Pourquoi l’automatisation produit de meilleures expériences client

Expérience Client

Je suis en train de rénover ma mai­son et, récem­ment, j’ai eu besoin d’un cer­tain nom­bre de choses pour la cui­sine. Après quelques recherch­es sur Inter­net, j’ai trou­vé ce qu’il me fal­lait chez un com­merçant de mon quarti­er. Un clic sur une pub­lic­ité de leur site m’a amené directe­ment sur une page d’accueil référençant mon arti­cle (un exploit, même de nos jours). J’ai pu véri­fi­er si l’article était disponible près de chez moi et opter pour le retrait en mag­a­sin.

Cet exem­ple rel­a­tive­ment banal reflète bien les attentes de base des con­som­ma­teurs actuels en ter­mes d’expérience. Quand ils ne sont pas automa­tique­ment redirigés vers l’article van­té par la pub­lic­ité, ils quit­tent le site. Même chose quand ils ne peu­vent pas véri­fi­er si l’article est en stock près de chez eux et béné­fici­er du retrait en mag­a­sin.

Quelle que soit la nature de l’achat, les clients exi­gent des expéri­ences per­son­nal­isées sur tous les canaux et appareils, et des par­cours linéaires jusqu’à l’étape d’achat, gages de fidéli­sa­tion. L’écart entre les attentes des con­som­ma­teurs et l’offre des entre­pris­es n’en reste pas moins impor­tant. Si près des deux tiers des con­som­ma­teurs sont fidèles aux mar­ques qui offrent des expéri­ences ten­ant compte de leurs préférences et de leurs besoins, moins de 10 % des entre­pris­es ont le sen­ti­ment de véri­ta­ble­ment per­son­nalis­er leurs mes­sages.

Les raisons de cet écart sont mul­ti­ples. La plu­part des entre­pris­es recon­nais­sent que la per­son­nal­i­sa­tion peut accroître leur per­ti­nence auprès des con­som­ma­teurs et amélior­er leurs indi­ca­teurs de per­for­mance clés, mais bien sou­vent, elles ne savent pas par où com­mencer. Il est par­fois dif­fi­cile d’établir une feuille de route et de franchir les dif­férentes étapes avec suc­cès. Il n’est pas tou­jours évident de recueil­lir l’adhésion des dirigeants de l’entreprise, qui ont par­fois du mal à croire que des algo­rithmes et des machines puis­sent gér­er des tâch­es « humaines » à grande échelle.

Sur un plan plus pra­tique, il est com­pliqué d’élaborer une stratégie de déploiement de l’intelligence arti­fi­cielle (IA) en fonc­tion des besoins et objec­tifs spé­ci­fiques d’une mar­que et de ses clients. Quand bien même cette stratégie est en place, elle n’est sou­vent pas appliquée par les entre­pris­es en rai­son de trop nom­breux cloi­son­nements. La plu­part du temps, les dif­férents ser­vices et canaux mar­ket­ing ont cha­cun accès à des bribes du pro­fil d’un client. Vous pou­vez, par exem­ple, trou­ver agaçant que votre opéra­teur télé­phonique offre un ser­vice d’assistance sur Twit­ter, mais ne soit pas en mesure de vous met­tre en rela­tion avec son cen­tre d’appels, comme cela m’est arrivé l’an dernier. Selon l’étude Adobe Dig­i­tal Insights de 2017, près de 40 % des entre­pris­es ont recours à au moins trois plate­formes d’analytics, trois plate­formes d’attribution ou trois plate­formes de ges­tion des don­nées. Chaque out­il étant dédié à un volet pré­cis des don­nées, les pro­fils client sont inévitable­ment frag­men­tés.

La bonne nou­velle, c’est que la tech­nolo­gie d’automatisation s’améliore d’année en année. Des appli­ca­tions comme Adobe Tar­get per­me­t­tent de solu­tion­ner facile­ment une grande par­tie des prob­lèmes. S’appuyant sur un éven­tail de tech­niques allant de la per­son­nal­i­sa­tion pre­scrip­tives aux recom­man­da­tions entière­ment automa­tisées, les entre­pris­es con­fient les tâch­es lour­des et répéti­tives à des machines, ce qui per­met aux mar­ke­teurs de se con­cen­tr­er sur l’innovation, gage de dif­féren­ci­a­tion pour leur mar­que.

