Predictive marketing easy ways every marketer can use customer analytics and big data ( PDFDrive ) (1)
publicité
Machine Translated by Google Machine Translated by Google Machine Translated by Google Prédictif Commercialisation Machine Translated by Google Machine Translated by Google Prédictif Commercialisation Des moyens simples pour chaque marketeur Peut utiliser l'analyse client et le Big Data Ömer Artun, PhD Dominique Lévin Machine Translated by Google Ce livre est imprimé sur du papier sans acide. Copyright © 2015 par AgilOne. Tous les droits sont réservés Publié par John Wiley & Sons, Inc., Hoboken, New Jersey Publié simultanément au Canada Aucune partie de cette publication ne peut être reproduite, stockée dans un système de récupération ou transmise sous quelque forme ou par quelque moyen que ce soit, électronique, mécanique, photocopie, enregistrement, numérisation ou autre, sauf dans la mesure permise par la section 107 ou 108 de la United States 1976 États­Unis d'Amérique sur le droit d'auteur, sans l'autorisation écrite préalable de l'éditeur ou l'autorisation par le paiement des frais appropriés par copie au Copyright Clearance Center, 222 Rosewood Drive, Danvers, MA 01923, (978) 750­8400, fax (978 ) 646­8600, ou sur le Web à l' adresse www.copyright.com. Les demandes d'autorisation adressées à l'éditeur doivent être adressées au service des autorisations, John Wiley & Sons, Inc., 111 River Street, Hoboken, NJ 07030, (201) 748­6011, fax (201) 748­6008, ou en ligne sur www . .wiley.com/go/permissions. Limite de responsabilité/exonération de garantie : bien que l'éditeur et l'auteur aient fait de leur mieux pour préparer ce livre, ils ne font aucune déclaration ou garantie quant à l'exactitude ou l'exhaustivité du contenu de ce livre et déclinent spécifiquement toute garantie implicite de qualité marchande ou aptitude à un usage particulier. Aucune garantie ne peut être créée ou étendue par des représentants commerciaux ou des documents de vente écrits. Les conseils et stratégies contenus dans ce document peuvent ne pas convenir à votre situation. Tu devrais consulter un professionnel en la matière. Ni l'éditeur ni l'auteur ne pourront être tenus responsables des dommages en résultant. Pour des informations générales sur nos autres produits et services, veuillez contacter notre service clientèle aux États­ Unis au (800) 762­2974, en dehors des États­Unis au (317) 572­3993 ou par fax au (317) 572­4002. Wiley publie dans une variété de formats imprimés et électroniques et par impression à la demande. Certains documents inclus dans les versions imprimées standard de ce livre peuvent ne pas être inclus dans les livres électroniques ou dans l'impression à la demande. Si ce manuel fait référence à un support tel qu'un CD ou un DVD qui n'est pas inclus dans la version que vous avez achetée, vous pouvez télécharger ce matériel à l' adresse http://booksupport.wiley.com. Pour plus d'informations sur les produits Wiley, visitez www.wiley.com. Données de catalogage avant publication de la Bibliothèque du Congrès : Artun, Omer, 1969– Marketing prédictif : des moyens simples pour chaque marketeur d'utiliser l'analyse client et le big data / Omer Artun, Dominique Levin. pages cm Inclut l'index. ISBN 978­1­119­03736­1 (relié) ISBN 978­1­119­03732­3 (ePDF) ISBN 978­1­119­03733­0 (ePub) 1. Commercialisation. I. Lévin, Dominique, 1971– II. Titre. HF5415.A7458 2015 658.8—dc23 2015013473 Image de couverture : Wiley Conception de la couverture : Acheteurs abstraits © Maciej Noskwoski/GettyImages Imprimé aux États­Unis d'Amérique 10 9 8 7 6 5 4 3 2 1 Machine Translated by Google Dédié à Ma femme chérie, le Dr Burcak Artun, pour avoir toujours cru en moi Ömer Artun Mon mari Eilam Levin sans qui ça ne vaudrait pas la peine Dominique Lévin Machine Translated by Google Machine Translated by Google CONTENU Introduction : qui devrait lire ce livre ? PARTIE 1 Une introduction complète au marketing prédictif ix 1 Chapitre 1 Le Big Data et l'analyse prédictive sont maintenant Facilement accessible à tous les spécialistes du marketing 3 Chapitre 2 Introduction facile à l'analyse prédictive pour les marketeurs 23 Chapitre 3 Commencez par connaître vos clients : créez Profils clients complets 43 Chapitre 4 Gérer vos clients comme un portefeuille pour améliorer votre évaluation PARTIE 2 63 Neuf jeux faciles pour commencer Marketing prédictif 75 Chapitre 5 Play One : Optimisez vos dépenses marketing Utilisation des données client 77 Chapitre 6 Deuxième jeu : Prédire les personnalités des clients et Rendre le marketing pertinent à nouveau 93 Chapitre 7 Jeu 3 : Prédire le parcours client pour le marketing du cycle de vie 103 Chapitre 8 Quatrième partie : Prédire la valeur client et Marketing basé sur la valeur Chapitre 9 Play Five : Prédire la probabilité d'achat ou d'engagement classer les clients 115 123 vii Machine Translated by Google viii Contenu Chapitre 10 Play Six: Prédire les recommandations individuelles pour chaque client 137 Chapitre 11 Play Seven : Lancer des programmes prédictifs pour convertir plus de clients 145 Chapitre 12 Play Eight : lancer des programmes prédictifs pour augmenter la valeur client 155 Chapitre 13 Play Nine : Lancer des programmes prédictifs pour fidéliser plus de clients 169 PARTIE 3 Comment devenir un véritable prédicteur Ninja du marketing 183 Chapitre 14 Une liste de contrôle facile à utiliser Capacités de commercialisation 185 Chapitre 15 Un aperçu de Predictive (et connexes) Technologie de commercialisation 197 Chapitre 16 Conseils de carrière pour les aspirants spécialistes du marketing prédictif 209 Chapitre 17 La vie privée et la différence entre délicieux et envahissant 215 Chapitre 18 L'avenir du marketing prédictif 221 Annexe : Présentation des types de données client 229 Indice 237 Machine Translated by Google INTRODUCTION : QUI DEVRAIT LIRE CE LIVRE Ce livre auxest spécialistes marketing deque tous les jours veulent savoir du ce qu'est la prédiction le s'adresse marketing tout audusujet, ainsi pour lesquispécialistes marketing qui sont prêts à utiliser le marketing prédictif dans leurs organisations. Que vous débutiez vos recherches ou que vous ayez déjà commencé à mettre en œuvre le marketing prédictif, vous trouverez de nombreux conseils pratiques dans ce livre. Nous partageons ce que les spécialistes du marketing dans les grandes et petites entreprises devraient savoir sur le marketing prédictif. Nous vous montrons comment obtenir les mêmes rendements importants que les premiers utilisateurs tels que Harrah's Entertainment, Amazon et Netflix. Nous vous donnons également un guide pratique pour vous aider à démarrer avec cette nouvelle façon de commercialiser. Et surtout, nous partageons des histoires d'entreprises petites et grandes, de la vente au détail à l'édition, des logiciels à la fabrication. Tous ces spécialistes du marketing ont obtenu des rendements révolutionnaires, et vous aussi. À propos de ce livre Nous sommes passionnés par l'amélioration de la qualité du marketing et par l'armement des spécialistes du marketing avec les connaissances et les outils dont ils ont besoin pour rendre le marketing à nouveau pertinent. Nous espérons que les chapitres qui suivent donneront aux spécialistes du marketing le vocabulaire et l'inspiration nécessaires pour commencer à comprendre et à utiliser les mégadonnées et le marketing basé sur l'apprentissage automatique. Nous pensons que cela conduira à un gagnant­gagnant pour les clients, les entreprises et les spécialistes du marketing. Les clients auront des expériences plus pertinentes et significatives, les entreprises pourront établir des relations clients plus rentables et les spécialistes du marketing gagneront en visibilité et en respect au sein de leurs organisations. Nous nous réjouissons de poursuivre le dialogue sur notre site internet www.predictivemarketingbook.com , le groupe LinkedIn « Predictive Marketing Book » ( https://www.linkedin.com/groups?gid=8292127), ou via twitter.com/agilone. ix Machine Translated by Google Introduction : qui devrait lire ce livre ? X Ce livre est divisé en trois parties principales. La première partie, « A Complete Predictive Marketing Primer », présente de nombreux éléments fondamentaux du marketing prédictif, y compris ce qui se passe sous le hotte des logiciels de marketing prédictif, comment la science des données et le prédictif le travail d'analyse et quels sont les principes fondamentaux du concept de valeur de la durée de vie du client. La deuxième partie du livre, "Neuf jeux faciles à Get Started with Predictive Marketing », est un playbook avec des stratégies pour vous lancer dans le marketing prédictif. La dernière partie de le livre, "Comment devenir un véritable ninja du marketing prédictif", donne un aperçu des technologies de marketing prédictif, quelques conseils de carrière pour les spécialistes du marketing, et examine la confidentialité et l'avenir du marketing prédictif. De nombreux chapitres peuvent être lus comme des essais autonomes, utilisez donc le résumé ci­dessous pour passer aux chapitres les plus pertinent pour vous. Qu'y a­t­il dans ce livre Chapitre 1 : Big Data et analyse prédictive Sont désormais facilement accessibles à tous les spécialistes du marketing Le marketing prédictif est une nouvelle façon de penser la relation client, propulsée par les nouvelles technologies du big data et du machine learning, que nous appelons collectivement l'analyse prédictive. Les spécialistes du marketing feraient mieux de prêter attention à l'analyse prédictive. L'application de l'analyse prédictive est la plus importante opportunité qui change la donne depuis qu'Internet s'est presque généralisé il y a 20 ans. Bien que certaines grandes marques utilisent des éléments de marketing prédictif depuis de nombreuses années maintenant, nous en sommes encore aux premiers stades d'adoption, et c'est le bon moment pour commencer. L'adoption de le marketing prédictif s'accélère parmi les entreprises, grandes et petites parce que : (a) les clients exigent des relations plus significatives avec les marques, (b) les premiers utilisateurs montrent que le marketing prédictif offre valeur énorme, et (c) de nouvelles technologies sont disponibles pour rendre commercialisation facile. Chapitre 2 : Une introduction facile à la prédiction Analytique pour les spécialistes du marketing De nombreux spécialistes du marketing veulent au moins comprendre ce qui se passe dans la boîte noire de l'analyse prédictive, appliquer ces modèles avec plus de confiance ou Machine Translated by Google Introduction : qui devrait lire ce livre ? être capable de communiquer avec des data scientists. Après avoir lu ce chapitre, les spécialistes du marketing auront une bonne compréhension de l'ensemble du processus d'analyse prédictive. Il existe trois types de modèles d'analyse prédictive que les spécialistes du marketing doivent connaître : l'apprentissage non supervisé, l'apprentissage supervisé et l'apprentissage par renforcement. De nombreux spécialistes du marketing ne réalisent pas que 80 % du travail associé à la prédiction du comportement futur des clients est consacré à la collecte et au nettoyage des données client. Ce travail de gardien de données n'est pas glamour mais essentiel : sans données client précises et complètes, il ne peut y avoir d'analyse client significative. Chapitre 3 : Apprenez d'abord à connaître vos clients : créez des profils de clients complets Créer des profils de clients complets et précis n'est pas une tâche facile, mais cela a beaucoup de valeur. Si la vôtre est comme la plupart des entreprises, les données clients sont partout, pleines d'erreurs et de doublons et inaccessibles aux spécialistes du marketing de tous les jours. Heureusement, la technologie prédictive, y compris la correspondance floue, peut aider, du moins en partie, à nettoyer votre gâchis de données et à connecter les données en ligne et hors ligne pour résoudre les identités des clients à travers la fracture numérique et physique. Le simple fait de rassembler toutes les données client en un seul endroit a une valeur énorme, et rendre les profils clients accessibles au personnel en contact avec les clients dans toute l'organisation est une excellente première étape pour commencer à offrir de meilleures expériences à chaque client. Chapitre 4 : Gérer vos clients comme un portefeuille pour améliorer votre valorisation Nous sommes fermement convaincus que la meilleure façon pour toute entreprise d'optimiser la valeur de l'entreprise est d'optimiser la valeur à vie de chaque client. Les clients sont l'unité de valeur de toute entreprise et, par conséquent, la valeur à vie du client est la mesure la plus importante en marketing. Si vous maximisez la valeur à vie, ou la rentabilité, de chaque client, vous maximisez également la rentabilité et la valorisation de votre entreprise dans son ensemble. La meilleure façon d'optimiser la valeur à vie pour tous les clients est de gérer vos clients comme s'il s'agissait d'un portefeuille d'actions. Vous entreprenez des actions différentes et envoyez des messages différents pour les nouveaux clients que pour ceux qui font affaire avec vous depuis un certain temps. Vous devrez ajuster votre réflexion et votre budget pour les clients non rentables, de valeur moyenne et élevée. xii Machine Translated by Google xii Introduction : qui devrait lire ce livre ? Chapitre 5 : Premier jeu : Optimisez votre marketing Dépenses utilisant les données client Lorsqu'on leur demande d'allouer des budgets marketing, la plupart des spécialistes du marketing pensent immédiatement aux dépenses d'acquisition et à l'allocation du budget aux canaux et produits les plus performants. Cependant, la méthode de marketing prédictif pour allouer les dépenses est basée sur l'allocation des dollars aux bonnes personnes, plutôt qu'aux bons produits ou canaux. La plupart des entreprises se concentrent sur l'acquisition, alors qu'elles pourraient réaliser une croissance plus rentable en consacrant davantage de temps et de budget à la fidélisation et à la réactivation des clients. Les spécialistes du marketing doivent apprendre à allouer des budgets en fonction de leurs objectifs d'acquisition, de fidélisation et de réactivation de clients et de recherche de produits et de canaux offrant les clients les plus intéressants. Chapitre 6 : Jeu 2 : Prédire les personnalités des clients et rendre le marketing à nouveau pertinent Nous examinerons la technique prédictive du clustering et en quoi elle diffère de la segmentation client classique. Le clustering est un outil puissant pour découvrir des personas ou des communautés dans votre clientèle. Plus précisément, dans ce chapitre, nous examinons les clusters basés sur les produits, les marques et les comportements à titre d'exemples. Le regroupement peut être utilisé pour mieux comprendre les différences dans les besoins, les comportements, les données démographiques, les attitudes et les préférences des clients concernant les interactions marketing, les produits et l'utilisation des services. En utilisant ces clusters, vous pouvez également commencer à différencier et optimiser à la fois les actions marketing et la stratégie produit pour différents groupes de clients. Chapitre 7 : Jeu 3 : Prédire le client Parcours pour le marketing du cycle de vie Dans ce chapitre, nous examinons plus en détail le cycle de vie du client, de l'acquisition à la croissance et à la fidélisation, et voyons comment votre stratégie d'engagement doit évoluer avec chaque client au cours du cycle de vie. Le principe de base de l'optimisation de la valeur vie client est le même pour toutes les étapes du cycle de vie et peut se résumer en trois mots : donner pour recevoir. Les clients sont beaucoup plus susceptibles d'acheter chez vous s'ils vous font confiance. La meilleure façon de gagner la confiance est d' offrir une expérience de valeur. Donc, pour obtenir de la valeur client, donnez de la valeur client. Machine Translated by Google Introduction : qui devrait lire ce livre ? Chapitre 8 : Quatrième jeu : Prédire la valeur client et le marketing basé sur la valeur Tous les clients n'ont pas la même valeur à vie. Toute entreprise aura des clients de grande valeur, des clients de valeur moyenne et des clients de faible valeur à vie. Il existe une opportunité de créer de la valeur d'entreprise en élaborant des stratégies de marketing différenciées en fonction de la valeur du client. Cette pratique de segmentation et de ciblage en fonction de la valeur vie client est appelée marketing basé sur la valeur. Dépensez plus d'argent pour apprécier et fidéliser les clients de grande valeur. Vente incitative aux clients de valeur moyenne afin de migrer ces clients vers des segments de valeur supérieure. Enfin, réduisez vos coûts pour servir les clients à faible valeur ou non rentables. Chapitre 9 : Cinq parties : Prédire la probabilité d'achat ou d'engagement pour classer les clients La probabilité d'acheter des modèles est ce à quoi la plupart des gens pensent lorsque vous utilisez le mot analyse prédictive. Avec ces modèles, vous pouvez prédire la probabilité d'un certain type de comportement futur d'un client. Dans ce chapitre, nous examinons les programmes basés sur la probabilité d'acheter des prédictions couvrant à la fois le marketing des consommateurs et celui des entreprises. Nous voyons comment, dans le domaine du marketing d'entreprise, la notation prédictive des prospects ou la notation des clients peut optimiser le temps de vos équipes de vente et de réussite client. Nous vous montrons également comment les spécialistes du marketing grand public peuvent optimiser leur stratégie de remise et la fréquence de leurs e­mails en fonction de modèles de propension. Chapitre 10 : Play Six : Prédire individuellement Recommandations pour chaque client Les recommandations personnalisées sont une autre technique prédictive populaire. Dans ce chapitre, nous fournissons aux spécialistes du marketing une introduction aux recommandations et nous vous expliquons les différents types de recommandations. Nous explorons les recommandations faites au moment de l'achat par rapport à celles faites à la suite d'un achat, et les recommandations liées à des produits spécifiques par rapport à celles liées à des profils de clients spécifiques. Nous discutons également de ce qui peut mal tourner lors de recommandations personnalisées, et nous soulignons la nécessité de règles de merchandising, d'orchestration omnicanale et de donner aux clients le contrôle lors de recommandations personnelles. xiii Machine Translated by Google Introduction : qui devrait lire ce livre ? xiv Chapitre 11 : Play Seven : Lancer des programmes prédictifs pour convertir plus de clients Dans ce chapitre, nous couvrons trois stratégies de marketing prédictif spécifiques qui peuvent vous aider à acquérir plus de clients, et de meilleure qualité : utiliser des personas pour concevoir de meilleures campagnes d'acquisition, utiliser le remarketing pour augmenter la conversion et utiliser le ciblage similaire. En matière de remarketing, vous devez être en mesure de différencier les clients susceptibles de revenir, et de leur envoyer un simple rappel, de ceux qui sont peu susceptibles de revenir et qui peuvent avoir besoin d'une incitation supplémentaire. Cela est vrai pour les campagnes de panier abandonné, de navigation et de recherche. En utilisant les fonctionnalités de ciblage similaires de Facebook et d'autres plateformes publicitaires, vous pouvez trouver plus de clients qui ressemblent à vos clients existants, par exemple, de nouveaux clients tout comme vos meilleurs clients. Chapitre 12 : Play Eight : Lancer Predictive Programmes pour accroître la valeur client Le secret pour fidéliser un client est de commencer à essayer de le garder le jour où vous l'acquérez. La transaction initiale n'est que le début d'une longue relation qui doit être nourrie et développée. L'engagement avec les clients ne doit pas s'arrêter lorsque vous convertissez un prospect en acheteur. Dans ce chapitre, nous couvrons un certain nombre de stratégies de marketing prédictif spécifiques pour aider à accroître la valeur client : campagnes post­achat, campagnes de réapprovisionnement, programmes d'achats répétés, introductions de nouveaux produits et campagnes d'appréciation des clients. Nous discuterons également des programmes de fidélité et du marketing omnicanal à l'ère de l'analyse prédictive. Chapitre 13 : Play Nine : Lancer Predictive Des programmes pour fidéliser plus de clients Nous vous recommandons de vous concentrer sur la rétention de la valeur en dollars. Si vous ne le faites pas, vous pourriez conserver des clients, mais perdre de l'argent de toute façon. De plus, lors de la mesure de la fidélisation de la clientèle, il est important de réaliser que tous les désabonnements ne sont pas créés égaux. Perdre un client non rentable n'est pas aussi grave que perdre l'un de vos meilleurs clients. De plus, il est beaucoup plus facile, moins cher et plus efficace d'essayer d'empêcher un client de partir que Machine Translated by Google Introduction : qui devrait lire ce livre ? il s'agit de réactiver ce client après qu'il a déjà cessé de magasiner avec vous. Dans ce chapitre, nous examinons différents programmes de gestion de l'attrition, de non ciblé, s'appliquant de la même manière à tous vos clients, à ciblé, et nous aborderons la gestion proactive de la fidélisation et les campagnes de réactivation des clients. Chapitre 14 : Une liste de contrôle facile à utiliser Capacités de commercialisation Afin d'utiliser les techniques de marketing prédictif décrites dans ce livre, vous devez acquérir à la fois un état d'esprit de marketing prédictif ainsi que certaines capacités techniques de marketing prédictif. Vous devez faire évoluer votre réflexion en vous concentrant sur les campagnes, les canaux et le marketing unique pour vous concentrer sur les clients individuels et leur contexte. D'un point de vue technologique, vous devez acquérir des capacités de base dans les domaines de l'intégration des données client, de l'intelligence prédictive et de l'automatisation des campagnes. Chapitre 15 : Un aperçu de Predictive (et connexes) Technologie de commercialisation Nous vivons une époque passionnante et quelque peu déroutante. Un grand nombre de nouvelles technologies de marketing deviennent disponibles chaque année. Dans ce chapitre, nous vous donnerons un aperçu de haut niveau des différents types de technologies disponibles dans le commerce et décrirons ce qu'il faudrait pour créer une solution de marketing prédictif en interne à partir de zéro. Chapitre 16 : Conseils de carrière pour les aspirants Marketing prédictif Il existe une énorme opportunité de carrière qui découle du fait d'avoir été l'un des premiers à adopter de nouvelles méthodologies et technologies, y compris le marketing prédictif et l'analyse prédictive. Si vous n'êtes pas à l'aise avec les chiffres et les mathématiques, et que vous craignez de vous lancer dans le marketing prédictif, il y a quelques choses que vous devez savoir : la compréhension des affaires l'emporte sur les mathématiques, poser les bonnes questions est très utile, les meilleurs spécialistes du marketing mélangent l'art. et la science du marketing, et vous pouvez apprendre beaucoup des autres. xv Machine Translated by Google Introduction : qui devrait lire ce livre ? xvi Chapitre 17 : La vie privée et la différence entre Délicieux et envahissant En général, les consommateurs sont disposés à partager des informations sur leurs préférences en échange d'avantages apparents, tels que la commodité, résultant de l'utilisation de produits et services personnalisés. En matière de personnalisation, différents types d'informations client peuvent être utilisés et les consommateurs peuvent avoir une opinion différente d'un type d'informations par rapport à l'autre. Faites preuve de bon sens lorsque vous déterminez si une campagne de marketing est agréable ou effrayante et tenez compte du contexte de la situation. Ce chapitre fournira quelques lignes directrices pour traiter les données client qui engendreront la confiance. Chapitre 18 : L'avenir du marketing prédictif L'analyse prédictive continuera de trouver de nouvelles applications à l'intérieur et au­delà du marketing. Non seulement davantage d'algorithmes deviendront disponibles, mais les informations en temps réel sur les clients commenceront à façonner notre monde physique, y compris le magasin du futur. Il y a d'énormes avantages pour les clients, les entreprises et les spécialistes du marketing à se lancer dans le marketing prédictif le plus tôt possible. Tôt ou tard, vos clients et concurrents vous obligeront à adopter un état d'esprit de marketing prédictif, alors autant être un adopteur précoce et en tirer un énorme avantage concurrentiel. à propos des auteurs Omer Artun Je suis scientifique de formation; Je suis un entrepreneur dans l'âme, motivé par la curiosité du savoir et le défi du statu quo. À l'école primaire, j'ai vu l'opportunité de faire un profit en récoltant des fruits de mûriers dans la cour de notre école et en les vendant dans la rue, en enrôlant mes camarades de classe pour m'aider à gérer cette petite entreprise. Avec l'aide de mes parents ingénieurs, j'ai suivi les traces de mon frère aîné pour entrer dans un programme de doctorat en physique à l'Université Brown, étudiant sous la direction de Leon Cooper à l'Institute for Brain and Neural Systems. Le Dr Cooper a reçu le prix Nobel de physique pour ses travaux sur la supraconductivité et a décidé plus tard que le prochain grand problème à résoudre Machine Translated by Google Introduction : qui devrait lire ce livre ? était en neurosciences, décodant comment nous apprenons et nous adaptons. Il est un pionnier de la théorie de l'apprentissage depuis le début des années 70, utilisant à la fois la neuroscience expérimentale comme base ainsi que des techniques statistiques pour comprendre et créer des systèmes d'apprentissage, maintenant communément appelés apprentissage automatique. J'ai travaillé à la fois sur les mécanismes biologiques qui sous­ tendent l'apprentissage et le stockage de la mémoire, ainsi que sur la construction de réseaux de neurones artificiels, des réseaux capables d'apprendre, d'associer et de reproduire des actes cognitifs de niveau supérieur tels que l'abstraction, le calcul et l'acquisition du langage. Bien que ces tâches soient réalisées facilement par des humains, elles n'ont pas été faciles à incarner sous la forme d'un programme informatique classique. Alors que j'étais sur le point d'obtenir mon diplôme de doctorat à l'Université Brown vers 1998, j'ai remarqué que le monde des affaires fonctionnait principalement sur de simples feuilles de calcul, et je voulais appliquer une approche de science des données et d'apprentissage automatique aux entreprises. Cet objectif m'a amené à travailler pour McKinsey & Co., la première société de conseil en stratégie qui aide les grandes entreprises à formuler des stratégies basées sur une approche factuelle de résolution de problèmes. Lorsque j'ai rejoint McKinsey & Co. en 1999, j'ai pu tester une partie de cette approche scientifique des données dans quelques études. Mon premier projet consistait à aider une grande entreprise technologique à améliorer la couverture des ventes, en associant scientifiquement l'équipe de vente aux clients en fonction des besoins des clients, des compétences et de l'expérience de l'équipe de vente. Le PDG a été impressionné par les résultats sur papier, mais n'a pas été en mesure d'opérationnaliser les résultats dans la vie réelle, de manière reproductible. C'est ce que j'appelle le problème du dernier kilomètre de l'analyse. J'ai réalisé que c'est un gros problème à résoudre. L'analytique est un catalyseur important dans l'amélioration de l'efficacité commerciale, mais ne peut créer de la valeur que si elle fait partie du flux de travail d'exécution au jour le jour. J'ai vu ce thème se répéter encore et encore dans de nombreux domaines des affaires, de la tarification, de la chaîne d'approvisionnement, du marketing et des ventes. La plupart des projets McKinsey auxquels j'ai participé se sont retrouvés sur un jeu de diapositives qui contenait toutes les bonnes réponses, mais qui créait très rarement une valeur réelle. Doté d'une formation McKinsey, j'ai rejoint l'un de mes clients, Micro Warehouse en tant que VP Marketing, en 2002, dans le but d'apporter la science des données aux opérations quotidiennes. J'ai eu la chance d'être habilité par le PDG Jerry York et le président Kirby Myers. Jerry était la personne la plus analytique que j'aie jamais connue dans le monde des affaires, encore à ce jour. Il était auparavant directeur financier d'IBM pendant les années Gerstner et directeur financier de Chrysler avant cela. Il m'a encouragé à utiliser la science des données pour l'aider à mieux gérer l'entreprise. xvii Machine Translated by Google xviii Introduction : qui devrait lire ce livre ? Je savais que je devais concevoir mon approche de manière à marier la science des données à l'exécution pour résoudre le problème du dernier kilomètre. J'avais deux recrues importantes, le Dr Michel Nahon, un brillant mathématicien appliqué formé à Yale qui m'a aidé avec les algorithmes d'apprentissage automatique, et l'extraordinaire hacker Glen Demeraski, qui m'a aidé avec tout ce qui concernait les bases de données et les applications. J'ai créé des approches et des systèmes qui utilisaient les données pour allouer plus efficacement les ressources, réduire les coûts de marketing et découvrir de nouvelles sources de revenus. Nous avons eu un impact significatif sur l'efficacité du marketing, les modèles de tarification et de remise ainsi que sur l'efficacité de la force de vente. Au début de 2003, nous avions des systèmes en temps réel alertant les modèles d'achat, de tarification et d'acquisition de clients de l'équipe de vente par rapport aux moyennes mobiles pour que la direction des ventes prenne des mesures immédiates. Après Micro Warehouse, de 2004 à 2006, j'ai rejoint Best Buy en tant que directeur principal du marketing interentreprises de sa nouvelle division Best Buy for Business. À l'époque, Best Buy était également aux prises avec le même problème exact du dernier kilomètre, de nombreuses ressources internes, des outils, de nombreux consultants de haut vol parlant de segmentation de la clientèle et d'analyse, mais lorsque vous entriez dans un magasin, rien de tout cela n'avait d'impact. au niveau du client. C'est le véritable test de l'analyse ; a­t­il un impact positif sur les clients pour qu'ils puissent en faire l'expérience ? Si ce n'est pas le cas, vous avez la mauvaise configuration. Faire des progrès chez Best Buy a été beaucoup plus difficile, ce que j'aborderai au chapitre 1. Pendant que je travaillais chez Micro Warehouse et Best Buy, j'étais également un conférencier invité régulier à l'Université de Columbia et aux programmes de MBA NYU Stern sur le marketing relationnel et les cours de tarification que le Dr Hitendra Wadhwa a enseignés. Je suis également devenu professeur auxiliaire à NYU Stern pour le printemps 2006, enseignant le programme de marketing relationnel de niveau MBA. Au cours de cette période, en discutant avec des étudiants, en faisant des études de marché, en discutant avec des collègues de différentes entreprises, j'ai postulé que le marketing prédictif basé sur les données deviendrait le nouveau paradigme pour les 10 prochaines années. La valeur du marketing prédictif était déjà claire pour moi, mais son importance s'est accélérée en raison de la transformation numérique du commerce, de l'augmentation des points de contact avec les clients et de l'augmentation exponentielle de la taille, de la variété et de la vitesse des données (qui est maintenant communément appelée "Big Data"). Si vous me demandez quelle est la chose importante que j'ai apprise du Dr Cooper, je dirais qu'il s'agit de décomposer le problème en son cœur et de le résoudre à un niveau fondamental. Il a toujours dit que l'idée derrière la solution à tout problème doit être propre et très simple. C'est ainsi que je Machine Translated by Google Introduction : qui devrait lire ce livre ? pensé au problème de l'agent de commercialisation. Le marketing était facile à l'époque de l'ancien dépanneur. Les gens connaissaient notre nom, nos goûts et nos dégoûts et nous traitaient individuellement. Les spécialistes du marketing ont perdu le contact avec leur clients à l'ère de l'optimisation de masse unique. Les clients sont devenus des répondants aux sondages et des participants aux groupes de discussion ; tout était question de produits et de canaux. Cependant, le besoin d'un marketing centré sur le client a toujours été là, ce n'était tout simplement pas pratique et rentable à pratiquer. La transformation numérique, y compris les technologies Web, de messagerie, mobiles, sociales et de localisation, combinées à des technologies pour stocker, traiter et extraire des informations, a considérablement changé ce qui est pratique et rentable. Le marketing prédictif est l'approche qui restaure cette touche personnelle en apportant cette sensibilité humaine dans nos vies numériques et hors ligne, en se concentrant sur les consommateurs individuellement pour comprendre ce qu'ils ont fait et ce qu'ils feront ensuite. L'analyse prédictive, basée sur des algorithmes d'apprentissage automatique, offre un énorme effet de levier aux spécialistes du marketing qui tentent de donner un sens à ces actions. Plutôt que de remplacer la prise de décision humaine, l'apprentissage automatique et des algorithmes complexes pourraient aider les gens à amplifier leur intelligence et à traiter des problèmes à une échelle beaucoup plus grande, comme donner un bulldozer à des personnes habituées à creuser avec une pelle. J'ai vu l'opportunité de résoudre un problème avec lequel un nombre croissant d'entreprises se débattaient, et j'ai décidé de perturber le statu quo et de résoudre ce problème. En 2006, j'ai fondé AgilOne, pour apporter la puissance du Big Data et de l'analyse prédictive aux spécialistes du marketing de tous les jours avec une plate­forme logicielle basée sur le cloud facile à utiliser, mais puissante. AgilOne a été initialement démarré pendant les 5 premières années, puis soutenu par des sociétés de capital­risque de premier plan, notamment Sequoia Capital, Mayfield Fund, Tenaya Capital et Next World Capital. Nous aidons plus de 150 marques du commerce de détail, du B2B, d'Internet, des médias, de l'édition et de l'éducation à offrir des expériences pertinentes sur tous les canaux. Grâce à des profils client complets et précis, des informations prédictives et des campagnes de marketing de cycle de vie intégrées, les spécialistes du marketing renforcent la fidélité des clients et augmentent la valeur à vie des clients. Dans mon temps libre, je prétends être un potier accompli depuis 28 ans, ayant étudié à la Rhode Island School of Design sous Lawrence Bush pendant mes années à Brown. Originaire de Turquie, je vis maintenant à Los Gatos avec ma femme Burcak et mes deux filles, Ayse et Leyla. Au moment où j'écris cette introduction, ma fille Ayse, qui est en première année à l'école Castilleja xix Machine Translated by Google xx Introduction : qui devrait lire ce livre ? à Palo Alto, lit un article sur le marketing prédictif pour son cours de mathématiques, qui montre comment le marketing prédictif deviendra courant pour la prochaine génération. Dominique Lévin Je crédite mon éducation, une combinaison d'école d'ingénieur, d'école de design et d'école de commerce pour mon approche du marketing cerveau gauche­cerveau droit : j'ai une maîtrise ès sciences (Cum Laude) en ingénierie du design industriel de l'Université de Delft aux Pays­ Bas et une maîtrise en administration des affaires (avec distinction) de l'Université Harvard. Je recommande à tous les spécialistes du marketing de marier la créativité humaine à l'apprentissage technologique afin d'offrir de la valeur aux clients. Au cours des 20 dernières années, j'ai dirigé le marketing dans des entreprises grandes et petites, sur quatre continents différents, ciblant