informations à ce sujet ici.

Dernier exemple en date, avec Google qui vient de racheter DeepMind, une société spécialisée en intelligence artificielle. Un des objectifs est de modéliser le comportement des internautes.

Tout cela est rendu possible par la masse de données disponibles sur les internautes et leur comportement, mais aussi naturellement par le traitement et l’analyse algorithmique de ces données.

D’un point de vue opérationnel, cela doit se traduire par un certains nombre d’actions à mener, résumées par Selligent en 7 axes, dans un article vu ici sur e-marketing, et dont nous reprenons les points principaux en les adaptant à la relation donateur :

1. Définir les préférences de chaque contact en matière de canaux de communication

Il sera ainsi possible de connaître le parcours le plus fréquenté, c’est-à-dire les étapes et sauts d’un canal à l’autre qui caractérisent désormais le parcours d’un contact jusqu’à l’acte d’opt-in, d’abonnement de don ou d’achat attendu.

2. Exploiter les comportements propre au canal canal e-mail

Ce canal reste largement utilisé. Il faut être capable de capter et d’analyser les comportements (ouverture, clic, reclic, etc.), le type de terminal utilisé (smartphone, tablette, PC) en s’adaptant à leurs particularités (responsive design) et à l’usage qui en est fait (par exemple : lecture sur smartphone, action sur PC).

3. Optimiser le parcours relationnel

La relation est faite de moments-clés qui rythment le degré d’intimité et de fidélité entre la marque et le donateur :

  • Welcome Pack
  • Stimulation du second don
  • Envoi d’un questionnaire de qualification
  • Signature d’une pétition
  • Envoi d’information sur un projet financé
  • etc.

4. Scénariser les interactions

Chaque moment-clé identifié est l’occasion d’une transaction (abonnement, don, signature d’une pétition, réponse à un questionnaire, etc.)
Des mécanismes automatisés doivent permettre de déclencher des communications individualisées et de systématiser le suivi (relance, réponse, fourniture d’information sur le projet financé, etc.)

5. Individualiser le parcours en temps réel

Chaque lieu d’échange (site web, page sur les réseaux sociaux, application mobile, etc.) peut connaitre le parcours (cookies), et personnaliser le contenu ou les offres en fonction de celui-ci.

6. Systématiser les tests

Les tests A/B et multivariés (MVT) permettent de mesurer et d’optimiser les comportements en fonction de différents critères (texte, couleur, positionnement des zones, etc.). D’autres critères peuvent être testés, tels que le nombre de relances, ou la combinaison et la chronologie de l’usage de différents canaux.

7. Exploiter les outils de datamining et d’intelligence client

L’analyse globale des données recueillies permettent d’aller plus loin via la segmentation, le profilage, le scoring, etc.

Leave a Reply

You can use these HTML tags

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>