Voici les qua­tre raisons pour lesquelles votre entre­prise a tout intérêt à miser sur l’automatisation afin de tir­er rapi­de­ment des enseigne­ment pré­cis des don­nées et obtenir un meilleur retour sur investisse­ment.

Les ressources sont allouées au bon moment aux activ­ités qui favorisent les con­ver­sions.

En rat­tra­pant leur retard dans le proces­sus d’automatisation, les entre­pris­es sont amenés à réduire les angles morts. L’affectation automa­tique iden­ti­fie les activ­ités qui favorisent la con­ver­sion et ori­ente par­faite­ment le traf­ic vers les expéri­ences sta­tis­tique­ment sig­ni­fica­tives.

Les out­ils de dernière généra­tion peu­vent non seule­ment effectuer des tests A/B sur plusieurs mes­sages, mais aus­si dévi­er le traf­ic vers l’expérience la plus per­for­mante, en temps réel. La méth­ode dite du « ban­dit man­chot » per­met d’exécuter les tests sur 20 % du traf­ic, tout en pro­posant des expéri­ences opti­misées aux 80 % restants. Résul­tat : le taux de con­ver­sion et le retour sur investisse­ment aug­mentent, alors que la phase d’automatisation est en cours.

Sup­posons que vous procédiez à un test A/B stan­dard sur 300 000 per­son­nes. Le test affecte l’expérience A à 100 000 per­son­nes, l’expérience B à 100 000 autres per­son­nes et l’expérience C aux 100 000 dernières. C’est l’expérience C qui s’avère la plus per­for­mante en rap­por­tant 700 000 €, con­tre 600 000 € pour l’expérience A et 550 000 € pour l’expérience B. L’exécution de ce test A/B stan­dard a généré un gain de 50 000 € de plus que n’aurait per­mis la seule dif­fu­sion de l’expérience A auprès de chaque client.

Prenons main­tenant un test A/B de type « ban­dit man­chot » exé­cuté sur les mêmes 300 000 per­son­nes, avec les mêmes écarts de rentabil­ité entre les trois expéri­ences. Après deux semaines de test, l’algorithme apprend que c’est l’expérience C qui s’avère la plus rentable. Il com­mence donc à ori­en­ter directe­ment le gros du traf­ic vers cette expéri­ence. À la fin des deux semaines, 30 000 per­son­nes ont prof­ité de l’expérience A et 30 000 de l’expérience B, alors que 240 000 ont vécu l’expérience C pour un résul­tat net de 1 680 000 €. Le test A/B « ban­dit man­chot » a généré un gain de 225 000 € de plus que n’aurait per­mis d’obtenir la dif­fu­sion de la seule expéri­ence A.

Swiss­com a récem­ment fait appel à l’affectation automa­tique pour iden­ti­fi­er le mod­èle de télé­phone à utilis­er comme image par défaut sur sa page pro­duit. L’entreprise a ain­si décou­vert qu’un iPhone Argent fai­sait grimper le taux de con­ver­sion de 37 % par rap­port au mod­èle gris util­isé jusqu’alors. C’est bien la preuve qu’un élément anodin peut avoir un impact sur la mobil­i­sa­tion des con­som­ma­teurs et sur les ventes. La plu­part des entre­pris­es ne sont pas néces­saire­ment con­scientes du poten­tiel dont elles dis­posent.

 

Les recom­man­da­tions sont de plus en plus ciblées et faciles à appli­quer à grande échelle.

Nous avons tous été témoins de l’efficacité des recom­man­da­tions per­son­nal­isées fournies sur des sites comme Ama­zon et Net­flix. Quel que soit votre secteur d’activité, vous dis­posez sans doute d’une mul­ti­tude de ressources dig­i­tales en attente de recom­man­da­tions à grande échelle. Plus vous per­son­nalisez ces recom­man­da­tions, plus vous êtes capa­ble de pro­pos­er aux client les pro­duits et con­tenus qu’ils atten­dent.

L’un des out­ils les plus per­for­mants pour attein­dre cet objec­tif est un algo­rithme de fil­trage col­lab­o­ratif item-item. En clas­sant vos ressources dig­i­tales selon leur pop­u­lar­ité, leur récence et leur fréquence — mais aus­si en fonc­tion de nom­breux attrib­uts au sein de chaque pro­fil client et his­torique d’achat —, cet algo­rithme four­nit les recom­man­da­tions qui sont les plus sus­cep­ti­bles de génér­er des clics, des ventes ou autres. Vous pou­vez même ajouter des règles manuelles basées sur votre point de vue d’expert, et l’algorithme les intè­gre automa­tique­ment à ses déci­sions.