les entreprises et les consommateurs. Par­dessus tout, j'ai été l'un des premiers à comprendre l'importance des données clients. En 1994, j'ai pris mon premier emploi en marketing : un stage d'été à Cusco, au Pérou. J'ai fait le tour d'une camionnette pour rendre visite aux agriculteurs locaux et compter combien rejoindraient une coopérative locale pour transformer les fruits en mar malades et en liqueurs. Pour mon prochain emploi, chez Philips Consumer Electronics, on m'a demandé de trouver un moyen de vendre plus d'électronique aux filles et aux femmes. Je me suis mélangé avec des adolescents dans les lycées locaux pour collecter des données. Philips a lancé un produit appelé KidCom, un organiseur électronique pour les filles, et le prototype TeenCom, un appareil de radiomessagerie bidirectionnel pour les adolescents. Mon patron sur ce projet était Tony Fadell, qui est devenu plus tard le père de l'iPod et de l'iPhone, et qui a ensuite fondé NEST. En 1997, j'ai déménagé à Tokyo, au Japon, pour travailler pour Nippon Telegraph and Telephone (NTT). Tous les employés de NTT, qu'ils travaillent dans le domaine des produits ou de la finance, ont travaillé un week­end dans le magasin de l'entreprise pour rencontrer et servir les clients. Je recommande un tel programme de « rencontre avec le client » à toute entreprise, car aucun numéro ne peut totalement remplacer la rencontre des clients en face à face. En 2000, j'ai déménagé dans la Silicon Valley et j'ai dirigé le marketing de ma première entreprise de big data, LogLogic, acquise plus tard par TIBCO Software. Pour la première fois, j'ai eu accès à de nombreuses données clients sous forme numérique. Les fichiers journaux sont comme les caméras vidéo numériques d'Internet. Chez LogLogic, nous avons utilisé ces données de journal pour surveiller la sécurité, mais cela m'a également ouvert les yeux sur les possibilités d'utiliser des données similaires pour mieux comprendre et servir les clients. Machine Translated by Google Introduction : qui devrait lire ce livre ? J'ai ensuite travaillé pour plusieurs autres entreprises technologiques, dont Fundly et Totango, en me concentrant sur la création d'organisations de marketing fortement axées sur les données. Fundly aide les organisations à but non lucratif à utiliser les médias sociaux pour collecter des fonds. Nous avons utilisé les données pour automatiser le processus, de l'inscription en libre­service au succès de la collecte de fonds. Totango a proposé une solution de marketing prédictif qui surveille le comportement des clients pour identifier les clients prometteurs et en difficulté. Dans les deux cas, les données et les prévisions ont contribué à accélérer l'acquisition de clients et à augmenter la valeur à vie des clients, tout en réduisant le coût des ventes. J'ai rencontré Omer dans mon rôle de CMO chez Agilone, où j'ai pu travailler avec des milliers de spécialistes du marketing comme vous pour déterminer comment ils peuvent utiliser au mieux les données client pour ravir les clients. Omer et moi sommes unis dans notre approche du marketing axée sur les données et centrée sur le client. Données et expériences humanistes vont de pair. Notre passion pour les clients nous a conduit à ce livre. Pendant mon temps libre, j'aime voyager avec mon mari et mes trois enfants et découvrir des gens, des lieux et des cultures du monde entier. Je joue au hockey sur glace pour me défouler et j'ai déjà fait partie de l'équipe nationale néerlandaise. J'aime travailler avec des entrepreneurs et les aider à faire de leurs rêves une réalité. Remerciements Ce livre a été considérablement amélioré grâce aux efforts d'Anne Puyt, Barbara Von Euw, Rinat Shimshi, Dhruv Bhargava, Carrie Koy, Joe Mancini, Angela Sanfilippo, Hac Phan et Francis Brero, qui non seulement travaillent sans relâche chaque jour pour aider les entreprises à réussir avec le marketing prédictif, mais qui sont également allés au­delà de l'appel du devoir pour ajouter leurs expériences, leurs exemples et leur sagesse au manuscrit. Nous tenons également à remercier les PDG et directeurs marketing visionnaires qui ont été les premiers à adopter l'approche de marketing prédictif, en particulier John Seabreeze, vice­président marketing chez Billy Casper Golf ; Joe McDonald, SVP Ventes et Marketing de Stargas, Eoin Comerford, PDG de Moosejaw ; Levent Cakiroglu, PDG d'Arcelik ; Ersin Akarlilar, PDG de Mavi ; Adam Shaffer, EVP Marketing de TigerDirect. De plus, le succès personnel d'Omer, le succès d'AgilOne et les concepts de ce livre ne seraient pas devenus une réalité sans la xxi Machine Translated by Google xxii Introduction : qui devrait lire ce livre ? l'aide de Bonnie Bartoli, Peter Godfrey et de ses «fils et fille adoptifs» Ozer Unat, Dhruv Bhargava, Oyku Akca, Anselme LeVan, Louis Lecat, Ryan Willette et Francis Brero. Nous tenons également à remercier nos familles : Omer tient également à remercier son épouse, le Dr Burcak Artun, qui le croit et l'encourage toujours à défier le statu quo et à être patient avec son emploi du temps chargé. Dominique remercie son mari, Eilam, et ses enfants Liv, Yanai et Milo, pour leurs encouragements pendant le processus d'écriture. De même, elle tient à remercier ses superstars du marketing AgilOne, Chris Field, Johnson Kang, Kessawan Lelanaphaparn et Angela Sanfilippo pour leur indépendance et leur professionnalisme afin qu'elle puisse parfois se concentrer sur le livre. Machine Translated by Google PARTIE 1 Complet Prédictif Introduction au marketing 1 Machine Translated by Google Machine Translated by Google CHAPITRE 1 Big Data et prédictif L'analytique c'est maintenant Facilement accessible à tous Commerçants Le marketing est l'évolution relationnel défini et pratiquée prédictif par de nombreux spécialistesdu dumarketing marketing direct au cours des dernières décennies. Le marketing prédictif n'est pas une technologie, mais une approche ou une philosophie. Le marketing prédictif utilise l'analyse prédictive comme moyen d'offrir des expériences client plus pertinentes et significatives, à tous les points de contact client, tout au long du cycle de vie du client, augmentant ainsi la fidélité des clients et les revenus. L'essor du marketing prédictif est alimenté par trois facteurs : (1) les clients exigent une approche plus personnelle et intégrée lorsqu'ils interagissent avec le marketing et les ventes via de nombreux canaux, (2) les premiers utilisateurs montrent que le marketing prédictif offre une valeur énorme, et (3 ) de nouvelles technologies sont disponibles pour capturer des sources nouvelles et existantes de données client, reconnaître des modèles et faciliter plus que jamais l'utilisation des données client à l'intersection des mondes physique et numérique. L'analyse prédictive est un ensemble d'outils et d'algorithmes utilisés pour rendre possible le marketing prédictif. Il s'agit d'un terme générique qui couvre une variété de techniques mathématiques et statistiques pour reconnaître les modèles dans 3 Machine Translated by Google 4 Une introduction complète au marketing prédictif données ou faire des prédictions sur l'avenir. Lorsqu'elle est appliquée au marketing, l'analyse prédictive peut prédire le comportement futur des clients, classer les clients en clusters parmi d'autres cas d'utilisation. D'autres termes que vous pourriez entendre dans les médias pour décrire ce processus incluent l'apprentissage automatique, la reconnaissance de formes, l'intelligence artificielle et l'exploration de données. L'analyse prédictive et l'apprentissage automatique sont utilisés de manière interchangeable dans ce livre. Le marketing prédictif modifie fondamentalement le marketing des entreprises et des consommateurs tout au long du cycle de vie du client. Il transforme l'accent mis sur les produits et les canaux pour se concentrer sur le client. L'analyse prédictive est utilisée pour améliorer les stratégies d'acquisition de nouveaux clients, pour augmenter la valeur à vie des clients et pour fidéliser davantage de clients au fil du temps. Des entreprises innovantes et axées sur la technologie comme Netflix et Amazon utilisent l'analyse prédictive depuis des années, tout comme d'autres comme beaucoup dans les secteurs des télécommunications, des services financiers et des jeux, comme Harrah's Entertainment. La série de films et d'émissions de télévision "que vous pourriez aimer" qui apparaissent lorsque vous vous allongez sur le canapé et que vous allumez Netflix est l'un des moteurs du succès de l'entreprise. Tout cela est rendu possible par la traduction des données client avec des analyses intelligentes. En fait, "75% de ce que les gens regardent [sur Netflix] provient d'une sorte de recommandation", Le directeur de la recherche de Netflix, Xavier Amatriain, a écrit sur le blog technologique de l'entreprise en 2012. Amazon utilise l'analyse prédictive pour assurer son succès depuis le tout début de l'entreprise. Les recommandations qui apparaissent sous un produit que vous envisagez d'ajouter à votre panier font partie de ce qui fait d'Amazon une telle centrale de commerce électronique aujourd'hui. La société a déclaré publiquement que 35 % de ses ventes provenaient des recommandations faites par ses moteurs prédictifs. Cela équivaudrait à 26 milliards de dollars de revenus en 2013. La société utilise également l'analyse prédictive de nombreuses autres manières, comme prédire quel bulletin électronique vous envoyer ou vous pousser au bon moment pour commander à nouveau un article. Dans l'industrie du jeu, les modèles prédictifs peuvent établir des budgets et des calendriers pour les joueurs du casino, en calculant leur valeur à vie prévue dans le processus. Si un joueur parie moins que d'habitude parce qu'il a peut­être sauté une visite mensuelle, le casino peut intervenir par une lettre ou un appel téléphonique offrant un repas gratuit, un billet de spectacle ou des bonus de jeu. Sans ce type d'analyse des clients, les opérateurs de casino pourraient ne pas remarquer ce qui pourrait être un léger changement presque imperceptible dans le comportement des clients qui pourrait laisser présager de futurs problèmes avec ce client. Par exemple, Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing 5 Si un client de longue date décide d'encaisser tous les points de sa carte de joueur, c'est peut­être parce qu'il n'est pas satisfait de sa dernière expérience au casino. L'analyse prédictive peut rapidement repérer ces tendances et alerter la direction du casino du problème afin qu'elle puisse approcher l'individu pour savoir s'il y a un problème. Ce type de personnalisation peut grandement contribuer à apaiser un client mécontent, ce qui peut faire la différence entre le conserver ou le perdre en tant que client. Total Rewards de Harrah's Entertainment, qui a été lancé sous le nom de Total Gold en 1997 et rebaptisé Total Rewards un an plus tard, est présenté par beaucoup comme l'étalon­or des programmes de relation client et est fortement alimenté par des algorithmes d'analyse prédictive. La confiance de l'entreprise dans son programme de fidélité est devenue si forte qu'elle a réduit ses dépenses publicitaires traditionnelles de 2008 et 2009 de plus de 50 %. La société a dépensé 106 millions de dollars en médias mesurés en 2008 ; pour le premier semestre de l'année dernière, il a dépensé 52 millions de dollars et au cours du premier semestre de cette année, 20 millions de dollars. (Source : http://adage.com/article/news/harrah­s­loyalty­program­industry­s­gold­standard/ 139424/ .) Bien que certaines grandes marques utilisent l'analyse prédictive depuis de nombreuses années maintenant, il n'est pas trop tard pour d'autres marques, grandes et petites. En fait, le marketing prédictif commence seulement à être largement adopté dans les petites et moyennes entreprises. Un bon exemple d'une entreprise qui a obtenu un succès significatif avec le marketing prédictif est Mavi, un fabricant et détaillant de vêtements de haute couture basé à Istanbul, en Turquie. Mavi est connue pour son denim bio apprécié des célébrités et des mannequins. Mavi exploite plus de 350 magasins et canaux de vente multinationaux aux États­Unis, au Canada, en Australie, en Turquie et dans 10 pays européens. Mavi a commencé avec une seule campagne de marketing prédictif il y a six ans. Lorsque Mavi a démarré, chaque département, y compris le marketing et l'informatique, utilisait son propre ensemble de rapports marketing et de données clients, y compris des indicateurs de performance clés. Cela a conduit à des renvois encombrants et a entravé la prise de décisions importantes. Comme de nombreuses entreprises, l'équipe marketing de Mavi n'avait initialement pas accès aux données clients sans s'appuyer sur les ressources informatiques. C'est le premier problème auquel l'équipe s'est attaquée. Mavi a déployé une solution de marketing prédictif moderne basée sur le cloud en 2009. Cela a permis à l'entreprise de consolider, de nettoyer et de dédupliquer quotidiennement les données de ses clients. Ils étaient alors prêts à commencer à utiliser les données dans des campagnes hyper personnalisées. Machine Translated by Google 6 Une introduction complète au marketing prédictif L'un des premiers programmes de marketing prédictif que Mavi a testé était un programme autour de personnalités d'achat spécifiques. Mavi a utilisé l'analyse prédictive pour trouver des groupes de personnes ayant des préférences de produits distinctes. Dans le jargon prédictif, on les appelle des clusters basés sur les produits. Mavi a trouvé au moins trois groupes d'acheteurs très différents : les clients qui préféraient principalement les chemises tissées, d'autres qui préféraient les vêtements de plage, tandis qu'une troisième personne achetait principalement la haute couture et les accessoires de la nouvelle saison. Mavi a commencé à utiliser ces personnages pour mettre en œuvre des campagnes de marketing plus ciblées par e­mail et service de messages courts (SMS). Plus précisément, il a mis en place une campagne de réengagement pour les clients périmés qui présentaient les bons types de produits avec les bons clients. Grâce à ces clusters, Mavi a pu réactiver 20 % des clients périmés. Il s'agissait d'une grande avancée car chaque client enregistré ou réactivé réduit le besoin de Mavi d'acquérir de nouveaux clients. Mavi exécute aujourd'hui plus de 80 programmes de marketing prédictif différents en un an. Collectivement, ces campagnes ont contribué à ajouter 7 points de pourcentage aux revenus globaux de Mavi au cours des premières années, ce qui représente une somme énorme en dollars et en cents. Wikipedia rapporte que les revenus de Mavi en 2014 étaient de 747 millions de dollars, ce qui représenterait donc une augmentation de 52 millions de dollars. Mavi continue de trouver de nouvelles façons d'augmenter la valeur vie client, et avec chaque campagne lancée, ce nombre augmente. Elif Oner, responsable de la gestion de la relation client chez Mavi, recommande à tous les spécialistes du marketing de se lancer dans le marketing prédictif. Elle dit : "Commencez petit et choisissez un seul programme et construisez sur ce succès." Elif est également le distributeur préféré du directeur financier. Chaque dollar qu'elle dépense en marketing, chaque remise qu'elle accorde est comptabilisé, testé et optimisé. Le CIO Bulent Dursun a également joué un rôle important dans la réalisation du potentiel de l'analyse et a été un partisan clé, ce qui a fait le succès de l'approche. La révolution du marketing prédictif Anticiper les besoins des clients n'est pas un concept nouveau. Ce qui est nouveau, c'est la capacité d'anticiper et de répondre automatiquement aux besoins des clients, en temps quasi réel et à grande échelle, pour des centaines, des milliers, voire des millions de clients à la fois. Il n'y a pas si longtemps, vous pouviez entrer dans un dépanneur et le fils du vendeur connaissait votre nom, savait quel genre de choses vous achetiez, comment Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing depuis longtemps que vous êtes client, ainsi que d'autres informations importantes sur votre personnalité et votre comportement. Cette relation rend non seulement le processus d'achat agréable, mais augmente également la probabilité que le client revienne, dépense plus et développe un sentiment de fidélité à la marque et de confiance. De nos jours, nous faisons nos courses dans des supermarchés où personne ne connaît notre nom. La promesse du marketing prédictif est d'amener les relations personnelles du magasin du coin dans le monde moderne du marketing en ligne et hors ligne. Grâce à l'analyse prédictive, il est possible de passer d'une ère de marketing de masse centrée sur les produits que vous vendez et les promotions que vous envoyez à une ère de marketing hautement personnalisé centrée sur le client que vous servez. Aujourd'hui, même les petites et moyennes entreprises interagissent avec les clients à grande échelle via une grande variété de canaux, y compris les sites Web, les médias sociaux, les applications mobiles et les visites en magasin. En raison de l'augmentation substantielle de la vitesse, du nombre et du type d'interactions avec les clients, les entreprises ont une plus grande possibilité de maintenir le type de relations personnelles qui constituaient autrefois un aspect important de la conduite des affaires. Bien sûr, ce n'est pas facile, et de nombreuses entreprises échouent en raison d'un manque de capacités techniques, organisationnelles et d'orientation stratégique. Les interactions avec les clients et la numérisation d'une grande partie de nos activités quotidiennes ont permis aux entreprises de recueillir une quantité extraordinaire de données sur leurs clients qui peuvent être utilisées pour mieux servir les clients. Par exemple, lorsque vous achetez une paire de chaussures chez Zappos, l'entreprise sait beaucoup de choses sur vous : quel type de chaussures vous aimez, votre nom, votre sexe, votre lieu de résidence, si votre code postal est principalement composé d'immeubles à appartements ou de célibataires. ­les maisons familiales, si vous achetez généralement des articles au prix fort ou à prix réduit, si vous avez acheté un seul produit ou plusieurs produits, combien de fois vous avez cliqué sur un e­mail Zappos ou visité son site Web avant de passer cette première commande et ce que vous avez regardé, la fréquence à laquelle vous avez appelé le centre d'appels, si vous êtes un premier client ou un client régulier, si vous êtes un client VIP ou un client non rentable qui retourne plus de produits qu'il n'en garde, et bien plus encore. La plupart des entreprises trouvent encore très difficile d'utiliser ces informations à bon escient. La taille et l'étendue des enregistrements les rendent incompréhensibles pour quiconque n'a pas la formation et l'expérience nécessaires pour extraire des informations de grands ensembles de données. C'est là qu'interviennent l'analyse prédictive et l'apprentissage automatique. Les machines sont très douées pour extraire des informations sept Machine Translated by Google 8 Une introduction complète au marketing prédictif Figure 1.1 La révolution du marketing prédictif automatiquement à partir de grands ensembles de données. Les machines peuvent se souvenir des noms de millions de clients sans effort et les saluer en conséquence, comme l'aurait fait le commerçant d'antan. En d'autres termes, en utilisant des machines, les humains peuvent désormais ramener les interactions marketing personnalisées d'antan, même si leur entreprise compte des millions de clients. La figure 1.1 illustre comment la révolution marketing a bouclé la boucle. Dans les années 1800, les commerçants avaient des relations personnelles avec chaque client. Dans les années 1900, pendant la révolution industrielle, ces relations personnelles ont été victimes du marketing de masse et d'un désir de faire évoluer les entreprises. Aujourd'hui, grâce à la révolution technologique, les spécialistes du marketing peuvent rétablir les relations personnelles d'antan, tout en continuant à exploiter des entreprises à grande échelle. Le marketing prédictif est le mariage parfait entre le machine learning et l'intelligence humaine. L'objectif du marketing prédictif n'est pas de remplacer les spécialistes du marketing par des machines, mais plutôt de renforcer et d'augmenter l'intelligence humaine grâce à l'apprentissage automatique. Le pouvoir de l'équité client Le marketing prédictif donne lieu à une nouvelle approche du marketing basée sur les données, avec le client en son centre. La capacité de collecter et d'analyser des données sur chaque client, ainsi que ses interactions Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing 9 Figure 1.2 D'une orientation produit à une orientation client avec votre marque, vous permet de mieux servir vos clients et de générer plus de ventes. Fondamentalement, comme l'illustre la figure 1.2, le marketing prédictif aide les entreprises à passer d'une orientation centrée sur le produit ou le canal à une orientation centrée sur le client. Les entreprises utilisant le marketing prédictif se concentrent sur le développement et la gestion des relations clients plutôt que sur le développement et la vente de produits ou de canaux : • Au lieu de trouver des clients qui voudront vos produits, il est maintenant possible de découvrir quels produits vos clients voudront à l'avenir. • Au lieu de maximiser les ventes, les entreprises de l'ère client se concentrent sur l'optimisation de la valeur vie client et de la part du portefeuille pour stimuler la rentabilité de l'entreprise. Machine Translated by Google dix Une introduction complète au marketing prédictif • Au lieu de s'organiser autour des canaux et des gammes de produits, les entreprises qui pratiquent le marketing prédictif s'organisent autour du client. • Avec le client au centre, les entreprises utilisent le Big Data et l'analyse prédictive pour configurer les processus et les organisations afin de trouver des moyens de personnaliser les interactions. • Les communications deviennent beaucoup plus ciblées et l'indicateur clé est la pertinence, et non la portée. Le marketing prédictif vous permet d'identifier et de réaliser la valeur à long terme de la relation client pour que vos meilleurs clients reviennent et achètent davantage. La figure 1.3 illustre le principe de base : si votre entreprise acquiert des clients plus rentables, augmente systématiquement la valeur de chaque client et conserve ces relations clients pendant longtemps, l'entreprise se développera également. Les entreprises devraient penser à gérer le capital client de la même manière qu'elles gèrent leurs portefeuilles d'actions : tout comme les actions, certains clients ont plus de valeur que d'autres et leur valeur augmentera et diminuera au fil du temps. Le marketing prédictif offre aux entreprises un moyen simple et automatisé de gérer la valeur vie client et le capital client. La clé pour libérer cette valeur réside dans les informations que vous êtes en mesure de collecter sur vos clients. Plus vous pouvez personnaliser les expériences que vous proposez, plus le client a de chances de rester fidèle à votre marque. Pensez à votre coiffeur. Elle a beaucoup d'informations sur vous. Elle sait comment vous aimez votre coupe de cheveux et en sait probablement beaucoup sur votre famille, vos amis et votre travail. Ces informations rendent l'interaction avec votre coiffeur très transparente. Vous vous asseyez, elle se met au travail et vous avez une conversation agréable. Elle peut vous appeler quand il est temps pour votre prochain rendez­vous et suggérer une nouvelle coiffure de temps en temps. Il vous faudrait beaucoup de temps pour recommencer avec un nouveau coiffeur. Votre coiffeur a très peu de clients. La plupart des spécialistes du marketing servent des millions de clients. Il n'est pas possible pour une marque de collecter et de traiter les données de millions de clients sans ordinateurs ni logiciels. Le marketing prédictif met les données et les informations sur les clients directement entre les mains des spécialistes du marketing, du personnel en contact avec les clients et des applications qui offrent des expériences personnalisées aux clients individuels. Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing 11 Figure 1.3 Les clients sont la clé de la valeur marchande Cas d'utilisation du marketing prédictif Le marketing prédictif va bien au­delà de la simple fourniture de recommandations. Les cas d'utilisation les plus courants du marketing prédictif sont les suivants : • Améliorer la précision des efforts de ciblage et d'acquisition. Avec le marketing prédictif, il est possible de savoir quels canaux produisent les clients les plus rentables et d'optimiser les dépenses de marketing en fonction Machine Translated by Google 12 Une introduction complète au marketing prédictif sur cette connaissance. Armés de meilleures informations sur les personnalités d'achat comportementales, les spécialistes du marketing peuvent également concevoir des campagnes d'acquisition plus efficaces qui hyperciblent un microsegment spécifique et multiplient par quatre ou plus les conversions. • Utilisez des expériences personnalisées pour augmenter la valeur à vie. Le marketing prédictif peut prédire les préférences et les interactions futures des clients (telles que la probabilité qu'un client achète). Forts de ces informations, les spécialistes du marketing peuvent améliorer la personnalisation, la pertinence et la synchronisation des interactions avec les clients. Ce sont ces expériences qui inciteront les clients à revenir et maximiseront la valeur à vie des clients. Si vous pouvez maximiser la valeur à vie de chacun de vos clients, vous maximiserez automatiquement la valeur de l'ensemble de votre portefeuille de clients et donc la valeur de votre entreprise dans son ensemble. • Comprendre la rétention et la fidélité des clients. Prédire quand, pourquoi et quels clients reviendront ou partiront est un défi de taille pour de nombreuses organisations. Le marketing prédictif peut aider à signaler les clients qui risquent de partir afin que les spécialistes du marketing puissent prendre des mesures proactives pour fidéliser ces clients. L'analyse prédictive peut également générer des informations sur les comportements de fidélisation qui maximisent la valeur vie client. • Optimiser l'engagement client. Prédire qui répondra à une promotion par e­mail, ce qu'il faudrait pour convertir un navigateur en acheteur, quelle remise est nécessaire pour inciter le client à finaliser la transaction sont autant de méthodes pour augmenter l'engagement client en temps réel ou quasi réel qui maximise le marketing efficacité. La figure 1.4 donne des exemples de questions auxquelles l'analyse prédictive peut répondre pour les spécialistes du marketing. Ces exemples, ainsi que d'autres cas utilisés, sont discutés plus en détail tout au long du livre. La liste ci­dessous n'est pas exhaustive, car les questions marketing auxquelles l'analyse prédictive peut répondre sont vraiment infinies. Armées d'informations allant de la probabilité d'achat, de la valeur à vie prévue et des futures préférences de produits, les marques peuvent mieux servir leurs prospects et leurs clients en offrant des expériences personnalisées. Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing 10 questions à répondre 1. Qui sont mes meilleurs clients sera Comment Predictive peut aider Prédisez quels prospects ou clients ont la valeur à vie la plus élevée, en tenant compte des revenus, mais aussi du coût d'acquisition et de gestion de ces comptes. Utilisez ces informations pour consacrer du temps et de l'argent aux clients à fort potentiel dès le début. 2. Trouvez plus de nouveaux clients Prédisez quels prospects ressemblent le plus à vos clients existants comme votre meilleur existant à forte valeur ajoutée en utilisant le ciblage similaire (B2C) ou clients des fournisseurs spécialisés en génération de leads (B2B). 3. Trouvez des personnages dans vos données à utiliser pour acquérir plus de clients comme celui­ci Prédisez les groupes de clients qui se distinguent le plus acheter des personas en ce qui concerne les marques, les produits, le contenu et les comportements de votre clientèle. Ensuite, développez des créations, du contenu, des produits et des services pour attirer davantage d'acheteurs comme celui­ci. 4. Quels canaux marketing sont les plus rentables Prédire quels canaux attirent les clients avec le valeur à vie la plus élevée, y compris tous les achats futurs. Utilisez ces informations pour influencer les stratégies d'enchères de mots clés et les investissements dans les canaux. 5. Quels prospects (non acheteurs) sont les plus susceptibles d'acheter Déterminez qui est le plus susceptible d'acheter afin de pouvoir donner la bonne incitation (en B2C) ou de donner la priorité au temps de votre personnel de vente avec les bons prospects (en B2B). 6. Quels clients existants (ou passés) sont les plus susceptibles d'acheter Une incitation au produit (ou une remise) est nécessaire pour convaincre un acheteur unique de devenir un client régulier. Privilégiez le temps des gestionnaires de compte pour se concentrer sur les candidats susceptibles de proposer des ventes incitatives. 7. Quels clients existants sont les moins susceptibles d'acheter Prévoyez quels clients sont susceptibles de partir et ciblez­les de manière proactive avec une incitation "revenez s'il vous plaît", une recommandation personnalisée ou en demandant au responsable de la réussite client de passer un appel. 8. Quels clients pourraient être intéressés par un nouveau produit spécifique Prédire quels clients pourraient être intéressés articles en surstock ou une nouvelle version de produit afin que vous puissiez concentrer vos efforts de vente et de marketing sur ces entreprises ou consommateurs. 9. Quels autres produits ou contenu susceptible d'intéresser ce Prédisez les recommandations de produit ou de contenu à faire à un client particulier afin de gagner, de vendre ou de réengager ce client. client 10. Quelle est ma part de portefeuille avec un client spécifique Prédisez sur quels marchés ou groupes de clients vous avez un potentiel de valeur élevé pour concentrer vos futures stratégies d'acquisition de clients. Figure 1.4 Dix exemples de marketing prédictif 13 Machine Translated by Google 14 Une introduction complète au marketing prédictif L'adoption du marketing prédictif s'accélère Une enquête récente menée auprès de 132 responsables marketing par notre société AgilOne a révélé que 76 % des spécialistes du marketing utilisaient une forme d'analyse prédictive dans leur marketing en 2015, contre 69 % en 2014. Cette accélération est alimentée par trois facteurs : (1) les clients exigent les avantages du marketing prédictif, principalement un marketing hautement pertinent et opportun, (2) les premiers utilisateurs montrent que le marketing prédictif offre une valeur énorme et (3) de nouvelles technologies sont disponibles pour faciliter le marketing prédictif. Les clients exigent plus de sens Relations avec les marques Les consommateurs sont bombardés de marketing et en ont franchement marre. L'agence de recherche sur le commerce de détail Conlumino a mené une enquête auprès des consommateurs à la fin de 2014 qui a montré que de nombreux consommateurs s'attendent à une certaine forme de personnalisation, en partie parce que les marques les plus grandes et les plus établies proposent des expériences personnalisées depuis quelques années maintenant. En demandant à plus de 3 000 acheteurs en ligne adultes quelles informations ils s'attendent à ce que les entreprises connaissent à leur sujet et quelles expériences personnalisées ils apprécient, l'enquête a révélé que plus de 70 % des acheteurs souhaitent que les marques offrent un certain type d'expérience personnalisée, que ce soit l'envoi d'une alerte sur un nouveau produit qui correspond à leurs centres d'intérêt, un rappel de recharge ou la reconnaissance d'un client VIP. Certains types d'expériences personnalisées, telles que les récompenses de fidélité et les remises personnalisées, étaient populaires dans tous les domaines, tandis que les niveaux d'appréciation pour d'autres domaines de personnalisation différaient considérablement en fonction de l'âge, du lieu, du sexe et d'un certain nombre d'autres facteurs. Les résultats suggèrent qu'il est crucial d'avoir une compréhension approfondie de vos clients, et l'utilisation de l'hyperciblage est cruciale pour fidéliser la marque : • Plus de 79 % des consommateurs américains et 70 % des consommateurs britanniques s'attendent à une sorte de personnalisation de la part des marques. • Plus de la moitié des consommateurs aux États­Unis et au Royaume­Uni s'attendent à ce que les sites de commerce électronique se souviennent de leurs achats passés. • Parmi les acheteurs américains, les expériences personnalisées les plus populaires étaient les e­mails offrant des remises sur les produits qu'ils avaient déjà consultés. Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing 15 (66 %), des alertes lorsque les produits qu'ils aiment sont en vente (57 %) et des récompenses d'appréciation des clients VIP (51 %). • Les consommateurs aux États­Unis étaient beaucoup plus enclins à s'attendre à ce que les détaillants en ligne personnalisent leurs expériences qu'au Royaume­Uni : environ la moitié des Américains souhaitent recevoir un message de bienvenue pour les nouveaux clients, contre seulement 34 % au Royaume­Uni. • Les acheteurs âgés de 18 à 34 ans, qui font partie de la génération "millennial", étaient plus susceptibles d'apprécier presque toutes les formes de personnalisation : 52 % des milléniaux s'attendent à ce que les marques se souviennent de leur anniversaire, contre 21 % des personnes âgées de 65 ans et plus. • La personnalisation des e­ mails est beaucoup plus populaire que la personnalisation de la publicité display, avec 66 % des consommateurs américains et 57 % des consommateurs britanniques favorables au reciblage par e­mail, mais seulement 24 % (États­Unis) et 17 % (Royaume­Uni) favorables au reciblage basé sur le Web. Dans un cas, les clients d'une marque de haute couture de New York ont en fait écrit pour dire à l'entreprise qu'ils estimaient ne pas bénéficier de l'expérience personnalisée qu'ils méritaient. Plus précisément, cette société effectuait des enquêtes post­achat après chaque expédition. Certains clients ont écrit qu'ils étaient des acheteurs fréquents de la marque, mais ont estimé qu'ils ne recevaient aucun traitement spécial. Il est rare que les clients expriment aussi directement leur insatisfaction vis­à­ vis du marketing à taille unique. Il est plus probable que les clients vous le fassent savoir par leurs actions. Rencontrez­vous un nombre inhabituellement élevé de réclamations de clients, avez­vous un petit nombre d'acheteurs réguliers ou constatez­ vous un grand nombre de refus de vos campagnes par e­mail ? Tous ces éléments pourraient être des signes que les clients ne reçoivent pas l'attention personnelle qu'ils attendent. Un autre exemple vient d'une petite entreprise d'ustensiles de cuisine. Pendant des années, ses produits ont été proposés en quantités et zones géographiques limitées. La rumeur s'est répandue sur les produits uniques et, pour répondre à la demande des clients, les produits sont désormais proposés via son site Web directement aux consommateurs et dans les grands points de vente au détail tels que Costco. La clientèle passionnée réclamait des communications plus pertinentes. Les clients n'ont pas écrit ou appelé pour en informer l'entreprise, mais celle­ci a plutôt commencé à subir un nombre croissant de refus lors de l'envoi d'e­mails. De toute évidence, les clients disaient que les campagnes par e­mail à taille unique ne répondaient pas à leurs besoins. Aujourd'hui, les clients reçoivent des e­mails beaucoup plus pertinents et opportuns, Machine Translated by Google 16 Une introduction complète au marketing prédictif tels que des rappels de réapprovisionnement pour réorganiser les granulés de barbecue pour griller juste au moment où ils manquaient de leur dernière commande. Le marketing prédictif a augmenté le taux d'achat de leurs e­mails marketing de 1% à 4%, tout en réduisant le taux de désabonnement de 40% en seulement six semaines. De nombreux spécialistes du marketing peuvent penser qu'ils offrent des expériences pertinentes, mais la perception des consommateurs est souvent très différente. Une enquête AgilOne menée en 2013 auprès de 2 000 spécialistes du marketing et consommateurs a révélé que 75 % des spécialistes du marketing pensent qu'ils envoient jusqu'à 15 campagnes marketing pertinentes aux consommateurs chaque année. Cependant, 34 % des consommateurs déclarent ne pas se souvenir d'une seule campagne pertinente de l'année écoulée. Il y a clairement une déconnexion entre les commerçants et les consommateurs. La même enquête a révélé que 52 % des spécialistes du marketing envoient exactement le même e­mail à tous leurs clients et 65 % envoient exactement le même nombre d'e­mails à chacun de leurs clients, quelles que soient leurs préférences. Les spécialistes du marketing doivent changer radicalement leur façon de penser. Aujourd'hui, les spécialistes du marketing peuvent se réjouir lorsqu'une de leurs campagnes par e­mail reçoit un taux de clics de 4 %. En réalité, cela signifie que 96 % des clients ont jugé cet e­mail non pertinent. C'est un résultat terrible. Nous croyons que tous les clients méritent de recevoir des communications pertinentes et respectueuses. Au lieu d'envoyer 100 messages avec une pertinence de 1 %, les spécialistes du marketing devraient commencer à envoyer un seul message avec une pertinence de 100 %. Les premiers utilisateurs montrent que le marketing prédictif Offre une valeur énorme Les spécialistes du marketing feraient mieux de prêter attention à l'analyse prédictive. L'application de l'analyse prédictive est la plus grande opportunité qui change la donne depuis qu'Internet est devenu grand public il y a près de 20 ans, en raison de l'éventail sans précédent d'informations sur les besoins et les comportements des clients qu'elle rend possible. Lorsqu'on a demandé à Bill Gates, lors d'un événement Sequoia Capital en 2013, quelle entreprise il créerait s'il commençait aujourd'hui, il a répondu en deux mots : machine learning. Dans son livre, Data Driven Marketing, Mark Jeffrey, professeur à la Kellogg School of Management, prouve que les entreprises très performantes dépensent beaucoup plus en infrastructure de données que les moins performantes (16 % contre 10 %). Les plus performants ont été définis comme les 25 % les plus performants de l'ensemble de données, mesurés par leur excellence dans la commercialisation d'un panier de Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing les mesures financières, qui ont validé les plus performants, obtiennent en effet de meilleures performances financières. Les entreprises les plus performantes dépensent également davantage en capital client ou en marketing de fidélisation (14 % contre 11 %) et moins en génération de demande (48 % contre 58 %). Il décrit également le succès des premiers utilisateurs de l'analyse prédictive dans ce livre. Par exemple, Earthlink a utilisé l'analyse prédictive pour identifier les clients insatisfaits sur le point de se désabonner. Prendre des mesures proactives pour contacter et fidéliser ces clients a aidé Earthlink à réduire le taux de désabonnement de 30 %. De même, la chaîne de supermarchés Sainsbury Stores a utilisé l'analyse prédictive pour regrouper sa clientèle dans les segments pertinents. L'entreprise a ensuite utilisé ces segments pour remodeler ses magasins et personnaliser l'assortiment de produits dans chaque magasin en fonction de ces données. En conséquence, les revenus ont augmenté de 12 %. Il n'y a pas de limite au nombre de campagnes qu'une entreprise peut développer. Mavi, le détaillant de taille moyenne dont nous avons parlé plus tôt, a développé plus de soixante campagnes individuelles, en utilisant l'analyse prédictive, augmentant progressivement les revenus et la rentabilité. De nouvelles technologies sont disponibles pour fabriquer Marketing prédictif facile Alors pourquoi tous les spécialistes du marketing n'utilisent­ils pas déjà les techniques de marketing prédictif ? Jusqu'à récemment, la technologie nécessaire pour collecter, analyser et agir sur de grandes quantités de données client pour des centaines, des milliers ou des millions de clients était inaccessible à la plupart des spécialistes du marketing. Il était trop coûteux, chronophage et fastidieux d'investir dans la technologie et la main­d'œuvre nécessaires pour collecter et analyser les données client et pour offrir des expériences client sur tous les canaux en fonction de ces informations. Cependant, l'analyse prédictive a récemment mûri au point que des algorithmes et des technologies standard sont disponibles, auxquels les spécialistes du marketing peuvent accéder sans l'aide de scientifiques des données ou d'ingénieurs en logiciel. Dans le chapitre 15, nous discutons en détail des différents outils prêts à l'emploi disponibles pour les spécialistes du marketing aujourd'hui, qui rendent l'utilisation du marketing prédictif nettement moins chère, plus rapide et plus facile. Le marketing prédictif devient plus abordable Les coûts liés au marketing prédictif peuvent inclure l'argent dépensé pour la technologie matérielle et logicielle, ainsi que le temps que les gens consacrent à 17 Machine Translated by Google 18 Une introduction complète au marketing prédictif la collecte de données, l'intégration, le développement et le déploiement de modèles d'analyse prédictive, et le temps nécessaire aux spécialistes du marketing ou aux scientifiques des données pour la maintenance continue de ces modèles et l'utilisation de ces modèles dans les campagnes marketing quotidiennes. Jusqu'à récemment, la seule infrastructure d'entreposage de données pour collecter et stocker les données des clients pouvait vous coûter des centaines de milliers, voire des millions de dollars. Dans son livre sur le marketing basé sur les données, Mark Jeffrey documente qu'un petit détaillant régional avec 10 magasins, 100 000 clients et 1 téraoctet de données client peut avoir besoin de dépenser 50 000 $ à 250 000 $ pour construire une infrastructure d'entreposage de données interne. Ce chiffre passe à 2,5 millions de dollars pour une chaîne de détail de taille moyenne comptant 400 magasins et à 250 millions de dollars pour un grand détaillant national comptant 5 000 magasins. De nos jours, les solutions de marketing prédictif basées sur le cloud sont disponibles pour aussi peu que plusieurs milliers de dollars par mois. Le marketing prédictif est de plus en plus facile à déployer Quelle que soit la solution que vous utilisez (un package standard ou une solution interne), vous devrez collecter et intégrer les données client dans un profil client pour chaque client. Dans une enquête menée fin 2014 auprès de 132 responsables marketing, AgilOne a constaté que 68 % des spécialistes du marketing n'ont pas une vue unique de chaque client. Vous avez probablement déjà beaucoup d'informations sur vos clients, mais ces données peuvent résider dans de nombreux silos différents. La plupart des entreprises ont des bases de données distinctes pour les transactions en ligne, les transactions en magasin et les transactions par téléphone. Le comportement Web a son propre silo, tout comme le comportement des e­mails, le comportement social et les interactions avec les centres de services. Jusqu'à récemment, il fallait des mois ou des années pour réaliser l'intégration des données nécessaire à la création d'un profil client unique et pour lier et dédupliquer toutes les données client. Récemment, des solutions plus automatisées sont apparues qui facilitent grandement l'intégration et le nettoyage des données. Ces solutions utilisent souvent des modèles de données standard qui facilitent et accélèrent la standardisation des données client sur tous les canaux. Historiquement, vous n'aviez pas seulement besoin d'une infrastructure interne ; vous aviez également besoin de spécialistes en intégration de données et de data scientists internes ou externes. Des spécialistes des données étaient nécessaires pour créer des modèles personnalisés afin d'analyser les données des clients, probablement à l'aide d'un outil d'analyse prédictive. Ces modèles devaient également être ajustés et ajustés périodiquement pour continuer à fournir des résultats précis. Les scientifiques des données sont rares et plus de 50 nouveaux programmes d'études supérieures ont vu le jour à travers Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing seuls les États­Unis pour combler le vide. Heureusement, de nos jours, de nombreuses solutions marketing sont fournies avec des modèles intégrés prêts à l'emploi qui ont fait leurs preuves et ont été testés par d'autres entreprises de votre secteur. Certains de ces modèles ont même des capacités d'auto­apprentissage, ce qui signifie qu'ils s'adaptent automatiquement à l'évolution de vos données clients au fil du temps sans nécessiter de maintenance continue de la part d'un data scientist. Le marketing prédictif devient plus accessible aux spécialistes du marketing Même si les données client sont disponibles au sein de l'organisation, elles peuvent ne pas l'être pour vous, le spécialiste du marketing. C'est ce qui est arrivé à Omer Artun, lorsqu'il a rejoint Best Buy en tant que responsable marketing d'une nouvelle division appelée "Best Buy for Business" en décembre 2003 : J'ai rejoint Best Buy depuis Micro Warehouse où j'avais déjà construit un système d'analyse client en temps quasi réel pour suivre et analyser les commandes au quotidien. J'ai été embauché pour faire la même chose pour le nouveau groupe B2B de Best Buy, qui vendait des produits tels que des routeurs, des imprimantes et des ordinateurs aux petites entreprises. Best Buy, comme de nombreuses entreprises, externalisait son informatique à un tiers à l'époque. Si vous vouliez parler de données client avec ce groupe, il vous en coûterait 10 000 dollars rien que pour vous rencontrer. Je suis allé voir les informaticiens et j'ai demandé un vidage de données brutes, rien d'autre, mais je n'ai rien obtenu. Après quelques mois, je n'étais toujours pas en mesure d'obtenir une liste de clients qui avaient acheté chez nous dans le passé. Les données étaient disponibles quelque part, mais pas accessibles pour moi. J'ai combattu la bataille pendant encore neuf mois avant d'abandonner finalement. J'ai lancé une entreprise, AgilOne, pour rendre l'analyse prédictive et les données client accessibles aux spécialistes du marketing peu de temps après. Même l'accès aux données ne générera pas de revenus à moins que les données puissent être utilisées pour offrir des expériences plus pertinentes aux clients. Il peut être difficile d'intégrer et de partager des informations client directement avec le personnel en contact avec le client ou les applications qui envoient ou déclenchent ces types de communications client. Il n'est pas rare qu'une entreprise ait beaucoup de données clients, mais que les spécialistes du marketing ne puissent pas utiliser ces informations pour segmenter les clients au sein de leur logiciel d'email marketing, par exemple, sans une intégration de données compliquée, longue et coûteuse. . Une nouvelle génération de logiciels de marketing devient disponible, où les informations prédictives sont accessibles sous forme de filtres glisser­déposer pour aider 19 Machine Translated by Google 20 Une introduction complète au marketing prédictif segmenter et cibler les clients et inclure du contenu personnalisé ou des recommandations en tant que contenu dynamique dans les e­mails ou les publicités. De quoi avez­vous besoin pour le marketing prédictif ? Les éléments de base d'une initiative de marketing prédictif réussie, résumés dans la figure 1.5, sont : 1. En savoir toujours plus sur vos clients : capturez des données, construisez des profils et unifiez les informations au quotidien. Nous expliquons comment procéder en détail dans le chapitre 3. 2. Analyser les informations client et évaluer les préférences et la rentabilité des clients au niveau micro (individuel/segment) et macro, passé et futur. Le chapitre 2 vous donne un aperçu des différents algorithmes prédictifs que vous pouvez utiliser en tant que marketeur. 3. Tirez parti des informations sur les clients pour personnaliser de manière rentable les expériences sur tous les points de contact avec les clients et pour optimiser le retour sur investissement de votre temps et de votre argent de marketing et de vente. La partie II de ce livre est entièrement consacrée à ces applications pratiques. Pour faire du marketing prédictif, vous devez développer ces trois capacités de collecte et d'intégration des données client, d'analyse des données client et de fourniture d'expériences client pertinentes sur tous les canaux. Vous pouvez acquérir ces capacités de l'une des trois manières suivantes : (1) créez vous­même des modèles prédictifs à l'aide d'un atelier d'analyse prédictive, Figure 1.5 Le processus de marketing prédictif Machine Translated by Google Le Big Data et l'analyse prédictive sont désormais facilement accessibles à tous les spécialistes du marketing (2) sous­traiter l'analyse client et les campagnes de marketing prédictif à un prestataire de services marketing, ou (3) évaluer et acheter une solution de marketing prédictif, telle qu'un cloud de marketing prédictif ou un outil de gestion de campagne multicanal. La première option vous coûtera des millions de dollars et vous obligera à embaucher une équipe interne. Les fournisseurs de services marketing desservent généralement le Fortune 500, et les contrats annuels pour l'intégration complète des données client, l'analyse et la campagne personnalisée commencent probablement à un quart de million de dollars par an. Les solutions cloud de marketing prédictif disponibles au moment où nous écrivons ce livre coûtent environ 50 000 $ par an. Le chapitre 15 fournit plus de détails sur chacune de ces options ainsi que certains critères pour décider quel itinéraire vous convient le mieux. Quoi que vous fassiez après avoir lu ce livre, nous vous recommandons de vous lancer dans le marketing prédictif d'une manière ou d'une autre. Les premiers à adopter le marketing prédictif auront des avantages concurrentiels significatifs, notamment des clients plus fidèles et plus précieux. Les entreprises qui n'adoptent pas le marketing prédictif risquent de prendre du retard. La clé est de commencer petit et d'augmenter vos efforts au fil du temps. Trouvez un gain rapide qui peut offrir un retour sur investissement immédiat. 21 Machine Translated by Google Machine Translated by Google CHAPITRE 2 Une introduction facile à Analyse prédictive pour les spécialistes du marketing Une entreprise de nutrition est en ans. Alors qu'il est une entreprise de naturelle 800 millions de affaires dollars, depuis l'équipe60 marketing est petite et l'entreprise n'a pas d'équipe interne de science des données ni de systèmes pour exploiter les données qu'elle a collectées au fil des ans sur ses clients, dont beaucoup étaient très fidèles. L'entreprise utilise un logiciel de marketing prédictif basé sur le cloud pour organiser, comprendre et utiliser ses données clients avec des résultats significatifs. Le logiciel a découvert que les clients qui effectuent leur premier achat sans aucune promotion d'adhésion gratuite dépensent 76,5 % de plus que les clients qui s'inscrivent avec une offre d'adhésion gratuite. Il a également constaté que les clients qui passaient des commandes d'expédition automatique étaient susceptibles de dépenser trois fois plus au cours de leur vie. L'entreprise a ensuite été en mesure de développer des campagnes intelligentes autour de programmes d'adhésion pour encourager les clients à s'inscrire et à s'inscrire à la livraison automatique lorsque cela était possible. Le logiciel a également trié sa clientèle en grappes ou groupes de clients ayant des intérêts similaires. Ce faisant, il a trouvé un cluster de perte de poids qui était mal desservi et a envoyé des communications personnalisées supplémentaires, ce qui a entraîné une augmentation de 300 % des revenus. C'est devenu cl 23 Machine Translated by Google 24 Une introduction complète au marketing prédictif que les clients ont tendance à effectuer la majorité des achats dans des catégories nutritionnelles spécifiques et migrent rarement d'une catégorie à l'autre, ce qui a incité une initiative visant à concentrer les communications sur chaque cluster autour des produits les plus complémentaires pour chaque cluster. Enfin, le logiciel est venu avec un certain nombre de campagnes à gain rapide, déclenchées par des comportements spécifiques des clients tels que les paniers abandonnés et les programmes de réapprovisionnement, qui ont entraîné respectivement 28 % de conversions Web supplémentaires et 22 % de nouvelles commandes à partir de rappels par e­mail. L'histoire de l'entreprise de nutrition illustre comment les spécialistes du marketing de tous les jours peuvent désormais utiliser des méthodes de marketing prédictif sans jamais embaucher un seul data scientist. L'entreprise possède ses propres données clients, mais s'appuie sur un logiciel basé sur le cloud pour les algorithmes prédictifs, la segmentation avancée et les modèles de campagne de cycle de vie. Même s'ils n'ont pas de data scientists en interne ou ne développent pas d'algorithmes en interne, de nombreux spécialistes du marketing sont curieux de savoir ce qui se passe « sous le capot » de ces logiciels de marketing prédictif. Ce chapitre est écrit pour ces spécialistes du marketing. Ce chapitre vise à vous donner une introduction simple à l'analyse prédictive afin que vous compreniez comment fonctionne un logiciel de marketing prédictif. Pensez­y de cette façon : pour utiliser un traitement de texte, vous n'avez pas besoin d'apprendre à programmer un ordinateur. Cependant, au début des ordinateurs personnels, les gens suivaient de toute façon des cours de programmation de base avant d'utiliser un traitement de texte "au cas où". De même, ce chapitre vise à vous apprendre les bases des algorithmes d'analyse prédictive. J'espère que cela vous donnera plus de confiance en utilisant ses sorties. Vous pouvez ignorer ce chapitre en toute sécurité et passer à la deuxième partie de ce livre. La connaissance de l'analyse prédictive n'est pas nécessaire pour pratiquer le marketing prédictif. Qu'est­ce que l'analyse prédictive ? Les modèles prédictifs sont utilisés dans de nombreux domaines des affaires et de la vie quotidienne, notamment la politique, la détection des fraudes ou la modélisation des risques, comme lors du calcul de votre pointage de crédit. Aux fins du marketing, nous cherchons à utiliser des mathématiques avancées afin de prédire le comportement des clients individuels et de regrouper les clients de la manière la plus exploitable et la plus significative. Par exemple, en utilisant l'analyse prédictive, vous pouvez prédire si et quand un client envisage d'effectuer un prochain achat. Vous pourriez également être en mesure de détecter des groupes distincts d'acheteurs dans vos données clients, tels que les clients qui n'achètent jamais qu'à prix réduits (appelés accros des remises) ou Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing les clients qui achètent beaucoup mais retournent la plupart des articles qu'ils achètent ­ les holiques du retour. Enfin, en utilisant l'analyse prédictive, vous pouvez prédire quel produit spécifique un client pourrait acheter ensuite et recommander ces produits à vos clients de manière proactive. Il existe trois types d'analyses prédictives que les spécialistes du marketing doivent connaître : 1. Apprentissage non supervisé (tel que les modèles de clustering) : l'apprentissage non supervisé trouve des modèles cachés dans les données, sans essayer explicitement d'estimer ou de prédire un résultat. Par exemple, trouver des clients similaires au sein d'un grand groupe de clients, tels que ceux qui aiment la course à pied plutôt que le ski, sans savoir explicitement quels groupes existent ou qui en fait partie. Des algorithmes non supervisés tels que le clustering sont donc généralement utilisés pour dévoiler la véritable segmentation sous­jacente de vos données. 2. Apprentissage supervisé (tel que les modèles de propension ou les prédictions) : l'apprentissage supervisé est utilisé pour estimer une sortie compte tenu d'une entrée, en l'entraînant avec des entrées d'échantillon et une cible. Un exemple consiste à estimer la valeur à vie d'un client, la probabilité qu'un client interagisse avec votre marque ou un produit spécifique qu'un client pourrait vouloir acheter ensuite. 3. Apprentissage par renforcement (plus couramment utilisé pour les recommandations) : l'apprentissage par renforcement nous permet de tirer parti des modèles cachés et des similitudes dans les données pour prédire avec précision les meilleures prochaines étapes, résultats, produits ou contenus pour l'utilisateur ou un événement donné. Contrairement à l'apprentissage supervisé, les algorithmes d'apprentissage par renforcement ne reçoivent pas d'échantillon d'entrée/sortie d'entraînement, mais apprennent à partir d'un schéma d'apprentissage basé sur des essais et des erreurs. Apprentissage non supervisé : modèles de clustering L'apprentissage non supervisé consiste à reconnaître des modèles dans les données sans savoir à l'avance ce que vous recherchez ou sans utiliser d'étiquettes explicites. L'une des approches est appelée clustering. Par exemple, en examinant le comportement d'achat des clients, il pourrait y avoir un groupe de personnes qui n'achètent généralement que lorsqu'elles bénéficient d'une remise. Ce groupe de clients pourrait être détecté sans imposer de modèle ou d'hypothèse spécifique ou de connaissance des données à l'avance, mais plutôt le modèle de ce groupe émergerait en essayant de regrouper les clients les plus « similaires sur le plan du comportement ». 25 Machine Translated by Google 26 Une introduction complète au marketing prédictif La différence entre regroupement et segmentation Si la segmentation est le processus consistant à placer manuellement les clients dans des groupes en fonction des similitudes, le regroupement est le processus automatisé/ statistiquement rigoureux consistant à rechercher des similitudes chez les clients afin qu'ils puissent être regroupés. Lorsque vous segmentez, vous savez à l'avance qui cibler ; lorsque vous vous regroupez, vous découvrez qui cibler. Le clustering est une méthode permettant de découvrir automatiquement des segments de votre clientèle en utilisant des facteurs déjà connus concernant vos clients. Les algorithmes de clustering, tels que les k­ means et les algorithmes apriori, peuvent analyser des centaines d'attributs client et d'interactions client précédentes pour révéler des informations sur les comportements des clients et les forces à l'origine de ces comportements. Ceci est différent de la segmentation de la clientèle en ce sens que la plupart des segmentations utilisent un ou deux facteurs, tels que l'âge ou le revenu de manière non statistique pour regrouper les clients. De plus, comme l'a dit le statisticien suédois Hans Rosling, "le problème n'est pas l'ignorance, ce sont les idées préconçues". Par exemple, si je vends une robe de cocktail chère, je souhaite la commercialiser auprès des personnes les plus susceptibles d'acheter la robe. Je définis donc d'abord les limites du groupe cible : les femmes ayant des revenus annuels supérieurs à 100 000 $. Identifier et regrouper les clients qui sont des femmes et ont un revenu élevé est le processus de segmentation. Je suppose que les personnes en dehors de ce segment ne voudraient probablement pas d'une robe à 1 000 $. Je n'ai peut­être pas d'informations sur le revenu du ménage, mais je peux probablement estimer le revenu en regardant le code postal d'un client. Le regroupement vous aidera à découvrir quelles femmes pourraient être les plus susceptibles d'acheter votre nouvelle robe de cocktail. Les algorithmes de clustering examinent bien plus de dimensions que le simple code postal. Après avoir examiné de nombreuses variables, telles que l'âge, le lieu, l'heure de l'achat, les achats d'articles similaires, etc., un algorithme de regroupement regroupe automatiquement les clients ayant un comportement similaire. Par exemple, vous pourriez découvrir que ce sont les femmes d'un certain âge qui achètent dans les deux premiers mois de l'année, qui sont les plus susceptibles d'acheter une robe haut de gamme (y compris une robe de cocktail) et que le revenu du ménage a très peu ou rien à voir avec ça. C'est cette découverte automatique des attributs des clients qui compte, et le regroupement de clients avec des attributs similaires que nous appelons le regroupement. La figure 2.1 illustre visuellement le principe du regroupement. Dans cet exemple, nous n'avons examiné que trois dimensions : le revenu, l'âge et le moment de l'achat. Dans la vraie vie, la puissance des algorithmes est que des centaines Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing Figure 2.1 Le principe de regroupement des attributs des clients peuvent être analysés automatiquement, jusqu'à ce que les algorithmes trouvent les attributs qui sont significatifs pour distinguer des groupes distincts au sein de la clientèle. Les spécialistes du marketing disposent désormais de centaines de caractéristiques qu'ils peuvent examiner, telles que la préférence de marque, la préférence de remise, le temps passé sur le site, le comportement de navigation, la durée de l'appel. Il n'est tout simplement pas possible pour une personne de parcourir des centaines de types de données pour trouver les relations entre chaque variable, mais pour les puissants ordinateurs et algorithmes logiciels d'aujourd'hui, c'est un jeu d'enfant. Habituellement, environ 8 à 15 attributs décrivent ensemble un cluster de clients. Vous pourriez considérer cela comme un personnage découvert automatiquement, que vous pouvez maintenant commencer à commercialiser. Vous constaterez peut­être que vous avez un groupe de clients statistiquement significatif, toutes des jeunes femmes, qui achètent chaque année comme sur des roulettes en février, et n'achèteront que des robes de créateurs en vente à ce moment­là, sur Internet. Il peut y avoir un autre groupe de femmes plus âgées qui n'achètent que chez vous dans le magasin, toujours au prix fort, environ tous les deux mois, mais n'allez jamais pour les robes de cocktail, seulement pour les vêtements décontractés. Vous obtenez l'image. Les méthodes traditionnelles reposent souvent sur l'intuition humaine et les conjectures. Le clustering, quant à lui, utilise ce que l'on appelle des algorithmes d' apprentissage automatique pour créer des segments de clientèle. Cela permet aux ordinateurs d'étudier rapidement des quantités massives d'exemples passés, puis d'apprendre de la 27 Machine Translated by Google 28 Une introduction complète au marketing prédictif des données précédemment collectées pour distinguer un groupe de clients d'un autre, trouver des corrélations qu'une personne n'aurait peut­être pas recherchées et conduire à des résultats surprenants que les spécialistes du marketing n'auraient peut­être pas découverts. Par exemple, disons que vous êtes un détaillant en ligne de fast fashion. Il est difficile de faire des recommandations de produits spécifiques car votre inventaire change très rapidement. Vous pouvez cependant regrouper vos clients autour de types de produits afin de découvrir des personnalités d'achat distinctes. Vous découvrirez peut­être que certains types de produits sont souvent achetés ensemble et que certains clients sont des acheteurs d'une seule catégorie, tandis que d'autres ont tendance à magasiner dans plusieurs catégories. Plus précisément, vous découvrirez peut­être que certaines personnes qui achètent des vêtements de sport ont également tendance à acheter des lunettes de soleil, tandis qu'un autre groupe de clients achète des lunettes de soleil avec des vêtements de plage. En utilisant d'autres attributs de client, tels que l'emplacement, le sexe et le moment de l'achat, vous pouvez distinguer ces deux groupes et les commercialiser en conséquence. Un groupe pourrait être constitué de femmes qui se préparent pour les vacances, tandis que l'autre se compose de coureurs passionnés, hommes et femmes. Les deux segments sont mieux traités en utilisant différentes stratégies de marketing créatif et de contenu, mais si vous ne regardez que l'achat de lunettes de soleil, vous risquez de manquer les nuances. Nous apprendrons comment utiliser les clusters dans les campagnes marketing au chapitre 6. Apprentissage supervisé : modèles de propension Les modèles de propension, également appelés modèles de vraisemblance, sont ce à quoi la plupart des gens pensent lorsqu'ils entendent le terme d'analyse prédictive. En termes mathématiques, ces modèles utilisent des algorithmes tels que les réseaux de neurones, la régression logistique, la forêt aléatoire et les arbres de régression. Les noms de ces algorithmes importent peu aux marketeurs. Ce qu'il est important de savoir, c'est que les modèles de propension font de véritables prédictions sur le comportement futur d'un client en apprenant à partir d'exemples du passé. Les exemples incluent la probabilité qu'un client achète un produit ou la probabilité qu'un prospect interagisse avec un site Web. Les modèles de propension sont largement utilisés dans le publipostage et sont souvent appelés modèles de réponse, car ces modèles prédisent la réponse d'un client, par exemple acheter ou ne pas acheter, à la suite de la réception d'un publipostage. Les modèles de propension sont des modèles d'apprentissage guidé, ce qui signifie qu'il faut un certain temps pour former les données et que les modèles Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing s'améliore avec le temps. Lorsque le modèle observe le résultat réel de la prédiction, tel que le client a­t­il acheté ou non, le modèle peut alors ajuster son algorithme et devenir plus précis au fil du temps. Par conséquent, la plupart des modèles de propension nécessitent une courte période de formation et une période de test avant de se fier entièrement aux prédictions. Vous pouvez accélérer la période d'entraînement en fournissant un ensemble de données historiques en tant qu'ensemble de données d'entraînement. La figure 2.2 montre comment vous avez besoin d'une période d'entraînement et de test ou de données historiques pour commencer à faire votre première prédiction à l'aide de modèles de propension. Comment utiliser les déciles de propension Les déciles sont un terme clé en matière de modèles de propension . Au lieu d'utiliser les scores des clients individuels, la plupart des praticiens regroupent les clients en déciles, les 10 % supérieurs, les 10 % suivants et jusqu'aux 10 % inférieurs. Par exemple, pour prédire combien d'argent un client dépenserait tout au long de sa vie, nous utiliserions ce qu'on appelle un modèle de valeur à vie prédite. Les 10 % de clients les plus performants ici peuvent avoir une valeur à vie moyenne prévue de 1 000 $, tandis que la valeur à vie moyenne prévue pour les 10 % les plus bas n'est que de 5 $. L'approche décile est utile de deux manières. Tout d'abord, il fournit la valeur moyenne du comportement attendu, comme la valeur à vie ou les dépenses. Deuxièmement, il fournit essentiellement un classement de vos clients du plus précieux au moins précieux, ou du plus susceptible d'acheter au moins susceptible d'acheter, en 10 tranches égales. Vous pouvez utiliser ces informations de plusieurs façons, par exemple pour décider à qui envoyer un catalogue coûteux Figure 2.2 Modèles de propension à la formation 29 Machine Translated by Google 30 Une introduction complète au marketing prédictif ou pour concevoir des tests de portance a/b. Les catalogues ne seraient envoyés qu'aux clients du premier ou des deux déciles supérieurs ou vous pouvez tester l'impact de l'envoi de catalogues à chaque décile et déterminer l'efficacité et l'efficacité. Ou vous pouvez utiliser ce modèle pour décider qui inviter au prochain défilé de mode de votre nouvelle ligne de baskets. Il est plus avantageux d'avoir des clients qui achèteront effectivement quelque chose après le salon. De même, vous pouvez choisir différentes stratégies pour quelque chose d'aussi simple qu'une campagne de navigation abandonnée : les prospects qui ont visité votre site Web mais n'ont pas converti sont une opportunité manquée importante et de nombreuses solutions de reciblage sont disponibles pour suivre ces non­acheteurs sur le Web. Et si vous pouviez différencier l'offre que vous proposez à ces clients en fonction de leur probabilité d'achat ? Pour les personnes ayant une très forte probabilité d'acheter, un simple rappel peut suffire à les amener à ouvrir leur portefeuille, tandis que pour les personnes ayant une très faible probabilité d'acheter, vous pouvez leur proposer une remise ou la livraison gratuite. La figure 2.3 vous montre la réponse prévue des clients à une campagne de publipostage. Ce modèle prédit essentiellement que les 10 % de clients les plus performants, ou le premier décile, représenteront 52 % de toutes les réponses au publipostage. Sur cette base, vous pourriez décider de n'envoyer ce catalogue qu'à ce décile supérieur. Si vous visez un certain nombre de réponses, disons 70 %, vous devrez peut­être l'envoyer aux deux déciles supérieurs ou vous pourriez envisager de l'envoyer aux déciles deux et trois parce que Figure 2.3 Exemple de modèle de réponse par publipostage Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing 31 le décile un est susceptible d'acheter de toute façon, alors que les déciles deux et trois pourraient avoir besoin du catalogue pour les inciter à faire un achat. Ou si vous avez un nombre limité de catalogues ou un budget limité, vous pouvez désormais orienter ces catalogues vers les clients les plus susceptibles de répondre. L'autre façon d'utiliser le modèle consiste à créer des tests a/b dans chaque décile pour mesurer l'amélioration afin de voir quel décile peut justifier le coût des catalogues supplémentaires avec des bénéfices supplémentaires. Ce type de modèle peut être utilisé pour prédire le comportement futur des prospects ou des clients. Par exemple, à partir du moment où j'achète mon premier sac à main Gucci, le fabricant de luxe peut prédire avec une grande précision combien de sacs à main j'achèterai à l'avenir. Je n'ai peut­être pas l'intention d'acheter à nouveau chez Gucci, mais la marque sait mieux. Ironiquement, en comparant mes achats, mes visites sur le site Web et mes clics sur mes e­ mails, ainsi que mon âge, mon sexe et ma localisation, au comportement et à la démographie de milliers d'autres clients qui m'ont précédé, les algorithmes de Gucci peuvent mieux prédire mes futurs achats. que je ne peux moi­même. Comparaison des modèles de propension et de la modélisation RFM Avant que l'analyse prédictive ne devienne largement disponible, la norme de l'industrie pour identifier qui est susceptible d'acheter chez vous était un modèle appelé RFM (récence, fréquence, valeur monétaire). Cependant, il a une utilité limitée et peut être étonnamment difficile à utiliser dans la vie réelle. De plus, même si le RFM est souvent classé comme un modèle prédictif, il ne s'agit que d'une simple approche heuristique (utilisant une règle empirique, une estimation éclairée) sans fondement statistique ni prédictif. L'idée est que si un client vous a acheté récemment, fréquemment ou a dépensé beaucoup d'argent avec vous, il est susceptible de vous acheter à nouveau. Il n'y a certainement aucun argument sur le fait que "combien de jours s'est­il écoulé depuis que le client a acheté chez nous pour la dernière fois ?" (récence), "combien de fois un client a­t­il acheté chez nous ?" (fréquence) et "combien de revenus le client a­t­il généré pour nous ?" (valeur monétaire) sont toutes d'excellentes variables pour essayer de prédire si le client reviendra faire un autre achat. Cependant, cette technique a des limites. D'une part, cela restreint considérablement la manière dont les entreprises utilisent leurs propres données. Il y a tellement d'autres variables qui peuvent être dérivées des données qui peuvent servir d'excellents prédicteurs supplémentaires. Aussi, le vieil adage, "les résultats passés ne sont pas une garantie pour l'avenir Machine Translated by Google 32 Une introduction complète au marketing prédictif performance », vaut également pour la modélisation RFM. RFM regarde exclusivement vers le passé, plutôt que de comparer le comportement actuel des clients au comportement futur des autres qui les ont précédés. En utilisant RFM, vous ne pourrez pas reconnaître les clients de grande valeur avant qu'ils n'aient acheté chez vous. Vous pouvez également ignorer les anciens clients de grande valeur qui ont fait défection vers la concurrence. Prenons un exemple : il peut y avoir un schéma dans lequel les clients achètent plusieurs fois, puis disparaissent. La seule façon de le savoir est de comparer le comportement des clients à d'autres clients comme eux pour faire des prédictions sur le comportement futur. Si la plupart des clients achètent trois fois puis disparaissent, alors la probabilité qu'un client achète après trois fois est en fait très faible, alors que le modèle RFM placerait ce client dans un segment "fortement susceptible d'acheter". Ainsi, les bons clients réactifs pourraient se retrouver dans des segments moins précieux et être ignorés pour les envois promotionnels. L'inverse peut également se produire : des clients moins bons peuvent se retrouver dans des segments intéressants. Un modèle de réponse qui classe les clients en fonction de leur valeur par opposition à la valeur de leur segment peut résoudre ce problème. De plus, les modèles RFM ne peuvent faire que des prédictions sur la probabilité d'acheter dans un environnement où les achats sont fréquents, comme le commerce de détail. Les modèles RFM ne font rien pour prédire la valeur à vie d'un client, la probabilité qu'un client se désabonne d'un service, tel qu'un service d'abonnement ou votre liste de diffusion, ou la probabilité qu'un navigateur Web (non acheteur) se convertisse en premier acheteur. Les modèles d'apprentissage supervisé peuvent être utilisés pour faire des prédictions sur tous ces comportements des clients et plus encore. Dans de nombreux tests de comparaison, où les 50 % des meilleurs clients sont sélectionnés avec RFM et des modèles de propension, les modèles de propension sont en moyenne 40 % plus précis que RFM. Cela se traduit dans de nombreux cas par 20 à 25 % de coûts promotionnels en moins. Ironiquement, les modèles de propension ne sont pas seulement plus précis, ils sont également beaucoup plus faciles à utiliser pour le marketing de tous les jours. Plutôt que d'avoir à choisir quelle combinaison de centaines de combinaisons possibles de récence, de fréquence et de valeur monétaire utiliser pour une campagne, vous pouvez simplement décider lequel des dix déciles de propension inclure. Avec l'analyse prédictive, les spécialistes du marketing reçoivent une liste qui classe automatiquement le client du plus susceptible d'acheter au client le moins susceptible d'acheter. Nous revenons sur certains modèles spécifiques d'apprentissage supervisé et sur la façon dont vous pouvez les utiliser dans les chapitres 7 et 8. Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing Apprentissage par renforcement et Filtrage collaboratif L'apprentissage par renforcement est généralement utilisé en combinaison avec des modèles de filtrage collaboratifs. L'application marketing courante des modèles de filtrage collaboratif est la recommandation. D'un point de vue technique vue, les modèles de recommandation utilisent les dernières technologies d'apprentissage automatique théories dans le domaine du filtrage collaboratif, des réseaux bayésiens et des ensembles d'items fréquents. Les fonctions de décroissance temporelle sont utilisées pour prendre en fait que le comportement récent a plus de poids prédictif que le comportement plus ancien. Enfin, l'apprentissage par renforcement est appliqué pour "éduquer" le modèle à la préférences du client. Encore une fois, nous mentionnons simplement ces noms au cas où vous envie d'approfondir. Les modèles de filtrage collaboratif peuvent recommander des produits, du contenu, ou à peu près n'importe quoi d'autre. Ces modèles de recommandation ont été réalisés célèbre par Amazon avec leurs "clients qui ont aimé ce produit, aussi aimé… » suggestions. Les modèles de recommandation sont un moyen fantastique de augmentez la valeur et fidélisez vos clients en suggérant des produits ou du contenu pertinents qui les intéresseront. Suggérer des produits pertinents générera directement des revenus, tandis que suggérer un contenu pertinent augmenter l'engagement avec votre marque et créer indirectement plus clients satisfaits et fidèles. Il est important de proposer des recommandations adaptées au contexte de l'endroit où ils sont présentés aux clients. Les recommandations mauvaises ou hors contexte seront considérées comme « effrayantes », « intrusives » ou « non pertinentes ». Les recommandations doivent arriver au bon moment : par exemple, tout comme vous êtes sur le point de consulter votre panier d'achat en ligne, cela a du sens pour recevoir une recommandation de type « clients qui ont acheté ceci, ont également ajouté… ». Peut­être deux jours après, il convient de recevoir un remerciement e­mail suggérant des achats de suivi utiles. Ceux qui ont acheté un bois grill pourrait maintenant être recommandé un livre de cuisine ou des copeaux de bois de recharge. Il est mieux aussi d'exposer ce contexte au consommateur. Le plus transparent vous êtes, plus les consommateurs accepteront et agiront sur vos recommandations. Les entreprises qui utilisent avec succès les recommandations sont désormais commencent à donner des explications sur leurs recommandations pour supprimer le caractère intrusif. Vous verrez Amazon utiliser des mots tels que "parce que vous regardé ce produit, vous pourriez également être intéressé par ces produits », ou "les personnes qui ont acheté ce produit, l'ont acheté avec cet autre produit." Ces marques commencent également à donner aux consommateurs le contrôle sur 33 Machine Translated by Google 34 Une introduction complète au marketing prédictif quels produits sont recommandés. Vous pouvez accéder à un centre de préférences et exclure certains éléments de la prise en compte des algorithmes de recommandation. Si vous avez déjà travaillé avec des recommandations, vous savez que de nombreux détails comptent pour les algorithmes de recommandation. Premièrement, pour rester pertinentes, les recommandations sont idéalement rafraîchies en temps réel, et les modèles sous­jacents sont rafraîchis quotidiennement pour chaque client afin de prendre en compte le comportement récent d'un client mais également le changement de comportement d'autres personnes similaires. De plus, vous voulez vous assurer que le modèle ne recommande pas de produits en rupture de stock ou de produits ayant un taux de retour élevé ou de mauvaises critiques. Certains détaillants ne recommandent pas les articles en solde mais optez pour des articles à marge plus élevée. Un bon modèle de recommandation permet également aux spécialistes du marketing de saisir manuellement des règles de marchandisage qui modifient l'algorithme. Différents types de modèles de recommandation Il existe trois bons cas d'utilisation pour les modèles de recommandation : les recommandations de vente incitative, les recommandations de vente suivante et les recommandations de vente croisée. Chacun d'entre eux a une place différente dans l'arsenal d'un commerçant. De plus, des recommandations peuvent être faites pour des « produits qui sont généralement achetés ensemble » ou peuvent être faites spécifiquement à une personne en fonction de son comportement passé. Commençons par expliquer la différence entre ces deux. Produits généralement achetés ensemble Les produits généralement achetés ensemble ne sont pas spécifiques à un client. Dans notre entreprise, nous appelons parfois ces recommandations de produit à produit , bien que ce ne soit pas un terme courant dans l'industrie. Il s'agit du type de recommandations qui sont affichées sur une page de produit et qui recommanderont d'autres produits pertinents à tous les visiteurs de cette page de produit. Les produits généralement achetés ensemble sont appelés recommandations produit à produit. Ils répondent à la question : "Les clients qui ont acheté ce produit ont généralement acheté quels autres produits ?" Dans ce scénario, deux personnes parcourant le même produit recevront les mêmes recommandations. Dans la figure 2.4, deux personnes parcourant le premier ensemble de bikini recevront une recommandation pour un autre bikini, un maillot de bain et un sac fourre­tout. Ces types de recommandations générales sont particulièrement pertinentes lorsque vous ne savez pas Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing Figure 2.4 Produits généralement achetés ensemble beaucoup sur un client spécifique, comme un premier navigateur anonyme qui visite votre site Web. Recommandations spécifiques à l'utilisateur Si vous disposez de plus d'informations sur un utilisateur spécifique, vous pouvez aller plus loin que les recommandations génériques. Disons que vous savez que la personne qui regarde cet ensemble de bikini est un homme et que c'est la première fois qu'il regarde un maillot de bain. Normalement, il navigue et achète des appareils électroniques sur votre site Web. Pendant qu'il navigue, probablement pour un cadeau ou quelque chose, il pourrait être approprié de recommander d'autres hauts de bikini. Cependant, lorsque vous envoyez au client un e­mail de remerciement deux jours après son achat avec des recommandations sur ce qu'il doit acheter ensuite, vous feriez mieux de faire des recommandations spécifiques à cette personne qui prennent en compte l'intégralité de l'historique, et pas seulement la session de navigation la plus récente. Ce sont des recommandations de produits spécifiques à un client donné. Dans notre entreprise, nous appelons parfois ces types de recommandations des recommandations de type produit à utilisateur . Vous pouvez remplacer « produit » par « contenu » ou « personne » ou tout ce que vous essayez de recommander. Dans ce cas, deux utilisateurs regardant le même produit sur votre site recevraient des recommandations totalement différentes. Les recommandations spécifiques à l'utilisateur ne se limitent pas aux biens physiques. Vous pouvez remplacer le mot "produit" par "contenu" ou "événement". 35 Machine Translated by Google 36 Une introduction complète au marketing prédictif Par exemple, Shazam enregistre les goûts musicaux des consommateurs lorsque vous taguez (Shazam) les chansons que vous aimez. En fonction de vos goûts personnels, Shazam vous recommandera des concerts qui vous intéressent, mais uniquement si les concerts ont effectivement lieu dans votre zone géographique. Pour que ces recommandations réussissent, Shazam doit connaître non seulement les goûts de ses clients, mais également leurs emplacements physiques. Le processus d'analyse prédictive Passons en revue les différentes étapes qu'un data scientist ou un logiciel d'analyse doit suivre pour faire des prédictions ou des recommandations précises. La plupart de ce que nous décrivons ici se passe sous le capot et les spécialistes du marketing n'ont pas à s'inquiéter de tout cela. La figure 2.5 donne un aperçu de ce qui se passe sous le capot, qu'il s'agisse d'un logiciel d'analyse prédictive prêt à l'emploi ou des étapes que vos data scientists internes devront suivre si vous créez vos propres modèles d'analyse prédictive. Nous ne voulons pas vous effrayer en étant très précis sur certaines de ces étapes dans ce chapitre. Cependant, nous voulons que vous réalisiez que la voie à faire soi­même vers le marketing prédictif nécessite des scientifiques des données hautement qualifiés. Le développement et le déploiement d'algorithmes prédictifs pour le marketing impliquent beaucoup de choses, et si vous débutez et que vous souhaitez nos conseils, nous vous recommandons fortement d'utiliser un progiciel prêt à l'emploi adapté à votre secteur pour prendre en charge les étapes. automatiquement décrit dans ce chapitre. Lorsque vous épuisez les modèles prêts à l'emploi et que vous avez le budget et le besoin d'un data scientist, vous pouvez facilement évaluer l'équation coûts­ avantages avec le Figure 2.5 Présentation du processus d'analyse prédictive Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing l'expérience que vous avez acquise (et il vous sera plus facile de convaincre le directeur financier de faire l'investissement supplémentaire). Collecte, nettoyage et préparation des données Le nettoyage et la préparation des données constituent l'étape la plus importante et la plus ignorée de l'analyse prédictive. Dans certains cas, les données peuvent être manquantes ou incorrectes telles qu'elles ont été collectées. Le nettoyage des données est utilisé pour corriger des choses comme les noms et les adresses pour s'assurer que l'ordinateur saura qu'un client vit en Californie lorsque son état est répertorié comme CA. Nous discutons en détail du processus de collecte des données client et de leur mise en relation pour former des profils clients individuels au chapitre 3. Cependant, même après avoir créé 360 profils clients, il reste encore beaucoup à faire pour préparer vos données à l'analyse. Toutes les données collectées ne sont pas immédiatement utilisables et les résultats peuvent être faussés par des données manquantes ou des valeurs aberrantes, des mesures de données trop faibles, trop élevées ou ne correspondant pas au système de génération de données sous­jacent. Si vous envisagez de créer vos propres capacités d'analyse prédictive, assurez­vous d'indiquer qui se chargera de la collecte, de l'intégration, du nettoyage et de la préparation des données. Il y a de fortes chances que votre scientifique de données typique ne soit pas satisfait de faire ce travail et s'attendra à ce que vous embauchiez un logiciel ou un ingénieur d'intégration distinct pour faire ce travail. Détection des valeurs aberrantes La détection des valeurs aberrantes fait souvent une grande différence dans la précision des modèles prédictifs. Par exemple, si un client d'un détaillant d'électronique entre et achète 50 téléviseurs pour 50 000 $ alors que le client moyen du détaillant dépense 500 $, ce gros dépensier faussera la mesure de la valeur moyenne des commandes. Dans la vente au détail de produits électroniques, ces types de valeurs aberrantes où peu d'utilisateurs effectuent des achats importants sont en effet assez courants. Les personnes qui font des achats aussi importants pourraient être des intermédiaires qui achètent des articles comme des téléviseurs à emporter hors du pays et à revendre. Ce ne sont pas des clients consommateurs normaux, mais plutôt des revendeurs du marché gris. Si cette situation n'était pas reconnue et corrigée, le détaillant penserait qu'il s'agit d'excellents clients VIP. Ne pas reconnaître cela crée deux problèmes : déformer la définition des clients VIP afin que les vrais clients VIP soient exclus et masquer une opportunité de commercialiser auprès de ce groupe de revendeurs de manière plus rentable. 37 Machine Translated by Google 38 Une introduction complète au marketing prédictif Pour corriger la valeur aberrante, votre analyste de données ou votre logiciel de marketing prédictif devra détecter et supprimer la valeur aberrante ou la remplacer par un chiffre situé à l'extrémité supérieure de la distribution (par exemple, la dépense la plus faible des 10 % des clients les plus performants est de 2 400 $, alors remplacez les 50 000 $ par 2 400 $). Ce remplacement n'est effectué qu'à des fins de modélisation. Vous pouvez également traiter ces clients comme un groupe distinct et créer des programmes spécialisés pour ce segment. Dans un autre exemple, un détaillant mesurait le trafic piétonnier dans chaque magasin, mais perdait des données pendant certains jours chaque fois que l'appareil de mesure était renversé par l'équipe de nettoyage. Pour corriger les données manquantes, le détaillant a appliqué une imputation basée sur la moyenne sur trois semaines pour les mêmes jours de la semaine que les jours manquants. L'imputation est l'art et la science de remplacer les informations erronées ou manquantes. Selon les éléments de données spécifiques, il existe différentes techniques pour cela : • Remplacer par des moyennes statiques ou temporelles. • Modélisez les données en fonction des autres variables disponibles. Par exemple, vous pouvez modéliser l'âge d'une cliente d'un magasin de vitamines selon qu'elle achète ou non des vitamines destinées aux femmes de plus de 50 ans. • Sélection aléatoire à partir de la distribution sous­jacente. Par exemple, si les données de trafic piétonnier sont manquantes et que ces données suivent généralement une courbe en cloche, générez de manière aléatoire un nombre à partir de la distribution sous­jacente. L'imputation est un excellent moyen de compenser les données manquantes jusqu'à ce que le problème soit corrigé à la source. Un autre exemple d'imputation consiste à demander aux clients leur jour de naissance. Il s'agit d'une excellente information à des fins de modélisation et d'action, mais tous les clients ne souhaitent pas fournir cette information. Dans de tels cas, le modèle prédictif éliminerait l'anniversaire comme entrée ou éliminerait les clients sans anniversaire. Génération et extraction de fonctionnalités Une fois que votre spécialiste des données ou votre logiciel de marketing prédictif a nettoyé les données des informations manquantes et des valeurs aberrantes, il y a deux autres facteurs à prendre en compte : (1) les données peuvent être trop volumineuses pour être utilisées telles quelles, ou (2) les données dans leur représentation actuelle peuvent ne convient pas aux modèles. La génération et l'extraction de fonctionnalités traitent de la transformation des données en informations que le Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing les modèles peuvent digérer et rejeter les informations inutiles ou redondantes. Considérez la génération et l'extraction de caractéristiques comme séparant le signal du bruit. L'extraction de caractéristiques consiste à supprimer les informations inutiles en les jetant ou en les transformant pour éliminer le bruit. Il existe de nombreuses méthodes mathématiques à utiliser, mais la brève explication consiste à utiliser des algorithmes pour pouvoir extraire le maximum d'informations des données, indépendamment de l'utilisation que vous en ferez plus tard. Cette extraction optimale conduit à des données moins bruyantes, augmentant ainsi la précision de l'analyse prédictive. Il existe des astuces que vous pouvez utiliser pour rendre vos données plus faciles à utiliser. Par exemple, lorsque vous essayez d'analyser le nombre de commandes d'un client, vous pouvez regarder les nombres en termes absolus ou vous pouvez prendre le logarithme du nombre, en créant une nouvelle variable où si un client a 1 commande ou 10 commandes, c'est la même différence entre avoir 10 commandes et 100 commandes. C'est une simple transformation qui peut avoir un impact puissant. Un autre exemple pourrait être de prendre le rapport de certaines variables au lieu d'utiliser des nombres absolus. Par exemple, au lieu des revenus des retours et des revenus expédiés par client, vous pouvez calculer le ratio ou le pourcentage des revenus générés par les retours. Classificateur et conception de système La prochaine étape du processus utilisé par les scientifiques des données ou les logiciels de marketing prédictif consiste à choisir, concevoir et affiner l'algorithme approprié. Dans l'apprentissage automatique, il y a deux concepts importants qui doivent être compris. L'un est le théorème de l' absence de repas gratuits , qui stipule qu'il n'existe pas d'algorithme intrinsèquement meilleur pour tous les problèmes. Ceci est important à comprendre afin que le scientifique des données choisisse le bon algorithme pour le bon problème, et n'utilise pas le même algorithme pour chaque problème. L'autre concept s'appelle le dilemme biais­variance, qui stipule que si vous approfondissez le développement d'une approche et d'un algorithme pour résoudre un problème spécifique, le système qui est biaisé vers ce problème spécifique obtient de moins en moins de performances dans la résolution de "l'autre" problèmes là­bas. La leçon apprise ici est de comprendre qu'aucun algorithme n'est intrinsèquement meilleur que l'autre. Si vous développez vos propres algorithmes, cela signifie que vous devrez probablement développer plusieurs algorithmes pour plusieurs situations. Si vous achetez un logiciel de marketing prédictif standard, vous souhaitez 39 Machine Translated by Google 40 Une introduction complète au marketing prédictif Assurez­vous de choisir un fournisseur qui se concentre sur vos problèmes verticaux et commerciaux spécifiques, et/ou de choisir un fournisseur qui dispose d'algorithmes d'auto­ apprentissage qui peuvent s'adapter automatiquement à votre situation spécifique. Les solutions logicielles correctement architecturées ont généralement plusieurs modèles en concurrence les uns avec les autres, et le « champion » est sélectionné parmi les « challengers » qui sont propres au domaine de données du client. Cela maximise les performances et élimine le besoin de modèles personnalisés codés à la main. Il ne suffit pas d'écrire un algorithme lorsqu'il s'agit d'analyse prédictive. Avant de pouvoir commencer à utiliser un algorithme, vous devez vérifier qu'il fonctionne réellement. Si vous utilisez un progiciel de marketing prédictif, votre fournisseur l'aura déjà fait pour vous. Cependant, si vous développez vos propres modèles d'analyse prédictive en interne, vous devrez vous soucier de la formation, du test et de la validation de vos modèles avant de pouvoir commencer à les utiliser. Le temps nécessaire pour développer des algorithmes prédictifs peut être divisé en 80 % de formation, 10 % de test et 10 % de validation. Cela signifie qu'après avoir écrit l'algorithme, les scientifiques des données doivent passer un temps considérable à former et à tester l'algorithme pour s'assurer qu'il fonctionne avec précision. Par exemple, lors de l'élaboration d'un modèle de probabilité d'achat, si 1 % des 10 millions de clients achètent dans les 30 prochains jours, pour la formation, nous utilisons 100 000 clients qui ont acheté au cours du mois précédent et sélectionnons au hasard 100 000 clients qui n'ont pas acheté. quoi que ce soit au cours du mois dernier, de sorte que l'ensemble de données total compte 200 000 clients dont 50 % ont acheté et 50 % n'ont pas acheté. Ce suréchantillonnage produit de meilleurs résultats, car il concentre le modèle à détecter entre les acheteurs potentiels et les non­acheteurs. Le problème du dernier kilomètre de l'analyse prédictive La plupart des data scientists ne s'inquiètent pas de la manière dont les spécialistes du marketing utiliseront leurs prédictions. Franchement, la plupart des scientifiques des données n'en savent pas assez sur le marketing et les systèmes de marketing pour intégrer les prédictions dans la routine quotidienne des spécialistes du marketing. Un spécialiste du marketing par e­mail dans un grand magasin national nous a dit un jour : "Les mariées s'inscrivent sur notre site Web et laissent beaucoup d'informations personnelles. Ces informations se trouvent quelque part dans notre entrepôt de données clients et nous les analysons probablement même. Cependant, en tant que responsable marketing par e­mail, je ne suis pas en mesure de mener une campagne simple prenant en compte Machine Translated by Google Une introduction facile à l'analyse prédictive pour les spécialistes du marketing certaines des préférences ou des dates que la mariée a partagées avec nous. Nous appelons cela le problème du dernier kilomètre de l'analyse prédictive. Surtout dans les organisations avec des scientifiques de données internes, les résultats des modèles prédictifs ne sont souvent pas facilement digestibles ou utilisables par commerçants. Il est souvent très difficile pour les spécialistes du marketing de mettre en œuvre l'analyse prédictive ­ de relier les points de l'analyse à la campagne quotidienne gestion des e­mails, du web, des réseaux sociaux, des mobiles, du publipostage, du marketing en magasin, et les interactions avec les clients dans le centre d'appels. Pour que les prédictions des clients soient rentables, les prédictions doivent être entre les mains de tout le personnel en contact avec la clientèle de votre organisation. Si vous ne pouvez pas présenter de recommandations au personnel lors de votre appel centre, la vente incitative pourrait ne jamais se produire. Si vous ne pouvez pas utiliser la probabilité d'acheter segments pour décider d'envoyer ou non une remise à un détenteur de panier abandonné ou un rappel, vous laissez beaucoup de profit sur la table. Au chapitre 14 nous examinons les technologies qui comblent ce problème du dernier kilomètre. Maintenant que vous avez une compréhension de base des modèles prédictifs et comment ils peuvent être utilisés pour le marketing, nous nous mettons au travail. Dans le reste de ce livre, nous vous donnons plus d'exemples de chacun des trois types de modèles d'apprentissage automatique abordés dans ce chapitre. Nous couvrons comment utiliser chaque de ces modèles pour le marketing de manière très détaillée. Nous proposons également comment opérationnalisez chacun des modèles, reliez les résultats à des campagnes de marketing spécifiques qui peuvent générer des revenus ou des bénéfices immédiats pour votre organisme. Sans actions marketing, il peut y avoir une paralysie de l'analyse, donc pas de plaisir pour les clients ni de bénéfices supplémentaires. 41 Machine Translated by Google Machine Translated by Google CHAPITRE 3 Apprenez à connaître votre Les clients d'abord : construire Client complet Profils Avantliens de pouvoir exploiter les pour trouver de nouvelles de croissance ou hypercibler vosdonnées clients,clients vous devez d'abord agréger, opportunités nettoyer et analyser ces données. Ce n'est pas une tache facile. Si la vôtre est comme la plupart des entreprises, les données clients sont partout, pleines d'erreurs et de doublons et inaccessibles aux spécialistes du marketing de tous les jours. Heureusement, la technologie prédictive peut vous aider à nettoyer votre gâchis de données. Votre service des technologies de l'information (TI) et éventuellement des fournisseurs externes peuvent également vous aider. Bosch a compris que ses clients n'étaient plus seulement des détaillants de rénovation domiciliaire comme Home Depot et Lowe's. Au lieu de cela, l'essor des achats en ligne a permis à leurs clients finaux d'accéder directement à son site Web et de dialoguer avec la marque, sans jamais mettre les pieds dans un magasin à grande surface. Cela a créé un défi pour Bosch, qui avait une vision limitée des données de l'utilisateur final sur les acheteurs de ses produits. Bosch s'est rendu compte qu'il devait faire un meilleur marketing directement auprès de ses clients finaux, mais pour ce faire, il devait mieux gérer ses données clients. Comme de nombreuses entreprises, Bosch n'avait pas d'équipe de données interne et s'appuyait sur un fournisseur de services extérieur. Cela signifiait que pour chaque 43 Machine Translated by Google 44 Une introduction complète au marketing prédictif question sur les clients, il a dû demander au fournisseur externe de créer un nouveau rapport. Bosch a donc décidé d'apporter ses données clients en interne en utilisant un logiciel moderne basé sur le cloud, plutôt que de s'appuyer sur une société de conseil externe. Désormais, l'entreprise peut agréger les informations sur les clients à partir de diverses sources de données et les relier dans des profils de clients individuels. Il suit les achats, mais aussi les inscriptions à la newsletter et les enregistrements de produits. Bosch a appris que même sans utiliser les données client pour une personnalisation individuelle, la vue à 360 degrés des clients a fait toute la différence lors de la prise de décisions sur la façon de commercialiser auprès de ses clients. L'étape suivante consiste à comprendre comment ces données peuvent être utilisées pour soutenir les activités de marketing avec des partenaires comme Home Depot et Lowes. Une marque de mode new­yorkaise a vécu la même expérience. Une fois qu'il a collecté toutes les données des clients dans un seul profil, il a pu donner au personnel du service client l'accès à ces enregistrements. Désormais, si un client écrit ou appelle pour se plaindre, il pourrait rechercher si ce client était un client de grande valeur ou non, et obtenir plus de contexte global pour avoir une meilleure conversation avec ce client et répondre de manière appropriée à la plainte. Les exemples de Bosch et de la marque de mode illustrent clairement que même sans segmentation ou analyse avancée, l'organisation des informations client sur tous les points de contact client, y compris le Web, les transactions, le mobile, la messagerie électronique, le magasin, le centre d'appels, dans un profil à 360 degrés pour chaque client peut être une énorme victoire. L'exemple de Bosch montre également que les données client ne sont pas réservées aux spécialistes du marketing direct aux consommateurs. Bien sûr, pour les entreprises qui ont une distribution en gros, obtenir des données sur les consommateurs peut être un défi. La norme de l'industrie est telle que les partenaires grossistes ne transmettent pas les données des clients. Cependant, les marques peuvent développer un programme dans lequel elles utilisent un programme d'enregistrement ou de garantie où elles placent une carte dans l'emballage pour que les consommateurs s'inscrivent en ligne pour s'inscrire en ligne. La carte vous demandera souvent d'accéder à une URL d'enregistrement spécifique auprès de la marque en échange de l'enregistrement du produit pour de futurs problèmes avec le produit ou simplement d'enregistrer leur adresse e­mail pour obtenir les dernières informations sur le produit et les instructions d'entretien directement de la marque. Étonnamment, de nombreux consommateurs sont prêts à le faire, et même si vous n'avez peut­être pas toutes les transactions associées à l'achat, vous aurez leur adresse e­mail ou postale. Les états de service peuvent servir le même objectif. Un détaillant européen bien connu d'électroménager utilise des dossiers de réparation Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets comme déclencheurs de campagnes marketing personnalisées. Enfin, les marques qui vendent en gros peuvent également envisager d'utiliser les visites sur leur site Web d'entreprise comme indicateur de l'intérêt pour le produit. Les clusters peuvent être construits uniquement en fonction du comportement de navigation. Ce chapitre vous aide à comprendre quelles données vous devez collecter en premier, si vous souhaitez également intégrer les données client en interne en tant que compétence de base, et comment préparer vos données pour l'analyse. Nous ajouterons également quelques mots sur la manière de vous associer avec succès à vos homologues informatiques pour mener à bien les projets de données client. Combien de données collecter Dans ce livre, nous nous concentrons sur les données client fournies à une entreprise directement par ses clients, et non sur les données dérivées ou achetées auprès de tiers. Les spécialistes du marketing disposent de plus de données historiques et en temps réel sur les clients que jamais auparavant. Ce type de données est également appelé données de première partie, données détenues par le spécialiste du marketing qui reflètent les interactions directes du consommateur avec la marque et qui contiennent les informations les plus riches par rapport aux sources de données tierces. Les sources de données tierces doivent être anonymisées et sont parfois proches de violer les limites de la confidentialité. Nous en parlons plus en détail dans les chapitres suivants. Chaque consommateur individuel génère des centaines de points de données chaque jour, qui, multipliés par des milliers, voire des millions de clients, génèrent de véritables données client volumineuses . Les données sont dites « volumineuses » lorsqu'il y a beaucoup de volume, de variété et de vélocité. Pour les données client, cela est certainement vrai. En fait, les données que la plupart des entreprises collectent auprès de leurs clients sont devenues si volumineuses et variées qu'aucun être humain ne peut plus les analyser sans l'aide d'ordinateurs et de logiciels. Les spécialistes du marketing qui peuvent trouver un moyen d'exploiter la puissance de toutes ces données clients auront un avantage concurrentiel significatif. La figure 3.1 décrit certains principes de conception qui peuvent être utiles pour décider des données à collecter. Le principe de conception le plus important est de commencer par la fin en tête. Souvent, les spécialistes du marketing font de la collecte et de l'intégration des données un projet à part entière sans décrire spécifiquement à quoi serviront les données et comment elles seront conservées pour s'assurer qu'elles sont en bon état. Lorsque vous envisagez la quantité de données client à collecter, tenez également compte de la valeur de ces données, ainsi que de la facilité avec laquelle elles sont obtenues. Cela peut varier selon l'entreprise, mais rappelez­vous de ne pas en faire trop. 45 Machine Translated by Google 46 Une introduction complète au marketing prédictif Principe de conception pour Collecte de données Exemple La fréquence À quelle fréquence collecter des données et sur quels événements déclencheurs ? Données dérivées Les données dérivées sont des éléments de données implicites. Un client qui a visité le site Web et parcouru un produit cinq fois et à chaque fois acheté dans un magasin dans les sept jours suivants pourrait être étiqueté comme un client qui collecte des informations en ligne, mais magasins hors ligne. Granularité Les données Web peuvent être collectées clic par clic ou dans certains cas Idées à tirer Si l'objectif est de prédire le potentiel de croissance des clients, le type de un résumé des sessions web pourrait suffire. produits qu'un client achète est important, ainsi que le code postal code dans lequel vit le client. Les informations à en tirer déterminer quelles données nous collectons. Actionnabilité Les données collectées doivent être exploitables directement ou indirectement. La collecte des intérêts sportifs des clients est actionnable pour un détaillant de sport, mais pas pour une entreprise qui fait du conseil fiscal. Précision Lorsqu'on leur demande leur âge, de nombreux clients tapent au hasard réponses, plus souvent dans les cas où les spécialistes du marketing l'utilisent pour le déclenchement contenu ou une inscription. Les spécialistes du marketing doivent faire face à ces imprécisions par imputations. Les imputations sont le processus de remplacer les valeurs manquantes par des valeurs de substitution. Taux de remplissage Les spécialistes du marketing souhaitent souvent collecter des données sur les clients utilisant Stockage La quantité ou la durée de conservation des données dépend de la profilage progressif afin d'augmenter les taux de remplissage. « monnaie » des données. Les données de navigation Web ne sont souvent pas pertinentes après quelques semaines, alors que les achats restent pertinents pendant des années. Accessibilité Les données collectées doivent être accessibles aux spécialistes du marketing pour analyse et action. Trop souvent, les données clients sont bloquées dans des silos, inaccessibles aux commerçants de tous les jours. Figure 3.1 Principes de conception pour la collecte de données De nombreux spécialistes du marketing sont obsédés par la collecte simultanée de toutes les données client. Ce est une grosse erreur. Il est très facile de se laisser prendre dans un processus de données long et lent projet d'intégration sans jamais voir de résultats. Votre objectif devrait être de collecter juste assez de données pour trouver de nouvelles opportunités de croissance et commencer des programmes de marketing qui donnent des résultats. Vous serez surpris de voir à quel point peu d'informations dont vous avez besoin pour commencer. Une fois que vous pouvez afficher les résultats de votre campagne initiale axée sur les données, il deviendra plus facile d'obtenir le la coopération d'autres départements, tels que votre équipe informatique interne, pour collecter plus de données clients. Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets 47 Les données volumineuses contiennent intrinsèquement beaucoup de bruit. La collecte de données doit donc être associée à des techniques pour trouver le signal dans le bruit. Le point important ici est de savoir comment extraire les informations de ce grand ensemble de données pour le rendre gérable, perspicace et exploitable. La figure 3.1 donne un aperçu de certaines des questions auxquelles les spécialistes du marketing doivent répondre, en collaboration avec leurs équipes technologiques, concernant les données à collecter, intégrer et analyser. Quel type de données collecter Traditionnellement, les spécialistes du marketing ont principalement utilisé les données d'achat et les données démographiques des clients. De nos jours, les spécialistes du marketing ont également accès à des points de données plus comportementaux, ce qui apporte des informations temporelles. Ces informations temporelles peuvent être utilisées pour dériver le contexte et rendre le marketing plus pertinent dans le temps. Lorsque nous interagissons avec une entreprise ou une marque, chacune de nos actions laisse une empreinte numérique, qui est enregistrée dans une base de données. Par exemple, pour chaque achat que quelqu'un fait en ligne, nous avons maintenant environ 50 éléments de données sur chaque client avant même que cet achat ne soit effectué. Ceux­ci incluent ce sur quoi les clients ont cliqué dans un e­mail, s'ils ont cliqué sur Google Adwords, les avis qu'ils ont pu laisser, l'activité sur les réseaux sociaux, les plaintes et les appels aux centres d'assistance client. La quantité de données comportementales disponibles a explosé ces dernières années. Il est facile de se laisser submerger, mais ne vous inquiétez pas. Nous vous montrons par où commencer. Bien qu'il n'y ait pas deux entreprises identiques, la figure 3.2 vous donne un exemple de ce à quoi pourrait ressembler une stratégie d'intégration de données par étapes. Dans cet exemple La phase 1 Phase 2 Phase 3 Comportemental Comportemental Comportemental Achats Interaction avec le centre d'appels Interactions sociales Comportement Web Retours et réclamations Avis et sondages Comportement des e­mails Notes de rendez­vous client Interaction avec le programme de fidélité Démographique Démographique Démographique Appartenance au foyer Le genre Données tierces supplémentaires Regroupement de comptes Données du recensement américain Emplacement Verticale et taille Figure 3.2 Trois étapes pour la collecte de données client Machine Translated by Google 48 Une introduction complète au marketing prédictif l'hypothèse est que votre objectif final est de stimuler l'engagement des clients et d'augmenter la valeur à vie des clients. Les données comportementales hautement prioritaires pour les spécialistes du marketing des consommateurs et des entreprises comprennent les achats, les visites sur le Web et les clics sur les e­mails. Les données démographiques hautement prioritaires pour les spécialistes du marketing grand public pourraient inclure le sexe, l'âge et l'emplacement d'un client, et pour les spécialistes du marketing d'entreprise, plus probablement le secteur, la taille de l'organisation, le titre de l'acheteur et l'emplacement du siège social de l'acheteur. Les achats à eux seuls vous donneront déjà une mine d'informations. En fait, chaque achat génère de nombreux points de métadonnées intéressants, tels que l'heure et le lieu de l'achat, le produit acheté et le vendeur impliqué da La figure 3.3 résume plusieurs de ces points. Nous décrirons chacun des différents types de données et comment les collecter en détail dans l'annexe A. Données que vous pouvez collecter au moment de l'achat Moment de l'achat Date de l'achat Date d'expédition Adresse de facturation pour l'achat Adresse de livraison pour l'achat Nom de l'acheteur Sexe de l'acheteur (dérivé du nom) Revenus d'expédition Il y a combien de temps cet achat Canal d'achat (par exemple, en ligne ou hors ligne) Produit acheté Catégorie de produit acheté Marque achetée Vendeur impliqué dans l'achat (B2B et B2C) Prix de l'achat Remise appliquée à l'achat Revenus générés par l'achat Coût des marchandises vendues pour l'achat Marge d'achat Taxe perçue sur l'achat Revenus d'expédition associés à l'achat Qu'il s'agisse du premier achat ou d'une commande répétée Nombre de produits dans la commande Types de produits inclus dans la commande Quel type d'appareil le client a utilisé pour effectuer l'achat Figure 3.3 Anatomie d'un achat Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets Un défi particulier existe lorsqu'il s'agit d'achats en magasin ou en personne. De nombreux achats en magasin sont anonymes. Vous pouvez essayer de collecter des adresses e­mail dans le magasin en offrant aux clients un reçu électronique ou une incitation en échange d'une inscription à la newsletter en magasin. Vous pouvez également accorder aux associés du magasin une remise ou une autre compensation pour collecter des adresses e­mail. Pour un programme bien géré, attendez­vous à des taux de capture en magasin supérieurs à 60 % et pouvant atteindre 95 %. L'amélioration des taux de capture de données peut considérablement améliorer le succès de la clientèle en magasin. Le clienteling est une technique utilisée par les vendeurs au détail pour établir des relations à long terme avec des clients clés sur la base de données sur leurs préférences, leurs comportements et leurs achats. Le clienteling est destiné à guider les associés pour fournir un service client plus personnel et informé qui peut influencer le comportement des clients en ce qui concerne la fréquence d'achat, l'augmentation de la valeur moyenne des transactions et d'autres indicateurs de performance clés de la vente au détail. Du point de vue du client, la clientèle « pourrait ajouter une touche personnelle » à l'expérience d'achat. La gestion de clientèle avec le Big Data améliore considérablement les ventes incitatives et la satisfaction des consommateurs, car le consommateur développe une relation avec un vendeur qui a tout intérêt à s'assurer de sa fidélité. Les taux de rétention s'améliorent considérablement pour les marques qui mettent 360 profils clients à la disposition des vendeurs et qui associent les transactions des consommateurs avec vendeurs individuels. Mavi, la société internationale de jeans et de vêtements du chapitre 2, voulait lier les transactions POS aux clients pour comprendre les clients individuellement. Mavi a introduit un programme de carte de fidélité pour y parvenir. Lorsqu'il a lancé le programme, au cours de sa première année, seulement 20 % des transactions étaient liées à un client individuel. À la quatrième année, il avait lié près de 90 % des transactions aux particuliers. Il y a plusieurs choses que Mavi a bien faites lors de l'introduction de ce programme : premièrement, il a mis en place des objectifs et des mesures et s'est toujours concentré sur l'amélioration. Deuxièmement, il a ravi les clients avec les données collectées, par exemple en leur envoyant des offres hautement personnalisées pour revenir en magasin et obtenir des points supplémentaires pour acheter à nouveau. Ce faisant, les clients voulaient s'identifier, car ils en voyaient les avantages. Troisièmement, le personnel du magasin a vu les avantages et a toujours été informé des raisons pour lesquelles il l'a fait. C'était une orientation et un changement culturels. 49 Machine Translated by Google 50 Une introduction complète au marketing prédictif L'interaction avec le programme de fidélité elle­même est un autre point de données important : l'utilisation des récompenses de fidélité peut être très différente d'un client à l'autre. En fait, nous avons constaté que lors du regroupement des clients en fonction de leur comportement, l'utilisation des points de fidélité est souvent un facteur de différenciation et certains groupes de clients, comme les hommes, sont plus enclins que d'autres à se laisser influencer par des offres de récompense. Dans un autre exemple, Walmart a créé une application mobile appelée Savings Catcher, qui promettait aux clients qui téléchargeaient l'application que Walmart comparerait les prix de leurs achats aux prix proposés par les concurrents de Walmart et rembourserait aux clients la différence lorsqu'il trouverait un prix inférieur dans un autre magasin de détail. . En offrant une incitation aux clients, Walmart a pu collecter des millions d'adresses e­mail et analyser des informations, telles que les produits achetés par les clients et l'heure à laquelle ils faisaient généralement leurs achats. Les achats commerciaux sont probablement suivis dans votre système de gestion des ressources d'entreprise ou votre système de gestion de la relation client. Ces systèmes sont également une riche source d'informations démographiques, telles que la localisation du client et la relation entre les contacts et les comptes, ainsi qu'entre les vendeurs et les comptes. Préparation de vos données pour l'analyse Lorsqu'il s'agit de votre base de données clients, le dicton "garbage in, garbage out" est vrai. Si vous basez votre segmentation client ou vos modèles prédictifs sur des profils de données clients erronés ou incomplets, vous obtiendrez de mauvaises recommandations pour vos clients. Par conséquent, la gestion des données est une partie importante du travail. Les scientifiques des données vous diront que la préparation des données avant l'analyse peut représenter 95 % de tout le travail. Sans une vue unique du client, il est impossible de vraiment comprendre un client ou de tirer des conclusions sur les tendances de la clientèle. Par exemple, si vous ne pouvez voir que les achats en magasin d'une personne, mais que cette personne effectue 90 % de ses achats en ligne, vous pouvez croire qu'il s'agit d'un client non rentable alors qu'en réalité cette personne pourrait être l'un de vos VIP. De même, si quelqu'un navigue fréquemment sur votre site Web mais finit toujours par acheter dans le magasin, vous pouvez confondre le client du site Web avec une « faible valeur ». Dans un scénario différent, un client dépense une somme importante et achète souvent, mais retourne des articles tout aussi fréquemment ou appelle fréquemment votre centre d'appels. Ce client ressemble à un client « de grande valeur », mais il n'est en fait pas rentable. Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets Figure 3.4 Le processus de préparation des données Cela signifie que vous devez pouvoir intégrer, relier et dédupliquer toutes les informations que vous avez collectées. Ce n'est pas une tâche facile. La figure 3.4 vous donne un aperçu du processus de préparation des données à un niveau élevé. Nous passerons brièvement en revue chacune des étapes du processus de préparation des données. Nettoyage et validation des noms Après avoir reçu les données brutes, la première chose que vous voulez faire est de valider les noms, adresses postales, adresses e­mail et numéros de téléphone dans les fichiers clients que vous avez reçus. Sans cela, les algorithmes logiciels seront incapables de lier les bonnes activités aux bons enregistrements de données. Exemples d'erreurs courantes qui doivent être corrigées avant de faire correspondre des enregistrements à de vraies personnes : • Les deuxièmes prénoms ou initiales peuvent être inclus ou exclus : William L et William Louis peuvent tous deux être des variantes de la même personne : William Morrison. • Les contacts de deux personnes peuvent ne pas être mis en correspondance à moins d'être corrigés : « William et Cathy Morrison » doivent être mis en correspondance avec le dossier client de William Morrison. • Remplacer les noms abrégés : Wm et Bill et William peuvent tous être la même personne. • Suppression des titres honorifiques : le révérend Bill Morrison et le Dr Bill devraient tous deux correspondre au record de William Morrison. • Échange de nom et prénom : Bill Morrison et Morrison Bill sont probablement la même personne, surtout s'ils habitent à la même adresse. • Légères variations dans l'orthographe du nom, comme Katie et Cathy. Il existe de nombreuses erreurs courantes que les logiciels peuvent facilement corriger. Le logiciel peut automatiquement normaliser les noms, comme changer Bill en William ou vice versa, et reconnaître et étiqueter les hommes et les femmes. 51 Machine Translated by Google 52 Une introduction complète au marketing prédictif Les algorithmes métaphoniques sont également des mots corrects qui ont une prononciation similaire, tels que Katherine, Cathy, etc. Le logiciel peut standardiser automatiquement les noms afin que différents enregistrements d'un même client correspondra désormais et sera lié à un identifiant client unique. Par exemple, Michael est identique à Mike et James est identique à Jim, et ainsi de suite. Dans le cadre de la normalisation et de la vérification des noms, les logiciels peuvent également modifier la casse du nom. Donc, si le nom était en majuscules (WILLIAM) ou en minuscules (william), nous lui donnons une première lettre en majuscule, le reste en minuscules (William). Cela peut sembler trivial, mais les algorithmes logiciels ne sont pas des personnes et ont tendance à prendre les choses au pied de la lettre. Sans correction et normalisation, ces enregistrements ne seraient pas appariés aux même personne. Nettoyage et validation des adresses Pour les adresses postales, la validation est importante pour s'assurer que chaque publipostage coûteux que vous envoyez est réellement livrable. La validation des adresses peut réduire les coûts d'envoi jusqu'à 80 %. Voici quelques façons de valider les adresses postales : • Codage des adresses du Canada et des États­Unis selon les normes USPS. Assurez­ vous que l'adresse est complète et correctement écrite, y compris un code postal avec un ajout à quatre chiffres pour avoir l'adresse la plus précise possible. • NCOA (changement d'adresse national). Chaque adresse de votre base de données peut être comparée à la base de données du NCOA pour s'assurer que le destinataire n'a pas bougé depuis que vous avez acquis son adresse. • Certification CASS. La certification CASS est une exigence pour tous les expéditeurs afin de recevoir certains tarifs d'envoi de l'USPS en fonction de la qualité de leurs adresses. • DPV (Validation Point de Livraison). Il s'agit du plus haut niveau de vérification de l'exactitude des adresses, où chaque adresse est vérifiée par rapport à un fichier de données pour s'assurer qu'elle existe en tant que point de livraison actif pour l'USPS. • Indicateur de type d'adresse. Le cas échéant, l'analyse d'adresse peut également ajouter un indicateur de type d'adresse, par exemple si l'adresse est une résidence ou une entreprise. • Annexe MSA/région. En fonction de chaque adresse, le logiciel peut ajouter la longitude et la latitude de l'emplacement, mais peut également les comparer aux régions administratives. Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets 53 La validation de l'adresse e­mail est tout aussi importante. Les services de vérification des e­mails peuvent améliorer la portée des clients et réduire le risque de nuire à votre réputation d'expéditeur. Les contrôles pouvant être effectués automatiquement incluent : • Correction syntaxique. La correction de la syntaxe des noms et des adresses supprime automatiquement les caractères illégaux et corrige les noms d'hôte. Par exemple, les algorithmes logiciels peuvent corriger automatiquement les fautes d'orthographe courantes des noms de domaine (gmai1.com = gmail.com, par exemple). Le logiciel pourrait également valider et corriger les caractères illégaux. Par exemple, s'il est écrit gmail,com au lieu de gmail.com, la correction consisterait à remplacer la virgule par le point. • Essai de messagerie. Dans le cadre de la validation des adresses e­mail, le logiciel peut automatiquement "pinger" le domaine dans l'adresse e­mail pour s'assurer que ce domaine est disponible en tant qu'échange de courrier. Le logiciel peut également maintenir automatiquement une liste d'e­mails invalides. • Filtrage des e­mails invalide. Certaines valeurs par défaut courantes, telles que [email protected], peuvent être automatiquement détectées et filtrées. • Standardisation des carcasses. Comme pour les noms, lorsqu'il s'agit de vérifier les e­ mails, le logiciel peut automatiquement standardiser toutes les adresses pour n'inclure que des lettres minuscules. Liaison et déduplication Pour éliminer les copies en double de données répétitives, vous pouvez utiliser une technique appelée déduplication. C'est important car cela peut augmenter la précision des indicateurs de performance clés et des mesures (comme la valeur à vie d'un client). Cela vous aide également à éviter de cibler deux fois la même personne, ce qui n'a pas l'air très professionnel et peut être très coûteux lorsqu'il s'agit de campagnes comme le publipostage. Les attributs de chacun de vos contacts doivent être fusionnés selon un ensemble de règles de priorité pour obtenir une liste de contacts maître. À ce stade, vous devez également associer les bons contacts aux bons ménages ou aux bonnes entreprises. Afin de dédupliquer avec précision vos données, vous pouvez utiliser des algorithmes logiciels pour faire ce qu'on appelle la correspondance floue. Les algorithmes flous calculent un score de similarité entre des attributs tels que les noms ou les adresses. Lorsque la similarité est supérieure à un seuil défini, les entités sont considérées comme des doublons. Par conséquent, la logique floue "estimera" si deux noms de clients similaires, mais pas exactement identiques, pourraient être Machine Translated by Google 54 Une introduction complète au marketing prédictif la même personne. Certains attributs client, tels que le domicile d'un client adresse, aura un poids plus élevé dans cette estimation. Le fils de William Morri et Bill Morrison sont probablement la même personne s'ils vivent dans le même adresse, mais il est peu probable qu'il s'agisse de la même personne si elle vit dans des États différents. Maintenant que tout le travail acharné de collecte et de nettoyage des données client est fait, dans la figure 3.5, nous donnons un exemple des informations qui peuvent être inclus dans le profil d'un client unique. Juste avec ce profil seul il y a beaucoup de valeur. Vous pourriez donner à votre équipe de vente, le succès des clients accès de l'équipe, de l'équipe du centre d'appels ou du personnel en magasin à ces profils et ils seront sûrement en mesure de mieux servir les clients avec ce type d'informations à portée de main. Dans les chapitres suivants, nous passons aux étapes suivantes d'utiliser réellement ces informations pour l'analyse des clients et de créer des expériences uniques et significatives pour chaque client. Il n'est pas rare de faire des découvertes importantes sur vos clients après avoir intégré toutes les données clients. Dans le cas d'une entreprise de joaillerie, ils a constaté que même si 70 % de la gamme de produits comportait des bijoux pour femmes, 50% des acheteurs étaient des hommes achetant des bijoux en cadeau. Ce groupe était pratiquement inexploité jusqu'à ce qu'un ajout démographique soit fait pour découvrir cette cible. Même les femmes qui achetaient des bijoux achetaient souvent cadeaux, tels que des objets de famille pour les filles et les fils pour des occasions spéciales comme les diplômes d'études secondaires et collégiales. Enfin, après avoir recueilli toutes les données client, cette société a constaté qu'il y avait très peu de chevauchement entre types de métaux. Les acheteurs d'or ont continué d'acheter de l'or et les acheteurs d'argent ont continué d'acheter de l'argent. Bien sûr, toutes ces idées ont changé leur entièrement la stratégie marketing. Travailler avec le service informatique sur l'intégration des données Nous vous recommandons fortement de travailler avec votre service de technologie de l'information (TI) lors de la collecte et de l'intégration des données dans un seul, vue en temps réel du client, nous voulons donc conclure ce chapitre avec quelques conseils pour un partenariat réussi avec votre équipe informatique : N'y allez pas seul. Une étude du CMO Club a révélé que 88 % des responsables marketing admettent que les projets exécutés en dehors du contrôle informatique rencontrent « parfois » (53 %) ou « souvent » (35 %) des problèmes. Selon un 2014 Selon Accenture, seul un responsable marketing et informatique sur 10 affirme que la collaboration entre les deux départements est au bon niveau. Les DSI sont dans une position clé pour guider les initiatives technologiques dans l'ensemble de l'organisation, Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets Démographie générale Analyse prédictive • Probabilité • Nom d'achat (« élevée ») • Groupe basé sur le • E­mail comportement (« accro aux rabais ») • Groupe basé • Le genre sur le produit (« acheteur d'ordinateurs portables ») • Recherche LinkedIn • Groupe basé sur la marque (« Dell ») • Groupe basé sur le • Adresse cycle de vie (« nouveau client ») • Recommandations de • Emplacement (latitude et longitude) • Vue Google produits Map de l'adresse Stratégie de contact • Canal Les valeurs du cluster de cycle de vie peuvent inclure • Un client préféré potentiel • Un nouveau client • Magasin préféré • Magasin le plus proche • Client régulier • Client • Marque préférée ponctuel périmé • Client récurrent périmé • • Commercialisable par téléphone ? (O/N) • Client ponctuel inactif Marketing par courrier ? (O/N) • Commercialisable par e­mail ? (O/N) • Client régulier inactif Analyse des achats • Revenus Comportement sur la durée de vie (par exemple, 2 007 $) • Marge • Date de la dernière commande sur la durée de vie (par exemple, 576 $) • Nombre de commandes sur la durée de vie • Dernier canal de commande • Chiffre d'affaires de la dernière commande • Date de la dernière visite sur le Web • Chiffre d'affaires des 12 derniers mois • Nombre de visites Web • Marge des 12 derniers mois • • Date du dernier envoi Nombre de commandes des 12 derniers mois • Date de la dernière • Valeur moyenne des commandes ouverture • Date du dernier clic • Segment de revenus des 12 derniers mois (par • Nombre d'ouvertures d'e­mails le mois dernier exemple, "pourcentage supérieur de clients") • Nombre d'ouvertures d'e­mails deux mois avant • Nombre de clics sur les e­mails le mois dernier • Segment de revenus des 12 mois précédents ; • • Nombre de clics par e­mail deux mois avant • Date de la Tendance des revenus (hausse, neutre ou première commande Vers le bas) • Canal de premier ordre • Revenus de premier ordre • Canaux distincts • Produits distincts • Catégories distinctes • Cinq dernières commandes (canal/date/produit/ marque) • Cinq dernières recherches sur le site (terme de recherche, date) Figure 3.5 Exemple de profil client 55 Machine Translated by Google 56 Une introduction complète au marketing prédictif assurer la fiabilité, la confidentialité des données, la sécurité et la compatibilité avec la pile technologique de l'entreprise, entre autres. En tant que spécialiste du marketing, vous pouvez jouer le rôle de « directeur de l'expérience », mais acceptez l'informatique comme un partenaire stratégique du marketing, et pas seulement comme un fournisseur de plate­forme. Soyez clair sur les données dont vous aurez besoin. Montrez à l'équipe informatique ce que vous allez utiliser et quel impact cela pourrait avoir. Soyez prêt à analyser ce dont vous avez besoin par rapport à ce que vous voulez juste pour le plaisir. Vous seriez étonné de voir tout ce que les informaticiens peuvent accomplir une fois qu'ils sont « au courant » et vous reconnaissez à quel point leur contribution est précieuse ! Demandez un accès libre­service aux données. Trop souvent, le service informatique construit un entrepôt de données client accessible uniquement via des requêtes SQL. C'est mauvais pour l'informatique, car désormais, chaque fois que vous avez une question sur les clients ou que vous avez besoin d'un segment, l'informatique devra travailler. C'est également mauvais pour le marketing, car à chaque demande que vous soumettez, vous devez "faire la queue" derrière d'autres projets. Assurez­vous que le service informatique connaît votre pile technologique existante. Si vous demandez de l'aide au service informatique pour l'intégration des données, assurez­vous de décrire ce que vous voulez faire en fin de compte avec les données. Si vous demandez uniquement l'intégration de données, vous pouvez obtenir un entrepôt de données client difficile d'accès (voir #3) mais qui ne communique pas non plus avec vos outils d'exécution de campagne existants. Discutez des exigences en cours. Assurez­vous que le service informatique ne se concentre pas uniquement sur le développement et le déploiement initiaux, mais qu'il comprend vos besoins en matière de mises à jour continues. Les données client changent si rapidement que, au minimum, vous aurez besoin de profils et de segments de clients mis à jour quotidiennement. L'intégration et le nettoyage des données sont vraiment un processus continu, et la planification des ressources informatiques sur une base ponctuelle n'est pas suffisante. Trop souvent, le service informatique fournira une solution comportant trop d'étapes manuelles, ce qui rend prohibitif la mise à jour des profils et des segments plus d'une fois par trimestre. Au lieu de cela, le marketing a besoin de mises à jour en temps quasi réel, et donc automatisées. Commencez petit et itérez rapidement. Ensemble, vous pouvez élaborer une feuille de route qui a du sens. Ne demandez peut­être pas que toutes les données soient intégrées en même temps. Commencez par capturer toutes les données numériques des e­mails et de votre site Web, par exemple, et lancez­vous avec des campagnes qui n'utilisent que ces sources de données. Une fois que vous avez prouvé votre succès, il sera plus facile de justifier l'investissement supplémentaire pour ajouter d'autres sources de données telles que les systèmes de transaction de votre magasin. Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets Faites preuve d'empathie envers l'équipe informatique. Reconnaître les défis de l'équipe informatique. Si l'équipe informatique a du mal à rassembler les données, suggérez une demande plus simple. Ayez une idée de vos véritables délais. N'ayez pas peur de prendre un verre ensemble. Contactez­les et demandez­leur des idées sur ce qu'ils pensent que vous manquez, comment vous pourriez simplifier votre rapport ou vos données marketing ! La confiance aide. Obtenez une aide extérieure. Présentez l'informatique à certains de vos fournisseurs de marketing. Ils peuvent avoir une expertise dans l'intégration, le nettoyage et l'analyse continus des données. L'intégration de données est une compétence spécialisée et ce n'est peut­être pas quelque chose que votre groupe informatique fait tous les jours. De plus, votre organisation informatique peut ne pas être familière avec ces fournisseurs, vous pouvez donc défendre une solution. Impliquez l'informatique dès le début. Au début du projet, planifiez un appel de découverte de données où vous impliquez l'organisation informatique pour définir les cas d'utilisation/exigences commerciales pour l'intégration des données. Attribuez des ressources dédiées. Traitez l'intégration de données comme un projet distinct méritant son propre chef de projet. Le chef de projet peut être en informatique ou en marketing. Dans les deux cas, assurez­ vous qu'il y a une personne spécifique et nommée dans le service informatique avec qui travailler pour définir la portée de votre projet, sélectionner un fournisseur et mener à bien le projet. Cent questions à poser à vos données Une fois que vous avez toutes vos données au même endroit, vous pouvez commencer à mieux comprendre votre entreprise et vos clients en utilisant ces données. La liste qui suit est un point de départ. Les questions à poser sont infinies, mais nous avons pensé qu'il serait utile d'avoir une idée de certaines des choses que vous pouvez apprendre des données client centralisées. Ventes 1. Combien de nouveaux clients suis­je en train d'acquérir chaque mois ? 2. Quel est notre coût réel pour acquérir de nouveaux clients ? 3. Quel est mon revenu par client ? Quelle est la tendance ? 4. Quelle est la saisonnalité de mon chiffre d'affaires et de ma marge ? 5. La plupart de mes revenus proviennent­ils d'acheteurs nouveaux ou réguliers ? 6. La majeure partie de ma marge provient­elle d'acheteurs nouveaux ou réguliers ? 57 Machine Translated by Google 58 Une introduction complète au marketing prédictif 7. Quel est mon nombre total annuel de commandes de produits que j'ai expédiées ? 8. Quelle est la valeur de ma commande par mois : certains mois voient­ils des offres plus importantes ? 9. Quelle est ma valeur annuelle moyenne de commande et quelle est sa tendance temps? 10. Comment se répartissent mes revenus par appareil d'accès (mobile, tablette, etc.)? 11. Comment mes revenus se répartissent­ils par zone géographique ? 12. Comment se répartit mon chiffre d'affaires par magasin ou par commercial tif? 13. Quelle part de mes revenus provient de clients non commercialisables ? Clients Groupes de produits 14. Combien y a­t­il de clients dans chaque cluster basé sur les produits ? 15. Combien vaut chaque membre du cluster basé sur les produits ? 16. Quel cluster basé sur les produits génère le plus de revenus ? 17. Quel cluster de marque produit le plus de marge ? 18. Quel canal chaque cluster basé sur les produits préfère­t­il ? Grappes de marques 19. Combien y a­t­il de clients dans chaque cluster basé sur une marque ? 20. Combien vaut chaque membre du cluster basé sur une marque ? 21. Quel cluster basé sur la marque génère le plus de revenus ? 22. Quel cluster de marque produit le plus de marge ? 23. Quel canal chaque cluster de marque privilégie­t­il ? Groupes comportementaux 24. Combien y a­t­il de clients dans chaque cluster comportemental ? 25. Combien vaut chaque membre du cluster comportemental ? 26. Quel cluster comportemental génère le plus de revenus ? 27. Quel cluster comportemental produit le plus de marge ? 28. Quel canal chaque cluster comportemental préfère­t­il ? 29. Quel pourcentage de mes clients sont des acheteurs à prix réduit ? 30. Quel pourcentage de mes clients sont des acheteurs fréquents ? 31. Quel pourcentage de mes clients sont à plein tarif (marge élevée) acheteurs ? 32. Quel pourcentage de mes clients sont des acheteurs ponctuels ? Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets 33. Qui sont mes plaignants à haut rendement ? 34. Qui sont mes clients saisonniers ? 35. Qui sont mes clients monocanal ? Valeur à vie 36. Qui sont mes clients les plus précieux ? 37. Quelle est la valeur à vie (prédite) de mes 10 % de clients les plus performants ? 38. Quel pourcentage des revenus provient de mes 10 % supérieurs (ou 10 % inférieurs) clients? 39. Quelle est la fréquence de commande de mes 10 % supérieurs (ou 10 % inférieurs) de clients? 40. Quelles marques les plus dépensiers préfèrent­ils ? 41. Quelles catégories de produits les plus dépensiers préfèrent­ils ? 42. Quels canaux les plus dépensiers préfèrent­ils ? 43. Comment définir un VIP ? 44. Combien de clients de grande valeur ai­je qui risquent de en quittant? 45. Quelle est ma part de portefeuille pour chaque client (par segment de client ment) ? 46. Quel est mon avantage chez chaque client ? 47. Quels comptes ont une valeur à vie potentielle élevée, mais une faible pénétration ? 48. Quelle est la valeur à vie prévue selon le sexe ? 49. La valeur à vie prévue des chasseurs de bonnes affaires est­elle inférieure ? 50. La valeur à vie des acheteurs mobiles est­elle supérieure ou inférieure ? 51. Quelles préférences de marque mes clients les plus précieux ont­ils ? 52. La valeur à vie des participants au programme de fidélité est­elle supérieure à moyen? Probabilité d'achat 53. Quel est l'impact sur les revenus (et la marge) de l'offre de livraison gratuite ? 54. Les remises ont­elles entraîné des ventes supplémentaires ? 55. Les remises ont­elles généré une marge supplémentaire, compte tenu des coûts de la promotion? 56. Quelles sont les meilleures incitations à donner à chacun de nos clients ? 57. Quels sont mes prospects à fort potentiel de personnes entrant ? 58. Dois­je facturer des frais d'adhésion ? 59. Quels clients existants sont les plus susceptibles d'acheter à nouveau ? 59 Machine Translated by Google 60 Une introduction complète au marketing prédictif Étape du cycle de vie 60. Combien de clients actifs ai­je (qui ont acheté au cours des 12 derniers mois) ? 61. Combien de mes clients sont en déchéance ? 62. La plupart de mes revenus et de ma marge proviennent­ils de nouveaux clients? 63. À quelle vitesse un acheteur effectuera­t­il généralement son deuxième achat ? 64. Combien de clients puis­je réengager avec un réapprovisionnement campagne? 65. Combien de clients puis­je réengager avec un nouveau client campagne de bienvenue ? 66. Combien d'acheteurs avec des e­mails connus ont visité mon site Web récemment mais n'ont pas acheté ? 67. Combien de clients ont récemment ouvert un e­mail mais n'ont pas acheté depuis longtemps ? 68. Dois­je me concentrer sur la rétention ? 69. Mes nouveaux clients reviennent­ils (et cela s'améliore­t­il ou pire)? 70. Combien d'acheteurs multiples ai­je et quand ont­ils duré achat? 71. Quels clients sont à risque d'attrition ? Démographie 72. Combien de ménages individuels achètent chez moi ? 73. Quelle est la valeur moyenne des commandes par sexe ? 74. Quelle est la distance jusqu'au magasin le plus proche pour chaque client (segment)? Recommandations 75. Quel produit recommander ensuite à chaque client ? 76. Quel est le canal principal pour chacun de mes clients ? Circuits de commercialisation 77. Combien de paniers sont abandonnés chaque mois ? 78. Combien de recherches sur le Web sont abandonnées chaque mois ? 79. Quel est le revenu par e­mail et comment évolue­t­il dans le temps ? 80. Combien d'abonnés engagés lisent réellement mes e­mails ? Machine Translated by Google Apprenez d'abord à connaître vos clients : créez des profils de clients complets 81. Mon nombre d'abonnés engagés augmente­t­il ou diminue­t­il ? 82. Quelle est la performance de mes campagnes de marketing direct ? 83. Quels programmes me donnent le meilleur rendement ? 84. Quelles promotions génèrent le plus de ventes ? 85. Mon catalogue génère­t­il des bénéfices ? 86. Quels clients n'ont reçu aucun e­mail de ma part dans le passé an? 87. Quels pourcentages de mes ventes proviennent de quel canal ? 88. Quel pourcentage de marge provient de quel canal ? 89. Quelle est l'évolution de mes ventes par canal (revenu annuel par canal) ? 90. Quelle est l'évolution de mes ventes par canal (revenus mensuels par canaliser)? 91. Quelle est l'évolution de ma marge par canal ? 92. Quel canal nous rapporte les clients les plus rentables ? 93. Quel canal nous procure les clients les plus fidèles ? Des produits 94. Quel est mon chiffre d'affaires et ma marge par catégorie de produit ? 95. Combien de personnes puis­je cibler avec mon introduction de produit campagne? 96. Quelles catégories de produits sont les plus performantes ? 97. Quelle est la fréquence d'achat de certaines catégories de produits ? 