Plus l’algorithme tire des enseigne­ments des inter­ac­tions client, plus il se met à recom­man­der des com­bi­naisons et per­mu­ta­tions de ressources totale­ment inédites. Ces com­bi­naisons n’ont peut-être aucun sens d’un point de vue clas­sique, mais comme elle s’inspirent des sché­mas de con­sul­ta­tion et d’achat de vos clients, les résul­tats obtenus sont indé­ni­ables.

Swiss­com a testé la tech­nique de fil­trage col­lab­o­ratif item-item d’Adobe dans son appli­ca­tion pour smart­phone, sur laque­lle l’algorithme a classé les rubriques de libre-ser­vice sur sa page d’aide. Les nom et con­tenu des rubriques sont restés inchangés, mais leur sim­ple réa­gence­ment a immé­di­ate­ment fait grimper le taux de clic de 2,94 %. Swiss­com teste à présent l’algorithme sur sa page d’actualités et sur dif­férentes pages de recom­man­da­tions de pro­duits.

 

Pilotées par le pro­fi­lage client automa­tisé, les offres stratégiques pro­duisent un max­i­mum d’impact.

Même s’il est essen­tiel de tir­er par­ti du machine learn­ing pour opti­miser la dif­fu­sion de vastes bib­lio­thèques de con­tenus, l’inverse est par­fois vrai aus­si : vous avez plusieurs con­tenus stratégiques à dif­fuser, et si le nom­bre d’offres est lim­ité, la tech­nique de machine learn­ing fac­to­riel com­plet per­met d’associer chaque offre au bon vis­i­teur, au bon moment.

Cette tech­nique fait appel à une série d’algorithmes com­plé­men­taires (vari­ance résidu­elle, forêt aléa­toire, valeur vie) ain­si qu’aux don­nées des pro­fils de vis­i­teurs. Le mod­èle tire égale­ment des enseigne­ments des change­ments de com­porte­ment de la pop­u­la­tion en temps réel. Il peut ain­si se recon­stru­ire et pondér­er cha­cun de ces algo­rithmes dif­férem­ment, en réponse à cer­tains déclencheurs com­porte­men­taux.

Prenons, par exem­ple, la page d’accueil de Swiss­com. En ter­mes de con­tenu, elle est beau­coup plus min­i­mal­iste que celle de nom­bre de ses con­cur­rents. Swiss­com apprend en effet de ses clients, ne pro­posant aux nou­veaux vis­i­teurs que le con­tenu le plus per­ti­nent. Vous voyez unique­ment les offres sta­tis­tique­ment les plus sus­cep­ti­bles de vous intéress­er et, donc, de vous amen­er à cli­quer.

 

Grâce au ciblage automa­tisé, la bonne expéri­ence est tou­jours pro­posée au bon client.

La per­son­nal­i­sa­tion con­siste aus­si à offrir des expéri­ences glob­ales, adap­tées à chaque client. Pour max­imiser le taux de clic et de con­ver­sion, vous devez être en mesure d’effectuer un test A/B non seule­ment sur les pages et les pro­duits, mais aus­si sur les vari­antes de con­tenu, de nav­i­ga­tion, de mise en page, de moment et d’autres attrib­uts inter­dépen­dants.

C’est la rai­son pour laque­lle le test « ban­dit man­chot » peut être exé­cuté sur des éléments de con­tenus mais aus­si sur des expéri­ences client com­plètes, sur le test et le ciblage de sites web et appli­ca­tions, ain­si que sur des fonc­tion­nal­ités comme la nav­i­ga­tion per­son­nal­isée et les offres en cours — le tout depuis un pan­neau de con­trôle très pra­tique.

Toutes ces tech­niques obéis­sent aux mêmes principes :

  • tenir aux clients le dis­cours qu’ils veu­lent enten­dre
  • com­mencer en automa­ti­sant les tests A/B pour tir­er davan­tage d’enseignements et obtenir un meilleur retour sur investisse­ment
  • dévelop­per l’automatisation au-delà de la sim­ple per­son­nal­i­sa­tion des ressources afin de pro­pos­er des expéri­ences glob­ales répon­dant aux besoins de chaque client.

Expérience Client
Jamie Brighton

Posted on 20-04-2018


Rejoignez la discussion