98. Les personnes situées dans une zone de code postal spécifique achètent­elles des produits spécifiques ? 99. Quels clients seront intéressés par ce nouveau produit/ contenu/événement, etc. ? 100. Combien de types de produits différents chaque client achète­t­il de notre part? 61 Machine Translated by Google Machine Translated by Google CHAPITRE 4 Gestion de votre Clients en tant que portefeuille pour améliorer votre Évaluation La meilleure façon pour toute entreprise ou l'actionnaire valeur est de maximiser la valeur àde viemaximiser du client,l'entreprise ou la rentabilité, pour chaque client. Les clients sont les actifs les plus importants pour une entreprise et, par conséquent, la valeur à vie du client est la mesure la plus importante en marketing. Si vous maximisez la valeur à vie, ou la rentabilité, de chaque client, vous maximisez également la rentabilité et la valorisation de votre entreprise dans son ensemble. La meilleure façon d'optimiser la valeur à vie pour n'importe quel client est de lui offrir la meilleure expérience possible tout au long du cycle de vie de son interaction avec votre marque : de sa première exposition à votre marque jusqu'à ce qu'il devienne un client payant, qu'il revienne une seconde fois, et même devenant ainsi de fidèles défenseurs de la marque pour votre entreprise. Le marketing prédictif explique comment optimiser la valeur vie client pour chaque prospect et client. Maintenant que les spécialistes du marketing ont à portée de main des informations plus détaillées sur les besoins passés, actuels et futurs des clients, il est enfin possible de satisfaire chaque client un par un. 63 Machine Translated by Google 64 Une introduction complète au marketing prédictif La meilleure façon d'optimiser la valeur à vie pour tous les clients est d'adopter une approche de portefeuille. Les spécialistes du marketing doivent reconnaître que différents groupes de clients ont une valeur et des comportements différents et prennent des décisions différentes. actions basées sur ces segments de clientèle distincts. Nous couvrons les types de clustering dans un autre chapitre, mais il est important de changer la mentalité pour passer d'une focalisation sur une valeur unique à la gestion d'un portefeuille de valeurs. Vous avez besoin d'une stratégie différente pour les clients qui risquent de vous quitter que pour ceux qui ont déjà une forte probabilité d'acheter. Vous devrez ajuster votre réflexion et votre budget pour les clients non rentables par rapport aux clients plus rentables. Nous entendons parfois les spécialistes du marketing recevoir le conseil de « licencier » les clients non rentables, ou simplement se concentrer sur les clients de grande valeur, mais c'est une erreur. Chaque client contribue au chiffre d'affaires, et lorsque vous acquérez des clients et gérez un portefeuille, il y a toujours un mélange. L'important est le mélange et la tendance de ce mélange. Qu'est­ce que la valeur vie client ? En général, la valeur à vie du client est un terme qui décrit le revenu ou le profit que vous pouvez attendre des clients tout au long de leur vie en faisant affaire avec vous. Il existe plusieurs façons de calculer et d'utiliser la valeur à vie, en fonction du problème de marketing à résoudre. Valeur à vie historique La valeur à vie historique ou LTV en abrégé est définie comme les bénéfices réels ­ la marge brute moins les coûts directs ­ des clients au cours de leur vie jusqu'à présent, ajustés en soustrayant le coût d'acquisition de ces clients. Notez que la valeur à vie historique ne prend en compte que les achats passés, pas les achats futurs. Le seul moment où vous pouvez utiliser la durée de vie historique, plutôt que la valeur client prévue, est lorsque vous essayez de détecter si la valeur client d'un client ou d'un segment de clientèle spécifique a une tendance à la hausse ou à la baisse. Un client peut avoir dépensé 500 $ il y a deux ans, mais seulement 200 $ l'année dernière. C'est cette variation de la valeur à vie qui signale les tendances sous­jacentes, les risques et les opportunités. Si la valeur à vie historique d'un client a tendance à baisser, cela s'appelle la migration de la valeur, et cela peut être un signal d'avertissement précoce des clients qui se désabonnent de votre service ou envisagent d'arrêter d'acheter sur votre site Web. Détecter la valeur Machine Translated by Google Gérer vos clients comme un portefeuille pour améliorer votre valorisation la migration vous permet d'attraper des clients avant qu'ils ne passent la porte et qu'il soit trop tard pour les reconquérir. L'identification d'un changement dans la valeur de durée de vie historique vous permet de mettre en œuvre une campagne de réactivation ou d'attrition proactive pour inverser la tendance. Au­delà de la migration de valeur, les clients peuvent modifier leurs habitudes de consommation d'autres manières importantes. Un certain client peut n'avoir fait qu'un seul gros achat l'année dernière, mais cette année, il fait plus souvent de petits achats. Bien que la valeur à vie du client de cette personne n'ait pas changé, votre approche marketing et vos objectifs pour la personne devraient changer. Afin de calculer avec précision la valeur à vie historique, vous devez être en mesure de lier tous les achats effectués par la même personne, même si cette personne a utilisé des e­mails, des noms ou des adresses légèrement différents. L'Américain moyen a trois adresses e­mail. Si vous êtes comme la plupart des entreprises, vous pouvez avoir des bases de données de commandes distinctes pour différents canaux. Les commandes sur le Web sont souvent enregistrées séparément des achats dans les magasins physiques et ceux­ci sont séparés des ventes effectuées via le centre d'appels. À moins que vous ne puissiez lier les achats de ces canaux distincts à la même personne physique, vous n'aurez pas une image précise de la valeur à vie. Pour certains produits, il peut être important de comprendre également la valeur totale d'un ménage ou d'un compte. Je ne dépense peut­être que très peu avec une marque moi­même, mais en m'acquérant, la marque a également acquis les revenus de mon épouse et de mes enfants. En comparant les coûts pour m'acquérir aux revenus de l'ensemble de mon ménage, je pourrais être un investissement très rentable. La seule façon de le faire est de vous assurer que vous pouvez associer les membres de la famille d'un ménage les uns aux autres. De même, en marketing d'entreprise, vous devez être en mesure d'associer différents acheteurs de la même entreprise au compte principal pour comprendre la véritable valeur de un client. Nous vous recommandons de prendre en compte le coût de service d'un client chaque fois que vous le pouvez afin de calculer la valeur de durée de vie historique. Cela inclut les retours et les remises, ainsi que le coût du produit. En moyenne, 9% de toutes les ventes au détail aux États­Unis sont retournées par les consommateurs, donc ignorer les retours fausserait les résultats. Certains praticiens calculent la LTV sans le coût d'acquisition. Si la LTV est utilisée pour prendre des décisions d'acquisition, le coût d'acquisition doit être pris en compte. Cependant, s'il s'agit de clients existants, le coût d'acquisition est un coût irrécupérable et ne doit pas être utilisé. 65 Machine Translated by Google 66 Une introduction complète au marketing prédictif Valeur client prévue La valeur client prédite est la valeur projetée, les revenus et les coûts, ajustés à la valeur temporelle de l'argent, d'un client prévoyant plusieurs années. Votre taux de rétention moyen vous indiquera combien d'années à l'avenir, en moyenne, vous conserverez un client et combien d'années de revenus futurs prendre en compte. Nous regardons généralement un à trois ans à l'avance lors du calcul de la valeur client prévue. La valeur client prédite est très utile, en particulier lorsqu'il s'agit de décider combien d'argent investir dans l'acquisition ou la fidélisation d'un client spécifique. Si vous deviez ne regarder que la valeur historique de la durée de vie, vous sous­estimeriez considérablement le potentiel d'un client et sous­investiriez probablement dans l'acquisition ou la fidélisation de certains clients. Il peut également être utilisé pour identifier les clients de grande valeur très tôt dans le cycle de vie. Après son premier achat, une future cliente de grande valeur ressemble à tout le monde. Si vous pouviez reconnaître le client à fort potentiel tôt dans le cycle de vie, vous pourriez commencer un traitement différencié sur­ le­champ et augmenter les chances que ce client de grande valeur reste avec vous. Une personne vient peut­être d'acheter cette veste chère mais n'est peut­ être cliente que depuis deux mois, mais un autre client peut être client depuis cinq ans et acheter la même veste. Si vous deviez examiner la valeur à vie historique, vous pourriez tirer la conclusion qu'un client a plus de valeur qu'un autre. Cependant, ces deux­là pourraient très bien devenir des clients de valeur égale et devraient probablement être traités à peu près de la même manière. Si vous regardez la valeur à vie historique, vous regardez trop les anciens clients et vous raterez l'occasion d'acquérir ou de conserver des clients plus récents et à fort potentiel. Grâce à l'analyse prédictive, vous pouvez estimer la valeur future d'un client en le comparant à des milliers ou des millions d'autres qui l'ont précédé. Vous pouvez prédire la valeur à vie future en trouvant des clients qui leur ressemblent. D'après l'exemple que nous avons utilisé précédemment, l'achat d'un certain type de veste peut très bien être un indicateur précoce d'un modèle de comportement bien connu pour un client de grande valeur. Même si la valeur client prédite n'est pas exacte en termes absolus de dollars, l'ordre de classement qu'elle fournit permet au spécialiste du marketing de se concentrer sur le bon segment et les bonnes tendances. Machine Translated by Google Gérer vos clients comme un portefeuille pour améliorer votre valorisation Voici quelques exemples de facteurs qui peuvent signaler la valeur à vie future. Les logiciels de marketing prédictif examinent généralement des centaines de facteurs comme ceux­ci, mais n'utiliseront que ceux qui sont réellement en corrélation avec la valeur à vie future de votre entreprise ou de votre situation particulière : • Récence de l'engagement : la récence des achats, des visites sur le Web, des avis et des clics sur les e­mails peut être un prédicteur important des achats futurs et donc de la valeur client future. • Taille de la première commande : les clients qui passent une première commande importante sont plus susceptibles de devenir de bons acheteurs. • Remise sur la première commande : les clients qui achètent au prix fort sont plus susceptibles de devenir précieux au cours de leur vie. • Plusieurs types de produits lors de la première commande : l'achat de différentes catégories, telles que les chaussures et l'électronique, lors de votre première commande est un signal de la valeur future du client. • Délai entre les commandes : les acheteurs les plus intéressants effectuent des achats fréquents. Par conséquent, un acheteur qui passe rapidement une deuxième commande est plus susceptible de devenir un client de grande valeur. • Temps passé sur le site Web : plus les prospects ou les clients passent de temps sur votre site Web, plus ils sont susceptibles d'acheter et plus leur valeur client prévue est élevée. • Engagement social et par e­mail : l'engagement client de toute nature, y compris les ouvertures et les clics d'e­mail ou l'engagement social, sont d'excellents prédicteurs de la probabilité d'achat et de la valeur client prédite. Souvent, ce n'est pas la quantité d'engagement qui compte, mais la cohérence ou la fréquence de l'engagement. Passer un peu de temps chaque jour est un indicateur plus fiable que passer des heures sporadiquement. • Source d'acquisition : il s'avère que certains canaux génèrent des clients à plus forte valeur ajoutée que d'autres. Le client issu d'un blog de mode peut avoir une valeur prédictive plus élevée que le client acquis via une bannière publicitaire. • Géographie : les clients de certains codes postaux ont une valeur client prévue supérieure à celle d'autres. Les populations rurales ont tendance à être plus stables, à déménager moins fréquemment et donc à avoir un comportement d'achat plus fidèle. Les codes postaux peuvent parfois prédire le type de produits que les gens achètent. 67 Machine Translated by Google 68 Une introduction complète au marketing prédictif Par exemple, les codes postaux de nombreux immeubles d'appartements ont une faible valeur client prévue pour certains produits, tels que les tondeuses à gazon. • Saisonnalité : les clients de détail qui sont acquis pendant les vacances ont tendance à avoir environ 14 % de valeur en moins que ceux acquis à d'autres périodes de l'année. • Parrainages personnels : les personnes qui sont venues à votre marque par le biais d'un parrainage personnel ont tendance à être plus fidèles que celles qui achètent grâce à une publicité. Les prédictions sur la valeur à vie ne sont pas le destin. Les spécialistes du marketing peuvent faire beaucoup pour changer le cours de l'histoire ici. Prenons, par exemple, le fait que les acheteurs acquis pendant les vacances ont tendance à être moins précieux et moins fidèles que les acheteurs acquis à d'autres moments de l'année. Une entreprise de soins de la peau a décidé de concentrer ses efforts de rétention sur cette cohorte de vacances en particulier. Il a mis en place une campagne de marketing par e­mail pour accroître la fidélité à la marque parmi les nouveaux clients du Cyber Monday, en envoyant des rappels réguliers pour les recharges et en recommandant d'autres produits d'intérêt. Ils ont réussi à inverser la tendance et la valeur à vie de ces nouveaux clients de vacances est maintenant supérieure de 5 % à la moyenne de l'entreprise. En se concentrant sur une sensibilisation spécifique aux segments de clientèle mal desservis, l'entreprise a pu proposer des promotions personnalisées qui ont finalement conduit à une plus grande fidélité à la marque. La leçon importante est qu'une fois les clients acquis, la meilleure stratégie consiste à se concentrer sur leur engagement pour les développer et les fidéliser, en ignorant le coût d'acquisition. Valeur à vie à la hausse La valeur à vie à la hausse, également appelée taille du portefeuille, calcule combien d'argent un client doit encore dépenser avec vous. C'est de l'argent que le client dépense déjà chez vos concurrents pour acheter les produits que vous proposez. Les algorithmes peuvent déterminer la taille du portefeuille en comparant un client à d'autres clients partageant les mêmes idées. Il est important que les spécialistes du marketing se concentrent sur la taille du portefeuille, car il est toujours plus facile de développer une relation avec un client existant que d'en acquérir un nouveau. Malheureusement, la plupart des spécialistes du marketing ont appris à se concentrer davantage sur l'acquisition de nouveaux clients que sur l'engagement et la fidélisation des clients existants. Surtout si les clients ont un potentiel de croissance élevé, les spécialistes du marketing doivent se concentrer sur la manière d'approfondir leur relation en les présentant Machine Translated by Google Gérer vos clients comme un portefeuille pour améliorer votre valorisation à de nouveaux produits ou les servir de manière différenciée. Très peu d'entreprises calculent et utilisent les avantages ou la part du potentiel de portefeuille d'un client, mais cela peut être un moyen très puissant d'identifier les clients sur lesquels se concentrer. La différence cruciale entre la valeur à vie future et la part de porte­monnaie est souvent dans les types de produits qui sont pris en compte dans l'analyse. Pour la valeur à vie future, vous avez tendance à ne regarder que les produits qu'un client vous achète déjà. Par exemple, je suis peut­être un joueur de hockey et j'achète peut­être ma bande de hockey dans un point de vente spécifique tous les deux mois. Sur cette base, l'entreprise peut prévoir que si elle me retient, j'achèterai beaucoup plus de ruban de hockey à l'avenir et j'aurai peut­être une valeur à vie prévue de 300 $. Cependant, parce que j'achète du ruban de hockey, je suis probablement sur le marché de l'affûtage des patins, des bâtons de hockey et des améliorations occasionnelles de l'équipement. J'achète clairement ces choses ailleurs en ce moment. Si je devais acheter tout mon équipement au même endroit où j'achète ma cassette, ma valeur à vie future serait probablement bien supérieure à 1 000 $. Regardons un autre exemple, cette fois dans le marketing d'entreprise. Une entreprise d'électronique compte de nombreux clients qui n'achètent que des cartouches à jet d'encre pour imprimantes. Ils achètent ces cartouches régulièrement et dépensent en moyenne 20 000 $ par an, ce qui vous laisse penser que c'est un excellent client. Mais le fait qu'ils achètent ces cartouches haut de gamme signifie qu'ils ont probablement aussi un grand bureau avec des serveurs, des ordinateurs portables et d'autres produits qui pourraient utiliser des services ou des produits complémentaires que vous ne leur vendez pas. Le fait que vous ne leur vendiez pas ces autres produits est une occasion manquée. Vous pouvez utiliser l'analyse de la part de portefeuille pour trouver des objectifs de vente incitative, comme l'a fait une société de logiciels d'entreprise. Il a pris tous ses clients commerciaux et a éclaté ceux qui étaient similaires en taille et en industrie. Sur 100 000 clients, ils ont trouvé 20 000 entreprises du secteur de l'assurance comptant de 100 à 150 employés. Ils ont ensuite divisé ces clients en segments de valeur. Les 25 % supérieurs de ces petites compagnies d'assurance ont dépensé 30 000 $ par an, les 25 % suivants ont dépensé 10 000 $ par an, les 25 % restants ont dépensé 5 000 $ par an et les 25 % inférieurs ont dépensé 1 000 $ par an. Toutes ces entreprises se ressemblent et ont toutes un potentiel de dépenses similaire. Tous ne seront peut­être pas de gros clients dépensant 30 000 $ par an, mais tous devraient au moins pouvoir dépenser 10 000 $ par an, soit autant que le deuxième groupe. Cela signifie que pour tous les clients de la tranche de 1 000 $, vous avez un potentiel de vente supplémentaire pour vendre plus de produits. 69 Machine Translated by Google 70 Une introduction complète au marketing prédictif et services de 9 000 $, et pour les clients dans la tranche de 5 000 $, vous ont un potentiel de hausse de 5 000 $. Augmenter la valeur vie client pour un client Le cycle de vie du client est un terme utilisé pour décrire la progression de les étapes qu'un client traverse lorsqu'il envisage, achète, utilise et maintenir la fidélité à un produit ou à un service. Le cycle de vie client met l'accent sur le parcours individuel de chaque client et encourage les spécialistes du marketing à réfléchir à la bonne approche pour chaque client. Le cycle de vie modèle souligne l'importance de l'engagement répété des clients avec une marque. Le travail d'un spécialiste du marketing consiste à offrir aux clients la meilleure expérience possible à tout moment de leur cycle de vie ou de leur parcours avec votre marque. et, ce faisant, augmenter la fidélité et la valeur de ces clients. La figure 4.1 donne un aperçu de certaines des stratégies qu'un spécialiste du marketing pourrait utiliser dans la phase d'acquisition, de croissance et de fidélisation d'un client cycle de la vie. Certains de ces programmes ont un rendement nettement plus élevé sur investissement que les techniques traditionnelles de marketing de diffusion. Tandis que le le taux d'ouverture moyen d'un e­mail diffusé est d'environ 14 % et la moyenne revenu par e­mail envoyé 0,05 $, les différentes campagnes déclenchées par le cycle de vie d'un client peut voir des taux d'ouverture qui sont deux ou trois fois plus élevé et des revenus par e­mail jusqu'à 6 $ par e­mail, un énorme 130 fois la moyenne d'un e­mail diffusé. Acquérir Il faut souvent de nombreuses interactions pour acquérir un nouveau client. Une fois que vous avez acquis ce client, vous vous êtes engagé dans une transaction, mais vous ne peut pas vraiment parler d'une relation client pour l'instant. Dans certaines industries, comme le commerce de détail, 70 % des clients ne reviennent jamais pour en acheter un deuxième Acquisition Croissance Rétention Ciblage similaire Programme d'achat répété Recommercialisation Ciblage par cluster Appréciation de fidélité Réactivation client Figure 4.1 Exemples de stratégies de marketing du cycle de vie Machine Translated by Google Gérer vos clients comme un portefeuille pour améliorer votre valorisation 71 temps. Votre objectif principal lorsqu'il s'agit d'acquérir de nouveaux clients est d'acquérir les bons clients. Certaines personnes ont simplement plus de chances de devenir de gros clients fidèles. En ce qui concerne l'acquisition, vous pouvez vous concentrer sur l'acquisition de ces clients plus fidèles en utilisant un ciblage similaire. Vous pouvez également augmenter la conversion des prospects en acheteurs en utilisant des techniques de remarketing. Les deux seront discutés plus en détail au chapitre 11. Grandir Votre objectif principal pour les clients nouvellement acquis est de les transformer d'acheteurs ponctuels en clients réguliers. Une fois qu'un client revient et achète une deuxième fois, vous avez maintenant commencé une relation. Cela change complètement la dynamique. Alors que les taux de rétention des acheteurs ponctuels dans le commerce de détail sont d'environ 30 %, le taux de rétention des acheteurs doubles grimpe à 70 %. Un programme d'achats répétés et un ciblage basé sur des clusters ne sont que deux exemples de stratégies que vous pouvez utiliser pour accroître la valeur client. Le chapitre 12 est entièrement dédié aux stratégies de croissance de la clie Retenir Même lorsque vous avez maximisé votre part de portefeuille avec un client, votre travail n'est pas encore terminé. Votre stratégie principale pour les clients fidèles est de les reconnaître et de les apprécier. Avec les médias sociaux et Internet, le pouvoir du bouche à oreille est plus fort que jamais. Un défenseur fidèle de la marque peut apporter encore plus de revenus aux clients en vous référant à ses amis ou à sa famille, ou en faisant l'éloge de vous publiquement et en incitant des étrangers à acheter également chez vous. Tous les désabonnements ne sont pas créés égaux. Il est particulièrement important de conserver vos clients de grande valeur. L'appréciation de la fidélité et la réactivation des clients périmés ne sont que deux des nombreuses stratégies que vous pouvez utiliser pour fidéliser vos clients de manière proactive. Le chapitre 13 présentera diverses mesures et méthodologies de rétention. En France, la société de télécommunications Orange a développé une stratégie globale pour préserver sa clientèle, lorsqu'un nouvel entrant a bouleversé le marché en introduisant des forfaits 50 % moins chers que les forfaits existants. La stratégie marketing comprenait des actions à chaque étape du cycle de vie client : Machine Translated by Google 72 Une introduction complète au marketing prédictif Du point de vue de l'acquisition, l'opérateur a créé de nouveaux plans plus attractifs pour s'adapter à son nouveau concurrent. D'une part, l'entreprise a construit une nouvelle marque à bas prix pour cibler le segment numérique et sensible au prix (cible spécifique du nouvel entrant). D'autre part, la concurrence féroce des autres opérateurs existants a poussé l'entreprise à réduire ses forfaits standards de 20 %. Le revenu moyen par utilisateur (ARPU), le chiffre d'affaires et la marge étaient menacés, car le client existant avait la possibilité de migrer massivement vers des forfaits moins chers. Pour limiter la destruction de valeur, l'entreprise a développé un « programme client personnalisé » massif, dans lequel elle contacte de manière proactive les clients tous les 6 mois avec la promesse d'adapter leur plan à leur consommation réelle de voix, de texte et de données. Le traitement a été adapté à la valeur vie client : les clients VIP étaient contactés par les centres d'appels tandis que les clients moyenne valeur recevaient un e­mail et les clients faible valeur un SMS. Des algorithmes ont été utilisés pour développer des recommandations personnalisées en fonction de la consommation du client, de l'ARPU et d'autres facteurs. Par exemple, si un client payait plus que le prix réel du plan en raison des communications internationales, la société recommandait un plan plus complet (et coûteux) incluant les communications internationales. Des campagnes de cross­selling ont également été lancées pour équiper les clients mobiles d'abonnements Internet dans une formule attractive « quadruple play ». Ce programme a entraîné une baisse de l'ARPU de seulement 10 % en un an. La fidélisation proactive était le programme le plus difficile, car l'entreprise avait une large clientèle, d'où un risque élevé d'attrition des revenus. La première étape a consisté à catégoriser les causes profondes du churn par segment de clientèle et à déployer des actions de fidélisation pour chacune d'entre elles. Des modèles ont été développés pour estimer la probabilité de désabonnement par segment. L'entreprise a analysé le meilleur moment pour réactiver un client : un client était considéré à risque entre les trois mois précédant la date de fin de son abonnement et les trois mois suivants. Pour les clients sensibles au prix, les principales causes de désabonnement étaient liées au prix du plan, auquel cas on leur proposait de migrer vers les offres à bas prix. Les clients numériques à forte valeur partaient pour acheter le smartphone le plus récent à un prix nettement inférieur lorsqu'ils se tournaient vers la concurrence (les opérateurs offrent généralement des remises importantes sur les téléphones mobiles aux nouveaux clients, afin d'augmenter leur clientèle). La société a résolu ce problème en ajustant les prix des smartphones pour les clients premium, tout en diminuant Machine Translated by Google Gérer vos clients comme un portefeuille pour améliorer votre valorisation 73 les taux de subvention pour les clients de moindre valeur. De plus, il a inclus une nouvelle fonctionnalité dans ses offres premium : un nouveau smartphone gratuit chaque année. Alors qu'il a perdu plus de 700 000 clients au cours des deux premiers trimestres de l'année, l'opérateur a préservé sa clientèle et atteint plus de 800 000 ajouts nets (acquisitions moins désabonnements) au cours des deux trimestres suivants. (Source : www.orange.com/en/content/download/10703/237238/version/5/file/FY+2012+EN+VDEF.pdf ; http://satisfait.orange.fr/ maitrise_budget_bilan_conseil_personnalise.php.) Augmenter la valeur à vie du client pour tous les clients Maintenant, rassemblons tout ce que nous avons appris sur la valeur vie client dans un seul cadre. En tant qu'entreprise, vous n'avez pas qu'un seul client. Pour optimiser la valeur de l'entreprise, vous devez optimiser le capital client total, c'est­ à­dire la somme totale de la valeur à vie de tous les clients. Une façon simple de penser à l'optimisation du capital client consiste à considérer votre bassin de clients comme un bassin physique rempli d'eau. Pensez à l'augmentation de la valeur à vie du client dans l'ensemble du portefeuille de clients comme à l'augmentation du niveau d'eau dans une piscine. Le pool est rempli de l'argent dépensé par les clients actifs de votre marque. Les clients actifs sont les clients qui ont dépensé de l'argent avec vous au cours des 12 derniers mois. Les clients à valeur élevée dépensent plus d'argent et remplissent le pool plus rapidement que les clients à faible valeur. L'eau s'écoule à mesure que les clients vous quittent et arrêtent de dépenser de l'argent avec vous. Certains clients reviennent après une pause. Comment augmentez­vous le niveau d'eau de votre bassin de clients ? Vous pouvez : ajouter plus de clients (de valeur), empêcher le désabonnement (et la migration de valeur) ou réactiver les clients inactifs. La figure 4.2 résume cette méthodologie d'optimisation du capital client dans votre portefeuille en utilisant cette analogie de cycle de pool. Ajouter plus de clients (de valeur) Vous devez ajouter au moins autant de clients que vous en perdez en un an, de préférence davantage. Par conséquent, le nombre de clients que vous devez acquérir au cours d'une année donnée pour au moins rester stable dépend de votre taux de désabonnement et de votre taux de migration de valeur. Si vous perdez plus de clients, ou si vous perdez plus de vos précieux clients, vous devrez acquérir plus de revenus pour Machine Translated by Google 74 Une introduction complète au marketing prédictif Figure 4.2 Le cadre de gestion du cycle de pool compenser cela. L'inverse est également vrai. Si vous pouvez trouver un moyen d'acquérir des clients plus précieux, vous n'avez pas besoin d'en acquérir autant. Nous parlons d'optimisation des dépenses marketing au chapitre 5 et donnons des exemples de stratégies marketing spécifiques pour acquérir des clients plus précieux au chapitre 11. Empêcher le désabonnement Lorsqu'un client vous quitte, il peut être trop tard pour le récupérer. Vos chances de gagner un client pour la vie sont beaucoup plus grandes si vous tendez la main à un client de manière proactive que si vous attendez que ce client vous quitte et essayez de le récupérer plus tard. Nous élaborons des stratégies pour accroître la valeur client au chapitre 12. Engagez les clients inactifs Lorsqu'un client vous quitte, tout n'est pas perdu. En moyenne, il est 10 fois moins cher de réactiver un ancien client que d'en acquérir un nouveau. Les programmes de réactivation pour les clients périmés sont donc un fruit à portée de main pour les spécialistes du marketing à la recherche de nouvelles sources de revenus. Il est encore mieux d'engager un client pour éviter qu'un client ne tombe en panne en premier lieu. Nous nous concentrons sur les programmes de fidélisation et de réactivation des clients au chapitre 13. Machine Translated by Google PARTIE 2 Neuf jeux faciles à Commencez avec Marketing prédictif 75 Machine Translated by Google Machine Translated by Google CHAPITRE 5 Premier jeu : Optimiser Votre commercialisation Dépenser en utilisant Données client Cependant, la dépenses plupart desmarketing approchesest manquent desujet comportement et de pré L'optimisation des un vaste à couvrir àclient lui tout seul. dictions comme point focal, ce qui conduit à une optimisation de la réponse médiatique, et non à une véritable optimisation marketing. Lorsqu'on leur demande d'allouer des budgets marketing, la plupart des spécialistes du marketing pensent immédiatement à allouer un budget aux sources de revenus les plus importantes, aux canaux les plus performants et aux mots clés les plus performants du point de vue de la réponse, en ignorant le client qui répond au marketing. Cependant, nous souhaitons introduire un cadre différent pour réfléchir aux dépenses de marketing : la méthode de marketing prédictif pour allouer les dépenses est basée sur l'allocation des dollars aux bonnes personnes, plutôt qu'aux bons produits ou canaux. Comme nous l'avons dit au chapitre 4, votre travail le plus important en tant que spécialiste du marketing consiste à optimiser la valeur à vie de chaque client et le capital client de votre clientèle dans son ensemble. Par conséquent, vous devez allouer votre budget en tenant compte du client. Dans ce chapitre, nous examinons le cadre suivant lorsqu'il s'agit d'allouer un budget marketing : 77 Machine Translated by Google 78 Neuf jeux faciles pour démarrer avec le marketing prédictif • Créez des plans distincts pour investir dans l'acquisition, la rétention et la réactivité tion. • Différenciez vos dépenses sur les produits de valeur élevée, moyenne et faible clients. • Trouvez les produits qui rapportent le plus de clients à vie. • Trouvez les canaux qui attirent les clients avec la plus grande valeur à vie. Investir dans l'acquisition, la rétention et la réactivation Dans une certaine mesure, il est moins coûteux de réactiver les anciens clients que d'acquérir de nouveaux clients. Il est encore moins cher de fidéliser les clients que de réactiver les clients. En moyenne, selon les données d'AgilOne, les clients existants dépensent 83 % de plus et visitent 60 % de plus souvent. Il est donc essentiel d'être délibéré sur la fidélisation des clients, par exemple en convertissant les acheteurs ponctuels aussi rapidement que possible en acheteurs réguliers. Lorsque vous envisagez d'allouer vos dépenses de marketing, réfléchissez à la manière d'allouer le budget à vos efforts d'acquisition, de rétention et de réactivation séparément. Si vous le pouvez, vous pouvez même affecter un personnel marketing différent à chacun de ces efforts. Certaines entreprises commencent à s'organiser autour de groupes de clients et de l'objectif à atteindre avec chaque groupe : acquérir de nouveaux clients, fidéliser les clients existants et réactiver les anciens clients. D'après notre expérience, la plupart des entreprises se concentrent trop sur l'acquisition de nouveaux clients alors qu'elles pourraient réaliser une croissance plus rentable en se concentrant davantage sur la fidélisation et la réactivation. Conserver les clients existants demande plus de travail mais est finalement plus efficace du point de vue des coûts. Le marketing prédictif est un catalyseur clé, comme nous l'avons souligné dans ce livre, pour engager les clients existants. Regardons les chiffres de croissance d'une entreprise fictive (voir Figure 5.1). Cette entreprise est constante dans l'acquisition de nouveaux clients : elle attire environ 175 000 nouveaux clients chaque année. Cependant, chaque année, il s'améliore pour ramener des clients existants ou passés. Elle a attiré des affaires auprès de 266 000 clients existants en 2014, soit une augmentation de 44 % par rapport aux 185 000 clients existants qu'elle avait réservés en 2011. La croissance de cette société est presque entièrement alimentée par les clients existants. C'est généralement une très bonne chose, surtout parce que, d'après notre expérience, la réactivation des clients existants est environ 10 fois moins chère que Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client Figure 5.1 Croissance des clients nouveaux et existants en acquérir de nouveaux. Ainsi, non seulement cette entreprise augmente son chiffre d'affaires, mais elle devient également plus rentable. Pour l'année prochaine, l'entreprise peut désormais prévoir une croissance de ses clients existants (voir la figure 5.2). Si la croissance des clients existants se poursuit, 305 000 clients pourraient acheter en 2015. Cela signifie qu'il lui suffit d'acquérir 136 000 nouveaux clients pour réaliser les mêmes revenus l'année prochaine que cette année. Les chiffres utilisés dans cet exemple sont typiques du secteur de la vente au détail, et si vous êtes dans ce secteur, vous pouvez les utiliser pour faire votre propre planification : • Environ 40 % des nouveaux clients reviendront l'année prochaine car clients réguliers. • Environ 70 % des clients réguliers reviendront l'année suivante en tant que clients réguliers. • Dix pour cent des anciens clients périmés peuvent être réactivés pour revenir en tant que clients l'année prochaine. Pour la plupart des entreprises, l'acquisition nécessite 7 à 10 contacts marketing et chaque contact est trois à cinq fois plus cher (en raison de la baisse 79 Machine Translated by Google 80 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 5.2 De combien de nouveaux clients avez­vous besoin ? taux de réponse) que pour les clients existants. Les clients existants n'ont besoin que de trois à cinq touches. Les économies qui en résultent sont des coûts 10 à 20 fois plus élevés pour l'acquisition de clients que pour la fidélisation de la clientèle. Le point le plus important ici est peut­être que chaque pourcentage d'amélioration de la rétention a un effet composé positif sur la croissance, tandis que l'acquisition commence à partir de zéro année après année et est très coûteuse. Continuez à vous concentrer sur l'amélioration de la rétention en mesurant et en améliorant la rétention au fil du temps, en vous améliorant par rapport à vos pairs et en décomposant la rétention en ses composants et en améliorant et en comparant les pièces détachées. Par exemple, la rétention par zone géographique ou par catégorie de produits peut être très différente et offrir des opportunités d'amélioration. Si nous revenons à l'entreprise de notre exemple et que nous la comparons à ses pairs, vous ne serez peut­être plus surpris qu'elle surpasse ses pairs en termes de taux de croissance de la clientèle existante (voir la figure 5.3). Ils sont cependant légèrement à la traîne en ce qui concerne la croissance de nouveaux clients. L'analyse comparative par rapport à vos pairs est un moyen puissant d'identifier les domaines d'opportunité pour votre entreprise. Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client 81 Figure 5.3 Analyse comparative de votre croissance Lorsque vous vous engagez dans une analyse comparative, comparez séparément chacune des étapes du cycle de vie du client. Pour le marketing d'entreprise, il peut s'agir de mesurer la conversion à chacune des étapes de l'entonnoir client. Vous constaterez peut­être que vous faites mieux que la moyenne lorsqu'il s'agit de convertir des prospects et des suspects en prospects pour votre entreprise, mais que vous êtes à la traîne lorsqu'il s'agit de convertir des prospects en essai ou en premier achat (voir Figure 5.4). Lorsque vous décidez du montant à investir dans chacun de vos segments de cycle de vie, tenez compte du fait que les taux de conversion de chaque groupe sont très différents. Lorsque vous faites de la publicité auprès de clients existants, vous pouvez constater que votre taux de conversion est de 60 %, alors que le taux de conversion de la publicité auprès de nouveaux clients n'est peut­être que de 6 %. Ça signifie Figure 5.4 Conception de l'entonnoir marketing Machine Translated by Google 82 Neuf jeux faciles pour démarrer avec le marketing prédictif que vous devriez être prêt à dépenser plus pour un clic d'un client existant que pour un clic d'un nouveau client. Nous donnons un exemple détaillé dans les figures 5.5 et 5.6. Dans cet exemple, supposons que vous obtenez 100 visiteurs sur votre site Web en utilisant la publicité payante au clic. Pour 100 visiteurs, vous obtenez 20 nouvelles commandes. Cependant, sur ces 20 commandes, 15 proviennent de clients existants réactivés par votre campagne et seulement cinq commandes proviennent de nouveaux clie Ce scénario correspond à ce que nous voyons dans les entreprises. La plupart de votre trafic a tendance à provenir de nouveaux clients, tandis que la plupart de vos commandes proviennent de clients réguliers. Il peut sembler à première vue que vous obtenez un taux de conversion de 20% de votre campagne, alors qu'en réalité, vous constatez un taux de conversion mixte de la part de clients nouveaux et existants, chacun avec une économie très différente. Si vous deviez dépenser 0,20 $ pour chaque clic, vous paieriez 20 $ pour les 100 visiteurs de votre site ou 1 $ par commande. En surface, cette campagne vous rapporte de l'argent car vous gagnez 2 $ de marge par commande, donc 1 $ de profit pour chaque commande. Cependant, en raison de la différence entre les nouveaux clients et les clients réguliers, la vérité est bien différente. Figure 5.5 Entonnoir marketing par cycle de vie Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client Moyen Coût par Cliquez sur Clics Globalement Nouveau/ Coût par Ordre Commercialisation Dépenser Ordres ($) ($) ($) 100 0,2 $ 20,00 $ 20 1,00 $ 2$ 1,00 $ 75 0,2 $ 15,00 $ 5 3,00 $ 2$ 25 0,20 $ 5,00 $ 15 0,33 $ 2$ ($) ($) Perspectives Existant CV Marge par commande Marge (1,00 $)←Acquisition Coût 1,67 $ ←Bénéfice net Figure 5.6 Exemple d'optimisation des dépenses marketing En réalité, sur les 20 commandes reçues, 15 provenaient de clients existants, qui ont été réactivés avec votre campagne marketing, et seulement cinq de nouveaux clients. Vu sous cet angle, il s'avère que le nouvelle campagne d'acquisition de clients vous fait perdre de l'argent dans le court terme. Chaque nouveau client vous coûte 3 $ à acquérir et rapporte seulement 2 $ par commande. Cela signifie que vous perdez 1 $ sur la première transaction de chaque nouveau client. Perdre de l'argent en acquérant de nouveaux clients est pas nécessairement une mauvaise chose tant que vous savez ce que vous faites. La plupart des commerçants perdent de l'argent sur l'acquisition de clients, à condition que le client a une valeur à vie qui rendra la relation positif à long terme. Nous regardons cela ensuite. Chaque client existant ne vous coûte que 0,33 $ pour le réactiver et est vous faisant 1,67 $ de bénéfice net. Cela semble plutôt bien, mais peut­être que vous aurait pu réactiver ce client avec une campagne d'e­mails au bon moment et éviter complètement le coût de réactivation. La solution est de faire l'optimisation séparément pour votre acquisition et budget de rétention. Vous pouvez optimiser votre budget d'acquisition en fonction sur le temps qu'il faut pour atteindre le seuil de rentabilité ou sur la valeur client obtenue dans le 90 premiers jours. Optimisez votre budget de rétention en fonction du bénéfice net par commande, en réduisant les activités de bénéfice net négatif. Pour chacun de ces vous pouvez utiliser des valeurs réelles du passé ou des mesures prévues pour le période de rentabilité. Optimiser votre budget d'acquisition Nous vous recommandons d'optimiser votre budget d'acquisition en fonction du temps de retour ou de la valeur client (prévue ou réelle). La figure 5.7 illustre les notions de temps de retour sur investissement et de valeur client. Le délai de remboursement est la période qu'il vous faut pour récupérer vos dépenses d'acquisition. Disons­le 83 Machine Translated by Google 84 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 5.7 Le chemin de la valeur client vous coûte 5 $ pour acquérir un client et il vous faut un mois pour recevoir suffisamment de profit, ou de valeur client, de ce client pour récupérer cet investissement. Le délai d'amortissement pour le client acquis sur cette activité particulière est donc d'un mois. Vous pouvez classer toutes vos activités d'acquisition en fonction du délai de récupération et choisir les meilleures. L'autre façon d'optimiser les activités d'acquisition consiste à choisir une période, par exemple 90 jours, et à voir quelles activités d'acquisition génèrent la plus grande valeur client à la fin de la période d'évaluation. Nous avons choisi ici une période relativement courte, 90 jours, car le paysage des acquisitions est très dynamique. Les mots clés qui fonctionnent une semaine peuvent ne pas fonctionner l'autre semaine, donc regarder trop loin dans le futur peut ne pas conduire à des résultats précis. En d'autres termes, l'activité d'acquisition qui mène à d'excellents résultats cette année pourrait ne plus exister un an plus tard. Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client Nous vous recommandons, pour chacun de vos efforts d'acquisition, d'essayer pour renseigner le délai d'amortissement et le retour sur investissement (ROI) de valeur client à la fin de votre période d'évaluation. Vous pouvez utiliser le modèle de la Figure 5.8 pour ce faire. Ensuite, choisissez simplement le plus performant activités pour l'année prochaine. Certaines considérations entrent en jeu, comme la quantité de clients acquis, la variabilité dans le temps et la capacité investir davantage. Certaines sources d'acquisition, telles que des bannières publicitaires sur un blog de haute couture, peuvent avoir des périodes de récupération extrêmement courtes et générer un profit dès la première commande, mais apportent très peu de nouveaux clients. L'objectif des marketeurs n'est pas seulement d'être optimal en termes de profit, mais aussi en quantité. Les sources d'acquisition qui pourraient être très efficaces pourraient ne produire qu'un peu de clients et n'ont donc pas d'impact. Dans un cas, un blogueur était livrer des clients très précieux à une marque, mais ne pouvait que livrer très peu de clients sans possibilité d'évoluer avec un investissement plus important. Deuxièmement, certaines sources offrent des performances constantes dans le temps, tandis que d'autres ont plus de variabilité. Les sources cohérentes sont toujours préférées à celles très variables. Enfin, vous devriez regarder votre capacité à investir davantage. Certains investissements marketing tels que la recherche le marketing moteur (SEM) peut être augmenté s'il fonctionne bien, alors que d'autres pourraient avoir des contraintes d'approvisionnement. Par conséquent, même si une source est performantes, il se peut qu'il n'y ait pas de chance d'investir davantage dans ces sources. Optimisez votre budget de rétention Nous vous recommandons d'optimiser votre budget de fidélisation en fonction de la marge de contribution et de la valeur client. Après optimisation pour l'acquisition, les spécialistes du marketing doivent établir des relations rentables avec ces clients heures supplémentaires. Après qu'un client a passé sa première commande, l'acquisition le coût est déjà un « coût irrécupérable ». Par conséquent, l'approche ne devrait plus Source de Acquisition Acquisition Coût ($) L'heure du remboursement (Journées) SEM_Yahoo 12 43 Bannière_FB 19 123 Reciblage_SH 25 80 Figure 5.8 Feuille de calcul des sources d'acquisition Retour sur investissement de 90 jours (LTV­ACQ/ACQ) 15% −20% 2% 85 Machine Translated by Google 86 Neuf jeux faciles pour démarrer avec le marketing prédictif prendre en compte le coût d'acquisition, puisque ces clients sont déjà payés et optimisés pour ce coût. Cela nécessite une compréhension approfondie de la marge de contribution variable. La marge de contribution variable est définie comme la marge brute moins le coût de commercialisation pour générer cette commande. Vous devez effectuer ce calcul pour chaque source de commercialisation amenant des commandes de clients passant leurs deuxièmes commandes ou des commandes ultérieures. La marge de contribution sera différente pour les clients de faible valeur, de valeur moyenne et de valeur élevée. Nous envisageons ensuite d'allouer un budget à chacun de ces groupes de clients. Différencier les dépenses en fonction de la valeur client Perdre un client de grande valeur est beaucoup plus coûteux que de perdre un client de faible valeur. Par conséquent, lors de l'allocation de votre budget de rétention, pensez aux différents segments basés sur la valeur et à la probabilité qu'ils achètent à nouveau chez vous. Pour cela, vous devrez être en mesure de calculer la probabilité d'achat pour chaque segment. Les clients dont la probabilité d'achat est plus faible sont plus à risque de vous quitter et de ne plus jamais effectuer d'achat. Vous devez allouer un budget en fonction de la valeur client et du risque. Nous allons parcourir l'exemple de la Figure 5.9. Disons que vous avez 600 000 nouveaux clients avec une valeur annuelle moyenne de 100 $. De plus, vos clients existants comprennent 90 000 clients de grande valeur qui dépensent en moyenne 400 $ par an, 540 000 clients de valeur moyenne qui dépensent en moyenne 110 $ par an et 270 000 clients de faible valeur qui Figure 5.9 Dépenses basées sur la valeur et le risque Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client dépenser seulement 20 $ par année. Perdre l'un des clients à 400 $ coûte plus cher que perdre un client à 20 $. Le taux de rétention historique pour chacun de ces groupes peut également être différent. Peut­être que vos clients fidèles et de grande valeur ont un taux de rétention de 90% par rapport à un taux de rétention de 20% pour les acheteurs de faible valeur et à prix réduits. Si votre taux de rétention baisse, vous avez 32 millions de dollars à risque avec vos clients à valeur élevée, 38 millions de dollars à risque avec vos clients à valeur moyenne et seulement 1 million de dollars à risque avec vos clients à faible valeur. Une autre façon de voir les choses est que si vous pouvez augmenter davantage le taux de rétention de chaque groupe, vous avez 3,6 millions de dollars de potentiel avec des clients à valeur élevée, 24 millions de dollars de potentiel avec des clients à valeur moyenne et 4,3 millions de dollars de potentiel avec des clients à faible valeur ajoutée. ­clients de valeur. Ainsi, alors que le taux de rétention des clients de grande valeur est élevé à 90%, 37% de tout l'argent à risque en raison du désabonnement provient de ce groupe. D'un autre côté, alors que le taux de rétention de vos clients les moins chers n'est que de 20 %, seulement 2 % de tout l'argent à risque provient de ce groupe. Il serait logique de dépenser plus d'argent pour protéger la perte potentielle de clients de valeur moyenne et élevée dans ce cas. Nous partageons des conseils et des exemples concrets de campagnes pour développer et fidéliser les clients dans les chapitres 12 et 13. Trouvez des produits qui apportent une grande valeur Clients Examinons maintenant votre portefeuille de produits sous l'angle de la valeur vie client. Si vous classez simplement vos produits en fonction des revenus qu'ils génèrent, vous risquez de manquer des informations importantes. Supposons que vous vendiez cinq catégories de produits différentes : les catégories 1 à 5, comme illustré à la figure 5.10. La catégorie 1 peut vous rapporter 25 % des revenus de vos nouveaux clients, contre seulement 6 % pour les produits de type catégorie 5. Cependant, si vous ne pouviez regarder que deux ans dans le futur, il serait clair qu'il s'agit en fait d'une catégorie de produits complètement différente, la catégorie 2 qui surpasse tous les autres types de produits en fonction de la valeur à vie du client. Certaines catégories de produits peuvent générer des revenus client inférieurs la première année, mais au fil du temps, cela entraînera davantage d'achats répétés et des revenus client plus élevés. Lorsque vous décidez du montant à investir dans chaque catégorie de produits, vous devez tenir compte des revenus futurs. Vous pouvez également dépenser plus d'argent pour acquérir des clients de catégorie 2 car ceux­ci ont une valeur à vie plus élevée au fil du temps. 87 Machine Translated by Google 88 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 5.10 Valeur à vie par catégorie d'acquisition Trouvez des canaux qui apportent une grande valeur Clients Les canaux d'acquisition peuvent également être classés en fonction des types et de la valeur des clients qu'ils fournissent. Tous les canaux ne fournissent pas des clients de valeur égale. Dans un exemple, une entreprise utilise divers points de vente pour acquérir de nouveaux abonnés. Après 60 jours, les clients acquis via le canal Spa et ceux acquis via DailyCandy ou AdFusion ont environ huit fois plus de valeur, en moyenne, que ceux acquis via US Weekly. De même, lorsque Anne Swift, responsable du marketing chez Nuts.com, un détaillant en ligne de noix et de fruits secs, a dû décider combien d'argent dépenser pour des adwords spécifiques. Elle était quelque peu réticente à enchérir beaucoup d'argent pour certains mots­clés. Cependant, lorsqu'elle est passée de l'examen de la première commande uniquement à l'examen de la valeur à vie prévue pour déterminer la rentabilité d'une campagne, elle a constaté que bon nombre de ses stratégies d'enchères étaient trop conservatrices. Quand Adam Shaffer travaillait pour PCM, un distributeur d'électronique d'un milliard de dollars, il devait décider sur quelles sources dépenser. Il s'est d'abord concentré sur les campagnes AdWords. Cependant, il a constaté que certaines de ces campagnes acquéraient sans cesse les mêmes clients. Au lieu de passer une seule fois à acquérir un client, les clients étaient Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client 89 recherchant et cliquant sur des liens payants chaque fois qu'ils revenaient pour un achat répété. Ces clients n'étaient pas aussi rentables qu'Adam l'avait initialement pensé. D'un autre côté, quand Adam a regardé ses campagnes de publipostage, il a été agréablement surpris. Bien que ces campagnes aient coûté très cher, pour certains segments de clients, le publipostage était un moyen très rentable d'atteindre ces clients à forte valeur à vie. Dans un autre exemple, nous travaillons avec un détaillant de golf en ligne pour examiner les performances de ses annonces Google Product Listing Ads (PLA). En surface, il est apparu que les PLA de Taylor Made et d'Adams ont généré le même nombre d'acheteurs, avec un chiffre d'affaires légèrement plus élevé et des clients à marge plus élevée provenant de la PLA d'Adams : Taylor Made et Adams ont chacun apporté 67 acheteurs, avec 11 453,18 $ provenant d'Adams et 10 855,01 $. provenant d'acheteurs Taylor Made. Donc, à première vue, le programme Adams est le plus réussi par une petite marge. En examinant les mêmes informations par nombre de commandes clients, nous pouvons voir que le PLA de Taylor Made a acquis 20 nouveaux clients et généré 39 commandes supplémentaires de clients existants. Le PLA Adams, cependant, a attiré 32 nouveaux clients et 26 commandes supplémentaires de clients existants. Alors que Taylor Made a généré moins de nouvelles acquisitions, il a entraîné l'acquisition de clients très rentables : le revenu par nouveau client était de 678,72 $ et la marge de 237,44 $ pour chaque nouvel acheteur de Taylor Made, contre 326,48 $ de chiffre d'affaires et 174,29 $ par nouveau client pour Adams. En conclusion, le programme Taylor Made est probablement le programme le plus important à doubler. Les clients existants peuvent être ciblés via d'autres canaux tels que le courrier électronique, et bien qu'il y ait moins de nouveaux clients provenant du programme Taylor Made, le chiffre d'affaires global des nouveaux clients et la marge de ce programme ont surpassé le programme Adams par une marge significative. Le cas de l'attribution de dernière touche Le plus gros problème lors de la recherche de canaux performants est que de multiples efforts de marketing, dans différents canaux, contribuent tous au résultat. Le nombre de canaux, d'outils et de mots clés disponibles a augmenté de façon exponentielle, ce qui a semé la confusion et la frustration des spécialistes du marketing quant à savoir quelle touche marketing est responsable de quelle action client. Par exemple, un client a cliqué sur une bannière, trois jours plus tard, a effectué une recherche et est arrivé sur le site Web via une annonce Google Adword, puis Machine Translated by Google 90 Neuf jeux faciles pour démarrer avec le marketing prédictif un jour plus tard, j'ai reçu un e­mail et j'ai cliqué. Dans de tels cas, toutes ces touches marketing contribuent à la conversion, mais de manière fractionnée. Comprendre cette contribution fractionnaire relève du domaine de l'attribution des revenus. Pour ce faire, les spécialistes du marketing devaient attribuer la marge brute et le coût de l'activité spécifique à chaque touche marketing. C'était assez facile lorsque les contacts étaient moins nombreux et que l'attribution au dernier contact fonctionnait assez bien. Avec l'avancée de la publicité par mots clés, du reciblage et de diverses autres campagnes en ligne, les spécialistes du marketing ont commencé à exiger une attribution marketing plus sophistiquée, telle que l'attribution multitouch. De nos jours, de nombreuses commandes sont concernées par plus de trois événements marketing, ce qui oblige le responsable marketing à déterminer le crédit à accorder à chaque événement. L'attribution multitouch peut devenir complexe très rapidement, en utilisant des techniques telles que l'attribution linéaire, temporelle ou basée sur une fenêtre temporelle. Chacune de ces méthodes peut être la bonne solution. Par exemple, l'attribution linéaire ­ où chaque activité marketing obtient un crédit égal ­ pourrait être un bon moyen d'attribuer un crédit partiel aux clients qui cliquent sur des publicités, mais si vous leur envoyez des e­mails, du publipostage, c'est­à­dire des contacts sortants, plus vous envoyer plus de crédit qu'ils obtiendront, réduisant ainsi l'efficacité de tous ensemble. Il y a certainement de la valeur dans l'attribution multitouch pour les articles d'achat considérés, tels que les voitures, les biens ménagers, les assurances, où le cycle d'achat est relativement long et où le consommateur est éduqué et encouragé à faire le bon choix. Pour les ventes à cycle court, les achats impulsifs, le problème est moins important. De nombreux spécialistes du marketing sont obsédés par la précision de ces calculs. La bonne approche consiste à trouver l'approche d'attribution la plus simple possible, mais suffisamment précise pour faire le tri entre les bons et les mauvais investissements marketing. Testez les éléments suivants : comment l' ordre des performances change­t­il entre les sources lorsque vous modifiez les méthodes d'attribution ? Si une source de marketing fonctionne mal, est­ce que tout d'un coup elle fonctionne bien lorsque vous passez du dernier contact à l'attribution linéaire ? Même si vous constatez des changements dans l'ordre de classement des sources, la question suivante à poser est l'importance de ces sources en termes de budget consacré à celles­ ci et leur performance en marge de contribution variable. Si l'ordre change, mais que ces canaux spécifiques contribuent peu au grand schéma des choses, alors peut­être qu'investir dans une modélisation d'attribution compliquée ne vaut pas la peine après tout. Machine Translated by Google Play One : Optimisez vos dépenses marketing à l'aide des données client 91 D'après notre expérience, si vous commercialisez des produits à cycle de décision court et des services, tels que l'achat d'une paire d'écouteurs ou d'un étui pour ordinateur portable, l'attribution de la dernière touche sera parfaitement précise. Parce que la décision cycle est court, les consommateurs ont tendance à décider d'acheter rapidement, ne les obligeant pas à revenir plusieurs fois. Par conséquent, la dernière touche l'attribution est plus que suffisante pour fournir la précision nécessaire par rapport au coût/bénéfice marketing de l'utilisation de l'attribution et au coût de posséder et d'exploiter un système d'attribution sophistiqué. Souvent la différence entre l'attribution au dernier contact et l'attribution multitouch ne fait pas qu'une bonne source fonctionne mal ou qu'une mauvaise source fonctionne ben tout d'un coup. Plutôt les bons interprètes, ou les sources qui sont plus ou moins zéro, basculera. Nous avons testé la différence de classement entre l'attribution au dernier contact et l'attribution multitouch et n'avons trouvé que de petites différences. Dans les revenus attribués en dollars, les différences étaient moins de 10 %, et souvent beaucoup plus petit compte tenu d'un canal spécifique. En termes d'ordre de classement des canaux, vous pouvez voir les résultats d'un tel test dans la Figure 5.11. Il n'y avait que deux cas, tous deux marqués avec sur la Figure 5.11, où deux canaux aux performances similaires ont été inversées dans l'ordre lors du changement de méthode d'attribution. L'une des raisons pour lesquelles l'attribution au dernier contact fonctionne si bien dans de nombreux cas est que le laps de temps entre la touche marketing et la décision du client a passé de semaines à jours, minutes ou même secondes. Dans le cas direct courrier, les consommateurs répondent généralement par un achat dans les semaines qui suivent recevoir le catalogue. Les spécialistes du marketing par catalogue appellent cela la période de matchback ou de match retour . Pour la plupart des campagnes de catalogue, dans les quatre semaines, 55 % de toutes les réponses sont arrivées. Après huit semaines, 85 % des réponses Attribution au dernier contact Attribution multi­touch 1. Courriel 1. Courriel 2. Annonces Yahoo 2. Annonces Yahoo 3. AdWords 3. AdWords 4. CJ 5. Courrier direct 4. Courrier direct 6. Performances 5. JC 6. Performances 7. Amazone 7. Amazone 8. FCBI 9. Centre commercial 8. Centre commercial 9. FCBI Figure 5.11 Attribution Last­Touch contre Multitouch Machine Translated by Google 92 Neuf jeux faciles pour démarrer avec le marketing prédictif sont arrivés et après 12 semaines, 99 % des réponses sont arrivées. Compte tenu de cela, la plupart des spécialistes du marketing utiliseraient quatre semaines comme fenêtre de correspondance et n'attribueraient que les réponses reçues au cours des quatre premières semaines à la campagne de publipostage. Les campagnes de marketing modernes ont des fenêtres de correspondance beaucoup plus courtes que les campagnes de publipostage. Les délais dans le marketing numérique ont tendance à être des jours au lieu de semaines. C'est pourquoi l'attribution au dernier contact fonctionne bien pour les campagnes numériques, car l'action du client se produit très rapidement après la campagne. L'utilisation de l'attribution au dernier contact peut rendre la recherche des canaux qui attirent les meilleurs clients beaucoup plus facile et accessible à tous les spécialistes du marketing, même ceux qui n'ont pas investi dans des solutions d'attribution marketing sophistiquées. Machine Translated by Google CHAPITRE 6 Jeu 2 : Prédire Customer Personas et Make Marketing Pertinent à nouveau Comme nousmotorisée l'avons vude aulachapitre 2, le clustering est l'apprentissage automatisé version segmentation. Le clustering est un outil puissant qui nous permet de découvrir des personas ou des communautés au sein de votre clientèle. Vous segmentez les clients pour identifier les groupes homogènes qui existent au sein de votre clientèle, qui peuvent être utilisés pour optimiser et différencier les actions marketing ou la stratégie produit. Un détaillant en ligne avec lequel nous travaillons exploite une boutique en ligne où les triathlètes, les amateurs et les cyclistes peuvent célébrer et soutenir leurs passions. L'entreprise souhaitait répondre aux intérêts des clients individuels de manière évolutive et réalisable pour sa modeste équipe marketing. Elle a commencé par s'intéresser aux différentes personnalités qui composent ses clients et a découvert certaines communautés distinctes autour de ses produits : pilotes professionnels de voitures de course téléguidées ; les amateurs construisant des kits avec leurs enfants ; et les amateurs d'avions télécommandés. Avec ces informations, l'entreprise a commencé à envoyer différentes newsletters aux différentes personnes. S'adresser à chacun de ces groupes avec un contenu personnalisé significatif a immédiatement porté ses fruits : les taux de clics sur les e­mails ont a 93 Machine Translated by Google 94 Neuf jeux faciles pour démarrer avec le marketing prédictif C'est très typique, car nous avons constaté des augmentations similaires de la réponse de nombreuses entreprises avec lesquelles nous travaillons. Le regroupement est un moyen d'arriver à une fin et c'est un outil pour élaborer des stratégies. La stratégie informe la segmentation et non l'inverse. Les trois exemples de schémas que nous avons choisis ici sont le comportement des clients vis­à­vis des produits, leur comportement d'achat et leurs attitudes vis­à­vis des différentes marques. D'autres schémas dépendraient de la stratégie commerciale que vous essayez de développer. Tout comme nous regroupons des clients, vous pouvez regrouper des mots clés, des produits, des magasins, des employés et toute autre entité de votre écosystème marketing. Par exemple, l'un de nos clients, Arcelik, un fabricant et détaillant de produits blancs et d'électronique en Europe, souhaitait améliorer les performances de ses magasins et comprendre le profil client de ses magasins. Responsable des efforts CRM Bora Cetiner sous la direction de leur Le vice­président du marketing, Tulin Karabuk, a regroupé ses magasins et a compris ce qui les rendait différents. Équipés de cela, ils ont pu apporter des modifications à l'aménagement du magasin, à la publicité et aux efforts de CRM. Même les objectifs fixés pour chaque magasin dépendaient du cluster auquel ils appartenaient. Lorsque vous utilisez le clustering pour les clients, nous appelons les clusters de résultats personas, car ils capturent le persona sous­jacent du client qui appartient à ce cluster. Mais comment exprimer les personas de manière à ce que le marketeur puisse comprendre le persona ? La façon la plus simple de le faire est d'utiliser la même heuristique que celle que nous, les humains, faisons. Les humains sont essentiellement des moteurs de différence qui recherchent des « contours » pour détecter une image ou des hauts et des bas qui sont différents et ne conservent que ces informations. Par exemple quand on regarde un paysage, on remarque l'horizon, le soleil qui se couche, et on ne fait pas attention à toutes les vagues de l'océan. Nous utilisons un mécanisme similaire pour afficher les personas, et nous exprimons un cluster "ADN" pour ce faire. L'ADN de cluster n'est pas (encore) un terme standard de l'industrie, mais nous l'utilisons pour décrire les clusters aux spécialistes du marketing. L'ADN du cluster décrit comment un client appartenant à un cluster spécifique préfère plus ou moins probablement un produit ou un comportement (ou quel que soit le schéma de clustering) par rapport à tout autre. Types de grappes Examinons plus en détail les trois types de personas que nous utiliserons comme exemples : les clusters basés sur les produits, les clusters basés sur la marque et les clusters basés sur le comportement. Ce sont trois exemples que nous utilisons fréquemment et qui informent une grande variété de stratégies. Machine Translated by Google Jouer deux : prédire les personnalités des clients et rendre le marketing à nouveau pertinent Clusters basés sur les produits Les modèles de clustering basés sur les produits regroupent les clients en fonction des types ou des catégories de produits qu'ils ont tendance à préférer et des types de produits que les clients ont tendance à acheter ensemble. Les modèles de clusters basés sur les produits sont parfois également appelés clusters basés sur les catégories . Un groupe de produits peut être large ou très spécifique. Dans la figure 6.1, vous pouvez voir que les personnes d'un segment de clientèle ont tendance à n'acheter que des pulls, tandis que celles d'un autre segment de clientèle achètent différents types de vêtements de sport. Ces personnes peuvent acheter des maillots de bain et des montres, mais jamais des vêtements, des sous­vêtements ou des bijoux pour enfants. Il s'agit d'informations utiles pour décider des offres de produits ou du contenu des e­mails à envoyer à chacun de ces types de clients. Comment pourriez­vous utiliser les clusters de produits ? Un grand détaillant de sport, qui vend des équipements et des vêtements de sport pour différents sports à différents âges, a d'abord pensé que les mêmes clientes qui achetaient des équipements de football pour enfants achetaient également des vêtements de yoga pour elles­mêmes. L'entreprise a commencé à envoyer du matériel de yoga publicitaire par publipostage aux femmes qui achetaient des produits de football. Cependant, lorsque nous avons exécuté nos modèles de clustering prédictifs, nous avons rapidement découvert qu'il n'y avait aucun croisement entre les mamans de football et les mamans de yoga. Nous avons trouvé des acheteurs croisés dans différentes catégories à un taux beaucoup plus élevé, ce qui a permis à l'entreprise de se concentrer sur le marketing, vers ce qu'ils pensaient être des mamans de football et de yoga, vers le segment nouvellement découvert et beaucoup plus qualifié des mamans de football et de baseball. Clusters basés sur la marque Les clusters basés sur les marques vous indiquent quelles marques les gens sont les plus susceptibles d'acheter. Il regroupe les clients qui préfèrent un groupe de marques plus qu'un autre. Par exemple, vous pourrez identifier les clients susceptibles d'être intéressés lorsqu'une marque spécifique lance de nouveaux produits. Les modèles peuvent également offrir des informations plus larges sur les marques connexes susceptibles d'intéresser un client en comparant sa préférence à un groupe de marques existant. Les résultats du modèle de la figure 6.2 montrent que les clients qui aiment Tahari by ASL ont également tendance à aimer Calvin Klein et Nine West, mais ne seraient pas du tout intéressés par Desigual ou 6126. De nombreux détaillants avec lesquels nous travaillons ont découvert que l'affinité des clients avec la marque tend à être plus forte que leur affinité avec le type de produit. Cela signifie que si un commerçant dans l'exemple de la figure 6.2 envoie une promotion de chaussures Nine West à un client qui a acheté beaucoup de 95 Machine Translated by Google 96 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 6.1 Exemple de clusters basés sur les produits Calvin Klein dans le passé, cette promotion générera probablement beaucoup de ventes. Cela générera probablement plus de ventes qu'une campagne qui fait la promotion de montres auprès de personnes appartenant au groupe des vêtements de sport et qui ont acheté beaucoup de lunettes de soleil dans le passé. Il s'agit d'une généralisation et il est important de noter qu'il existe des exceptions à chaque règle. Ce type d'affinité est un Machine Translated by Google Jouer deux : prédire les personnalités des clients et rendre le marketing à nouveau pertinent Figure 6.2 Exemple de clusters basés sur la marque une affinité de trait plus large découvrant des modèles à plus grande échelle dans votre clientèle que les recommandations de produits que nous aborderons plus tard. Clusters basés sur le comportement Un modèle de clustering basé sur le comportement regroupe les clients en fonction de leur comportement lors de l'achat : utilisent­ils le site Web ou le centre d'appels ? Sont­ils accros au discount ? À quelle fréquence achètent­ils ? Combien dépensent­ils ? Combien de temps s'écoulera­t­il avant qu'ils n'achètent à nouveau ? Cet algorithme permet de définir le bon ton pour contacter le client. Par exemple, les clients qui n'achètent qu'avec de fortes remises peuvent être d'excellentes cibles pour les ventes de compensation des stocks, tandis que les clients qui paient généralement le prix fort seraient de meilleures cibles pour une promotion en avant­première d'une nouvelle gamme de produits. Le clustering basé sur le comportement peut aider à identifier des clusters complètement nouveaux que vous ne saviez pas avoir auparavant. Un algorithme de clustering examine un grand nombre de variables, y compris, mais sans s'y limiter, la taille moyenne des commandes, les jours entre les commandes, les revenus de la première commande, la variété des commandes, la sensibilité des remises, la fréquence des commandes, le nombre total d'articles achetés, le nombre total de commandes passées, nombre de retours, produits achetés lors de la première commande et saisonnalité des commandes. Les algorithmes peuvent examiner des centaines de variables en même temps et découvrir quelles variables et quels attributs sont réellement importants. En règle générale, un algorithme de clustering trouvera six à huit personnes statistiquement significatives dans vos données client. Chaque cluster basé sur le comportement aura un ADN de cluster qui révélera au marketeur quels attributs client sont les plus différenciants et pertinents afin de regrouper les clients. Les algorithmes sont capables de segmenter les clients en fonction de bien plus de variables qu'un être humain ne pourrait le faire. Un 97 Machine Translated by Google 98 Neuf jeux faciles pour démarrer avec le marketing prédictif L'algorithme commencera avec des centaines de dimensions et pourra finalement en choisir une vingtaine pour définir un certain groupe comportemental ou personnage. L'exemple de la figure 6.3 montre certains des facteurs qui pourraient constituer l'ADN d'un cluster. Prenons un exemple tiré du marketing d'entreprise. Supposons que vous vendiez des outils à de petits constructeurs et entrepreneurs. Vos clusters basés sur le comportement pourraient révéler que certains de vos clients achètent uniquement auprès des agents de votre centre d'appels, mais toujours après avoir passé un temps considérable à effectuer des recherches en ligne. Vous pouvez avoir un autre groupe de clients qui ne s'approvisionnent qu'une fois par an dans votre magasin, après avoir reçu votre carte postale de publipostage annonçant votre vente annuelle. Et vous avez un troisième groupe, qui achète également dans votre magasin, mais vient en gros une fois par semaine et achète toujours au prix fort. Vos stratégies de marketing pour chacun de ces trois clusters seraient très différentes. Si vous n'aviez qu'un seul client se comportant de cette manière, ce ne serait pas un cluster et cela ne vaudrait pas la peine de construire une stratégie autour. Cependant, l'idée même des clusters est qu'il existe un groupe statistiquement significatif de clients qui se comportent de la même manière. Figure 6.3 Exemple de clusters basés sur le comportement Machine Translated by Google Jouer deux : prédire les personnalités des clients et rendre le marketing à nouveau pertinent Les clusters basés sur le comportement des compagnies aériennes prennent en compte des facteurs tels que la commande la fréquence, les jours entre les commandes, la saisonnalité des commandes et la sensibilité aux remises pour aider à différencier les voyageurs d'affaires des voyageurs de loisirs. Pour les compagnies aériennes, il s'agit d'un outil de segmentation essentiel. Les stratégies de tarification et de promotion, ainsi que les stratégies de service à la clientèle, peuvent désormais être différenciées et ajustées en fonction des types de clients desservis sur certains itinéraires et vols. Les détaillants peuvent rencontrer des groupes basés sur le comportement, tels que des acheteurs peu fréquents au prix plein, des acheteurs qui retournent fréquemment des produits (les soi­disant « accros du retour »), des acheteurs avec peu de commandes qui achètent principalement lorsqu'il y a une remise importante (les « accros à la remise ») , et les acheteurs avec une fréquence de commande élevée qui sont très probablement aussi vos clients VIP. Ces différents groupes de clients seront attirés par des promotions très différentes. Vos baleines apprécieront peut­être de recevoir des e­mails fréquents de votre part et achèteront presque à chaque fois. Cependant, l'envoi du même e­mail et du même contenu à vos acheteurs occasionnels à prix plein peut les désactiver au point qu'ils se désengagent de votre liste d'e­mails. Vous feriez peut­être mieux d'envoyer une carte postale à ce groupe si et quand vous lancez un nouveau produit. Utiliser des clusters pour s'améliorer L'achat du client Les clusters ne sont pas seulement utiles pour cibler les clients existants avec des communications plus pertinentes. Les clusters peuvent également être utilisés pour élaborer des campagnes d'acquisition de nouveaux clients plus pertinentes. Tout, de la conception créative aux lieux dont vous faites la publicité, est influencé par la personnalité que vous cherchez à cibler et à acquérir. Mieux vous comprenez les différentes personnalités des clients qui achètent chez vous, plus vous pouvez être précis dans la conception de campagnes pour attirer plus d'acheteurs comme celui­ci. Une marque leader de vitamines et de bien­être avait l'habitude de collecter des données, telles que des statistiques sur les produits les plus vendus, et de les analyser dans la salle de réunion pour formuler des hypothèses sur son activité. Par exemple, lorsqu'un certain supplément conjoint est devenu un gros vendeur, ils ont supposé que c'était à cause d'une augmentation de leur clientèle de personnes âgées. Ils ont tiré parti de cette hypothèse pour adapter leurs illustrations de campagne, leurs publipostages et leurs publicités dans les médias à un client âgé. Cependant, lorsqu'ils ont commencé à appliquer des modèles de clustering prédictifs à leurs données, le clustering a plutôt montré que l'augmentation des suppléments articulaires était en fait due à un client complètement différent : 99 Machine Translated by Google 100 Neuf jeux faciles pour démarrer avec le marketing prédictif clients qui se sont identifiés comme carrossiers. Imaginez à quel point cela a eu un impact sur leurs décisions commerciales ! Pour commencer, l'agence de marketing de la marque a rapidement modifié l'illustration et le plan média pour économiser les ressources qui auraient été gaspillées en marketing auprès d'un client âgé. L'entreprise peut désormais travailler avec son agence digitale pour faire de meilleures recommandations de produits sur le e­commerce, ainsi que développer des contenus lifestyle autour de cette audience qui lui sont très pertinents pour le blog et les réseaux sociaux. Les planificateurs de magasins de la marque peuvent commercialiser le supplément pour articulations avec la poudre de protéines en magasin. Son cabinet de relations publiques peut planifier un événement très ciblé et faire venir les bons influenceurs. Les clusters peuvent également être utilisés avec succès en combinaison avec un ciblage similaire sur les réseaux sociaux et dans la publicité display. Nous aborderons ce cas d'utilisation plus en détail au chapitre 11. Éléments à surveiller lors de l'utilisation de clusters La plus grande erreur que commettent les spécialistes du marketing en matière de segmentation est de n'utiliser qu'une segmentation unidimensionnelle. Aucune personne n'appartient à un seul segment. La segmentation est très contextuelle. Selon la situation, un client appartient à un segment différent. Par exemple, du point de vue du produit, John pourrait être un coureur et Mary pourrait être une nageuse, mais John pourrait également être un acheteur sensible aux rabais toujours à la recherche d'offres d'un point de vue comportemental et Mary achète toujours le dernier produit lorsqu'il sort pour la première fois. au plein tarif. Maintenant, ce sont deux dimensions sur lesquelles nous pouvons segmenter et qui ne peuvent pas être combinées de manière unidimensionnelle car une autre cliente, Jane, pourrait également être une nageuse et être sensible aux remises. Il est également important de trouver un moyen de mettre à jour et d'utiliser les clusters de manière continue. De nombreuses entreprises passent beaucoup de temps à créer l'algorithme de clustering parfait, en effectuant une analyse exhaustive pour sélectionner le cluster qui apporterait le plus de valeur ou de capacité d'action. Construire un cluster de cette manière peut facilement coûter 100 000 $ ou plus. Pire encore, une fois l'analyse terminée et entre les mains du marketing, les informations contenues dans le fichier client appartiennent à l'histoire ancienne. Payer en permanence pour réévaluer un fichier client sur une base trimestrielle (le coût mensuel est généralement prohibitif) est coûteux et conduit toujours à des résultats sous­optimaux. De nos jours, il existe un meilleur moyen, et les logiciels modernes peuvent garantir que les clusters sont mis à jour et prêts à être utilisés quotidiennement. Machine Translated by Google Jouer deux : prédire les personnalités des clients et rendre le marketing à nouveau pertinent Grappes en action Un fabricant et distributeur mondial de vitamines et de suppléments nutritionnels de haute qualité s'efforce d'améliorer le bien­être de ses clients en proposant des suppléments nutritionnels et des produits de bien­être de haute qualité et au meilleur rapport qualité­prix. Les opérations européennes du détaillant, qui comptent plus de 1 000 magasins, souhaitaient acquérir une compréhension approfondie des transactions en ligne et des magasins physiques. En particulier, le détaillant voulait savoir quels produits les clients achètent, à quelle fréquence ils achètent et comment les remises les incitent à acheter. Ils se sont concentrés sur les comportements des acheteurs qui orientent l'entreprise, en adaptant les campagnes par e­mail en conséquence. Le détaillant a appris que les acheteurs les plus précieux, qui ne représentent que 20 % de sa clientèle, généraient plus de 80 % de ses bénéfices. Il a également appris que la nourriture stimulait la fréquence des clients et attirait ces acheteurs de grande valeur. Certaines filières alimentaires étaient considérées comme non rentables avant de comprendre cet aperçu. Désormais, le détaillant continue de proposer ces produits pour encourager la fréquence des clients et attirer les acheteurs de grande valeur. L'entreprise a également appris que la fréquence d'achat de la plupart de ses clients est très faible. Cependant, les clients fidèles achèteront plus souvent et dépenseront environ 30 % de plus par transaction. De plus, les clients qui achètent le magazine du magasin dépensent 50 % de plus que ceux qui ne reçoivent pas le magazine. Ces informations ont aidé l'entreprise à ajuster ses plans de merchandising et de marketing, augmentant ainsi le chiffre d'affaires global de 1,5 % et le chiffre d'affaires des annonces de nouveaux produits spécifiques de 4 %. Il a également pu enregistrer une augmentation du nombre de clients, de la valeur moyenne des commandes, de la valeur moyenne des transactions et du nombre d'unités par panier. L'utilisation la plus innovante et la plus percutante du clustering consiste toujours à commencer par la fin en tête. Définissez et comprenez le problème que vous essayez de résoudre ou la stratégie que vous essayez de développer, puis trouvez le schéma de clustering le plus approprié qui vous aidera à distinguer les personnages avec lesquels travailler. 101 Machine Translated by Google Machine Translated by Google CHAPITRE 7 Jeu 3 : Prédire le Parcours client pour Marketing du cycle de vie Au chapitre 4, nous vous avons recommandé de chercher à optimiser la durée de vie valeur de chaque client. Dans ce chapitre, nous examinons plus en détail le cycle de vie d'un client unique pour voir comment notre stratégie devrait inclure toutes les étapes du cycle de vie du client, de l'acquisition à la croissance en passant par la fidélisation. Nous commençons par examiner un cycle de vie ou un parcours client simple, puis voyons comment la segmentation des clients en fonction de leur étape de cycle de vie peut générer d'excellentes informations et opportunités de croissance de la clientèle. Nous vous donnons également un aperçu des stratégies de marketing du cycle de vie. Le parcours de la valeur client Le principe de base de l'optimisation de la valeur vie client est le même pour toutes les étapes du cycle de vie et peut se résumer en trois mots : donner pour recevoir. Les clients sont beaucoup plus susceptibles d'acheter chez vous s'ils ont une relation avec vous. La meilleure façon de développer cette relation est d'offrir une expérience de valeur. Donc, pour obtenir de la valeur client (à vie), donnez de la valeur client. La figure 7.1 montre les concepts de base du parcours de valeur client. Les clients vous désengageront s'ils ne retirent pas de valeur de la relation. La définition de la valeur est très différente de celle de l'entreprise 103 Machine Translated by Google 104 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 7.1 Le parcours de la valeur client à l'entreprise et cela va de la valeur monétaire, en particulier dans le marketing d'entreprise, à la valeur utilitaire comme lors de l'utilisation d'un excellent aspirateur, en passant par la confiance en soi que vous pouvez ressentir lorsque vous portez une robe de créateur. Quelle que soit votre définition de la valeur, si les clients ne l'obtiennent pas, ils chercheront ailleurs. Il existe trois forces fondamentales à l'œuvre pour créer une relation avec un client. Premièrement, est­il logique pour l'entreprise d'avoir une relation avec le client, ce qui nécessite de réfléchir à la taille et au type de transaction, aux flux de revenus futurs, aux ventes croisées, aux opportunités de vente incitative et au coût d'acquisition ? Fondamentalement, ce client apportera­t­il suffisamment de valeur économique à l'entreprise au fil du temps ? Deuxièmement, vous devez vous demander s'il est logique que le client ait une relation avec vous ; cela inclut l'attachement émotionnel, le risque de décision, les produits de suivi, Machine Translated by Google Play Three : Prédire le parcours client pour le marketing du cycle de vie 105 ou services requis, implication avec le produit, etc. Fondamentalement, notre entreprise offre­t­elle ce que le client recherche ? Troisièmement, pour développer une relation avec un client, il faut que les conditions commerciales soient propices au bon fonctionnement du marketing du cycle de vie. Vous devez être en mesure de configurer l'expérience client à un niveau granulaire et disposer des données nécessaires pour comprendre et prédire le comportement des clients. Il est plus facile pour une entreprise vendant certains produits de développer une relation avec ses clients que pour d'autres. Par exemple, il est très difficile pour une marque de déodorant de permettre une relation de cycle de vie avec un client. En règle générale, le déodorant n'est tout simplement pas un produit à fort engagement et à haut risque qui a du sens pour le consommateur de fournir des informations et d'obtenir quelque chose en retour. D'un autre côté, pour une marque ou un détaillant d'appareils photo, il est beaucoup plus facile d'établir une relation avec ses clients. L'acheteur de l'appareil photo s'engagera avec la marque à partir d'un achat d'appareil photo, continuera à rester engagé avec la marque pour des accessoires supplémentaires, des vidéos de formation, des ateliers, des réparations, etc. Dans cet exemple, il est vraiment logique pour l'entreprise et le consommateur de s'engager dans une relation, où cela profite potentiellement aux deux et où les conditions commerciales sont mûres pour le faire. Il y a des exceptions à chaque règle. Par exemple, Secret est un anti­transpirant/ déodorant pour femmes fabriqué par Procter & Gamble (P&G) et lancé pour la première fois en 1956. En 2010, P&G a lancé la campagne anti­intimidation « Mean Stinks » autour de la marque Secret. Cette campagne, qui en est à sa cinquième année, a constamment suscité un fort engagement sur les réseaux sociaux et a réussi à vraiment engager les filles avec la marque de manière significative. Première valeur Comme l'a dit Confucius : "Chaque voyage commence par le premier pas", et cela est également vrai pour le parcours de la valeur client. La première étape de chaque parcours client consiste à amener vos acheteurs potentiels à la première valeur. Nous appelons parfois cela le "premier wow". La première valeur peut se produire après que quelqu'un vous ait acheté, mais il est encore mieux d'essayer d'amener vos prospects à la première valeur avant qu'ils ne vous aient payé un centime. C'est vraiment du marketing "donner pour obtenir". Considérez les nombreuses façons dont vous pouvez offrir de la valeur avant que quelqu'un ne soit techniquement un client. Dans le marketing grand public, vous pourrez peut­être exposer les consommateurs à votre marque via une excellente publicité Machine Translated by Google 106 Neuf jeux faciles pour démarrer avec le marketing prédictif campagne, campagne de marketing viral ou autre élément de contenu. Peut­être que les prospects découvrent votre ligne de vêtements sur votre blog de mode ou assistent à un défilé de mode agréable. De nombreux amateurs de yoga et coureurs découvrent d'abord le détaillant de vêtements de sport Lululemon lors des cours de yoga et les proposent dans ses magasins. Les spécialistes du marketing des appartements en temps partagé sont passés maîtres dans la conception d'expériences de première valeur sous la forme d'événements gratuits dans des lieux exotiques. La fille de Dominique a été recrutée dans une équipe de soccer compétitive selon l'approche « donner pour obtenir ». Alors que ses parents n'avaient pas l'intention de l'inscrire à une activité aussi chronophage et coûteuse, le club a été intelligent et a invité sa fille à participer à une clinique de football gratuite. De là, elle a été invitée à rejoindre la formation de l'équipe pendant quelques semaines. En peu de temps, elle s'était fait de bons amis et suppliait sa mère de se joindre à l'équipe. C'était il y a plus de cinq ans, et elle joue toujours (et sa mère paie toujours). Les entreprises de biens de consommation utilisent depuis longtemps des échantillons pour vous faire découvrir leur produit avant de l'acheter. L'échantillonnage de nourriture au club­ entrepôt Costco est un passe­temps populaire pour de nombreuses familles. Les entreprises de vente au détail se considèrent de plus en plus comme des entreprises de contenu ou de divertissement en premier lieu et ensuite comme des entreprises de vente au détail. Certains PDG du commerce de détail se présentent même comme des rédacteurs en chef. Le contenu est gratuit, mais les vêtements ne le sont pas. D'autres marques prennent très au pied de la lettre le « donner pour obtenir » et s'engagent dans le marketing de cause. La Burlington Coat Factory s'associe à KIDS/Fashion Delivers, une organisation qui fait don de vêtements et d'autres produits à des familles défavorisées à travers l'Amérique. Chaque ouverture de magasin est célébrée par une collecte de manteaux, faisant d'un événement caritatif la première expérience d'un client potentiel avec Burlington Coat Factory. Il existe également de nombreux exemples dans le domaine du marketing d'entreprise. Lorsque nous envisagions d'embaucher un consultant, il nous a d'abord invités à un séminaire gratuit, puis nous a offert une consultation gratuite d'une heure. Il nous a ensuite vendu à un cours de groupe complet et nous avons finalement signé pour ses services. De nombreux éditeurs de logiciels professionnels et grand public proposent désormais une période d'essai gratuite ou une version freemium de leur logiciel. Les deux permettent aux prospects d'utiliser le produit entièrement ou partiellement présenté pendant un certain temps avant de s'engager dans un achat. Lorsque vous offrez une période d'essai gratuite, assurez­vous que les clients atteignent la première valeur avant la fin de la période d'essai. Encore une fois, la définition de premier Machine Translated by Google Play Three : Prédire le parcours client pour le marketing du cycle de vie la valeur est différente pour chaque entreprise. Si vous vendez un logiciel de test d'assurance qualité, la première valeur consiste peut­être à définir votre premier test qui s'exécute avec au moins deux types d'appareils différents. Si vous vendez des logiciels d'automatisation du marketing, c'est peut­être votre client qui lance sa première campagne réussie. Valeur récurrente Mais amener les clients à la première valeur n'est pas suffisant pour fidéliser ces clients à long terme. Une seule action ne crée pas une habitude. Dans le marketing de détail, nous constatons que 70 % des premiers acheteurs ne reviennent jamais. Peut­être qu'ils n'ont pas eu une bonne expérience ou, plus probablement, ils vous ont simplement oublié. Il en va de même pour de nombreux produits commerciaux, y compris les logiciels. Il y a généralement une période de lune de miel juste après l'achat où les utilisateurs sont très enthousiastes à l'idée d'essayer un nouveau produit ou outil. Cependant, si l'utilisation du nouveau logiciel ne devient pas une habitude dans les premiers mois, une grande partie des logiciels d'entreprise finit par devenir un "shelfware". Shelfware est un logiciel qui a été payé mais jamais utilisé. Il n'est pas toujours évident que les entreprises ont perdu ces clients. Si vous êtes un magazine, vous ne découvrirez peut­être que vos abonnés ont cessé de lire votre magazine au moment du renouvellement. Cependant, il est alors trop tard pour prendre l'habitude de lire votre publication. Il en est de même pour les autres produits. Dans le commerce de détail, les clients ne sont généralement pas considérés comme perdus ou périmés jusqu'à un an après leurs premiers achats. Cependant, nos recherches montrent que pour la plupart des produits, si un achat répété ne se produit pas au cours des premiers mois, il ne se produira probablement jamais. Cette fenêtre de valeur récurrente est différente pour chaque entreprise. Si vous vendez des voitures, le délai de rachat peut être de plusieurs années. Si vous vendez de la nourriture pour animaux de compagnie, c'est probablement un mois ou moins. En ventes flash sur les sites de mode, c'est des semaines. Quelle que soit la durée de la période de lune de miel, juste après la première expérience de valeur d'un client avec votre marque, vous avez beaucoup de bonne volonté et une opportunité unique de convertir ce client d'un acheteur ponctuel en un acheteur récurrent. Votre travail consiste maintenant à fournir une valeur récurrente. Si vous demandez à un client de détail d'acheter une deuxième fois, le taux de désabonnement passe de 70 % à 30 %. En d'autres termes, alors que seulement 30 % des acheteurs uniques reviennent pour acheter à nouveau, 70 % des acheteurs pour la deuxième fois reviendront pour un autre achat. 107 Machine Translated by Google 108 Neuf jeux faciles pour démarrer avec le marketing prédictif Les algorithmes prédictifs aident à prévoir la fenêtre de rachat pour votre entreprise. Ils peuvent vous aider à approfondir pour prédire la fenêtre de rachat par clusters ou par client individuel. Disons que vous avez déterminé que la période de lune de miel pour votre entreprise est de deux mois et si un deuxième achat n'a pas lieu après deux mois, cela n'arrivera probablement pas. Vous pouvez effectuer plusieurs actions avec ces informations. Tout d'abord, fournissez des informations utiles au client immédiatement après le premier achat et offrez une note de remerciement pour l'achat initial. C'est également un bon moment pour faire des recommandations sur ce que le client pourrait vouloir acheter ensuite. Nous parlons davantage des recommandations au chapitre 10. Deuxièmement, si votre produit est généralement remplacé périodiquement, comme une crème pour le visage, des filtres à eau ou des médicaments pour animaux de compagnie, envoyez un rappel amical une semaine ou plus avant que leur stock ne soit susceptible de s'épuiser. La plupart des clients trouveront de la valeur dans le rappel lui­même : ils considéreront que c'est un bon service client que vous envoyiez ce rappel. Se réveiller un matin pour découvrir que vous n'avez plus de crème pour le visage ou de nourriture pour animaux de compagnie n'est pas amusant, donc un rappel de courtoisie est le bienvenu pour la plupart des consommateurs. Si après 60 jours aucun achat répété n'a eu lieu, il est temps d'intensifier votre jeu. Vous n'avez rien à perdre à ce stade, vous pouvez donc envisager de créer des incitations supplémentaires pour inciter le client à acheter à nouveau. Dans le marketing d'entreprise, vous souhaitez également voir une utilisation récurrente de votre produit dans les premiers mois suivant l'achat. Par exemple, si vous vendez un logiciel d'automatisation du marketing, vous souhaitez voir les clients configurer une deuxième et une troisième campagne ou page de destination peu de temps après la première. La baisse de l'utilisation ou la non­utilisation est un signe certain que votre client ne peut pas renouveler à la fin de sa période d'abonnement. Nouvelle valeur Même la valeur récurrente et les achats répétés ne sont pas la fin du parcours client. Si vous avez établi un bon modèle de valeur récurrente, vous ne perdrez peut­être pas ce client de si tôt, mais vous laissez toujours de la valeur sur la table. Au chapitre 5, nous avons parlé de la différence entre la valeur de durée de vie prévue et la valeur de durée de vie à la hausse. La valeur à vie prévue représente les revenus futurs que vous pouvez attendre des clients s'ils continuent Machine Translated by Google Play Three : Prédire le parcours client pour le marketing du cycle de vie 109 acheter chez vous, comme ils le font maintenant. Nous avons donné l'exemple d'une cliente achetant une bande de hockey dans un magasin de sport et le détaillant essayant de lui commercialiser des produits complémentaires qu'elle achète actuellement ailleurs afin de capter une nouvelle valeur. Si un client se rend déjà chaque année dans les parcs à thème Disney, la nouvelle valeur pour Disney serait de l'amener ensuite à partir en croisière Disney. Dans le marketing d'entreprise, une nouvelle valeur signifie amener les clients à payer pour plus de fonctionnalités du même produit ou à acheter plus de produits auprès du même fournisseur. Dans notre exemple d'automatisation du marketing, la nouvelle valeur pourrait aller au­delà de l'installation de simples campagnes par e­mail et de la configuration de la personnalisation sur site. Si vous ne bénéficiez pas de la pleine valeur qu'un produit ou un fournisseur a à offrir, vos risques de désabonnement sont plus élevés. Dans bon nombre de nos études de clientèle, nous avons constaté que toutes choses étant égales par ailleurs, les clients avec le plus grand nombre de catégories ou de produits distincts utilisés ont une valeur future plus élevée. L'engagement sur plusieurs produits est un indicateur fort de la valeur future. Stratégies de marketing du cycle de vie Examinons maintenant quelques stratégies de haut niveau pour donner de la valeur au client afin d'obtenir de la valeur pour le client. La figure 7.2 vous donne un aperçu des stratégies de marketing du cycle de vie. Nous discuterons de ces stratégies à un niveau élevé dans ce chapitre. Pour plus de détails sur des campagnes spécifiques, lisez les chapitres 11, 12 et 13. Stratégies des clients potentiels : pouvons­nous vous aider ? Nous avons décrit de nombreux exemples de ce que la première valeur pourrait signifier pour les clients potentiels. Quoi qu'il en soit pour votre entreprise, expérimentez différentes idées et mesurez les résultats. Mesurer les résultats, c'est aussi être à l'écoute de vos non­acheteurs. Effectuez un sondage de sortie sur votre site Web ou instituez des entretiens de perte pour toutes les affaires perdues dans le marketing d'entreprise. Surveillez vos prospects de toutes les manières possibles. En utilisant les données comportementales telles que les inscriptions par e­ mail, les remplissages de formulaires, le comportement de navigation sur le Web, les mots­clés utilisés, les spécialistes du marketing doivent prévoir et déclencher des campagnes pour prospecter afin de convertir efficacement pour devenir des clients. Les campagnes basées sur les données comportementales rendent l'expérience personnelle et augmentent considérablement les convers Par exemple, un prospect qui a recherché « chaussures rouges » sur le site Web après Machine Translated by Google 110 Neuf jeux faciles pour démarrer avec le marketing prédictif Cycle de la vie Commercialisation Commercialisation Segment Définition Objectif Stratégie Éventuel Quelqu'un qui n'a Obtenez le prospect Offrir la première valeur ou le premier client jamais acheté chez convertir en vous auparavant. un payant wow. client. Nouveau client Un tout nouveau Obtenez votre nouveau Accueillez de nouveaux clients, client dans client à obtenez des clients à valeur les 90 premiers jours revenir récurrente. Comprendre de sa première bientôt et acheter à pourquoi ils sont devenus achat. nouveau. clients et si et comment ils sont différents des clients existants clients. Répétition/actif client Quelqu'un qui a acheté Gardez ces Continuez à ravir, introduisez une nouvelle valeur. Trouver au moins deux fois clients chez vous. façons de les encourager à se demandez­leur de se référer référer à des amis. Introduire engagés, les autres. ces clients à de nouveaux catégories ou services avec lesquels ils n'ont pas interagi encore. À risque/ N'a pas acheté Inactif (ou utilisé) de produit client ou de service depuis 90 Réengagez ces Enquêter sur la satisfaction ; donner une clients. raison d'essayer à nouveau. Réactivez ces Donnez une raison de réessayer. jours ou peu susceptibles d'acheter. Périmé clients N'a pas acheté depuis un an, ou très faible clients. probabilité d'acheter Figure 7.2 Aperçu des stratégies de marketing du cycle de vie en vous inscrivant à la newsletter par e­mail, vous obtiendrez les meilleures ventes de chaussures rouges. Ces campagnes déclenchées sont très pertinentes et donc efficaces. Zendesk, un fournisseur de logiciels d'assistance en nuage, a généré la plupart de ses nouvelles activités grâce à un essai gratuit en libre­service. Parce que Zendesk ne parle pas à ses prospects en personne pendant le processus d'achat, il a décidé de surveiller exactement les fonctionnalités que les utilisateurs d'essai gratuit ont touchées. Grâce à ces informations, elle a pu identifier les parties du logiciel que les clients n'utilisaient pas et repenser le processus d'intégration. Ces changements ont entraîné une augmentation de plus de 100 % de l'engagement au cours de la période d'essai. Machine Translated by Google Play Three : Prédire le parcours client pour le marketing du cycle de vie Il est également important d'être utile pendant le processus d'achat. De nombreux clients entrent dans les magasins Apple sans avoir l'intention d'acheter. Une fois que les enfants commencent à jouer avec des jeux gratuits et que les adultes commencent à expérimenter de nouveaux téléphones et ordinateurs, ce n'est qu'une question de temps avant que les associés du magasin demandent aux clients comment ils peuvent les aider. Avant longtemps, un client pourrait poser des questions sur le coût de la mise à niveau d'un téléphone et une vente pourrait s'ensuivre. La même chose peut être faite avec le marketing numérique. Si vous constatez que des personnes visitent votre site Web mais n'effectuent pas d'achat, tendez une main utile. L'équivalent numérique de « pouvons­nous vous aider » pourrait être une boîte de discussion en ligne, une fenêtre contextuelle ou un rappel amical après que les visiteurs ont déjà quitté votre site. Nous parlerons davantage des campagnes de remarketing telles que l'abandon de panier, les e­mails ou le reciblage display au chapitre 11. Dans le marketing d'entreprise, vous voudrez peut­être décrocher le téléphone et appeler un prospect avec un simple « puis­je vous aider ». Nouvelles stratégies client : merci Nous avons établi que si vous ne convertissez pas rapidement l'acheteur ponctuel, vous ne convertirez jamais ce client. Ainsi, les actions que vous entreprenez dans les premiers jours, semaines et mois après avoir acquis un nouveau client sont extrêmement importantes. Un bon endroit pour commencer avec de nouveaux clients est un simple merci. Les organismes à but non lucratif sont passés maîtres dans l'envoi de lettres de remerciement. En incluant des informations sur l'impact du don, les organisations à but non lucratif font en sorte que le donateur se sente bien et assurent les dons futurs. Le SmileTrain est une organisation à but non lucratif qui finance des opérations de fente labiale dans les pays en développement. Lorsque vous faites un don au SmileTrain, l'organisation répond en envoyant des photos avant et après d'un enfant qui a été transformé physiquement grâce à votre don. Si peu d'entreprises font un bon travail à un bon merci qu'il est facile de se démarquer et de faire une grande impression. Lorsque vous commandez chez Moosejaw, un détaillant qui vend des équipements et des vêtements de plein air, votre commande arrive dans une boîte avec un autocollant qui dit : "Scellé avec un baiser par : Matt" et le nom écrit à la main de l'emballeur qui a fermé votre boîte. Vous pouvez trouver de nombreuses photos en ligne de clients qui ont été tellement impressionnés par ce geste qu'ils ont publié des éloges à ce sujet en ligne. Les boîtes sont également livrées avec d'autres autocollants tels que "Pas de couteau. Utilisez les dents. et « Ne soyez pas surpris si vous 111 Machine Translated by Google 112 Neuf jeux faciles pour démarrer avec le marketing prédictif J'ai déjà vu cette boîte. Nous recyclons." Le CMO de Moosejaw, Dan Pingree, affirme que cela permet à l'entreprise d'offrir des expériences client dont les gens se souviennent, et pas seulement des produits ou des transactions. Après votre remerciement, assurez­vous de fournir aux nouveaux clients des conseils utiles sur la façon d'utiliser ou d'entretenir leurs nouveaux produits. Cela pourrait être une liste de conseils sur la façon d'utiliser, de laver ou d'entretenir le produit. Peut­être qu'un représentant du service client pourrait même décrocher le téléphone et demander au client si tout va bien avec un premier achat. Nous avons constaté que la même chose est vraie dans le marketing d'entreprise. Si un client rencontre des problèmes avec votre produit, rien n'est plus puissant qu'un représentant du service client qui vous contacte de manière proactive. Si vous savez que votre produit est difficile à utiliser, offrez peut­être aux clients un cours gratuit ou des appels téléphoniques réguliers avec un représentant du service client. Au­delà d'inciter les clients à utiliser votre produit ou à revenir et à acheter plus, le post­ achat est également un bon moment pour faire des recommandations de vente incitative ou de prochaine vente. Les magasins de rénovation domiciliaire ont constaté que peu de temps après que les clients aient acheté du bois pour construire une terrasse, ils étaient à la recherche d'un nouveau barbecue ou grill. Et peu de temps après que les clients aient acheté un nouveau gril à granulés de bois, ils achetaient généralement des accessoires de gril, un livre de cuisine pour le gril et des granulés de bois de recharge. L'analyse prédictive peut vous aider à trouver ces produits corrélés et vous aider à détailler davantage le parcours client. Une fois que vous savez quels produits sont généralement achetés ensuite, vous pouvez envoyer des recommandations aux clients de manière proactive. Si vous ne parvenez pas à convertir un client pendant la période de lune de miel, n'abandonnez pas. Au lieu de cela, intensifiez­le. Vous n'avez rien à perdre alors autant proposer une offre plus agressive. Plus vous attendez, moins vous avez de chances de faire revenir le client. Vous avez toujours une bien meilleure chance que d'attendre que le client tombe en panne. Stratégies client récurrentes/actives : nous vous aimons Il existe une idée fausse très répandue selon laquelle si les clients utilisent activement votre produit ou service et reviennent pour acheter encore et encore, vous devez les laisser tranquilles. Rien ne pourrait être plus éloigné de la vérité. Il y a encore beaucoup à perdre et à gagner de ces clients. Vous voulez toujours garder l'esprit des clients. Il y a tellement de marques qu'il est facile de se faire oublier. Une fois hors de vue, il est probable que votre marque le soit également. De plus, les clients réguliers restent souvent Machine Translated by Google Play Three : Prédire le parcours client pour le marketing du cycle de vie avoir une valeur à vie à la hausse si vous pouvez les amener à vous acheter d'autres produits. Si rien d'autre, les clients réguliers sont également des candidats de choix pour devenir des ambassadeurs de votre marque et pour parrainer leurs amis. Une simple campagne pour apprécier vos meilleurs clients peut être puissante. Par exemple, lorsque LinkedIn a atteint 200 millions d'utilisateurs, l'entreprise a envoyé un e­mail à ses 1 %, 5 % et 10 % des profils les plus consultés dans différentes zones géographiques. Bon nombre des principaux utilisateurs ont fièrement publié en ligne la lettre numérique qu'ils ont reçue, et ce simple geste est devenu l'une des plus grandes campagnes de marketing viral de l'histoire de LinkedIn. De même, dans les premières années d'Amazon, le détaillant de commerce électronique envoyait des tasses à café à ses clients fidèles pendant les vacances de Noël. Nous avons reçu une telle tasse et 15 ans plus tard, nous nous en souvenons assez bien pour en parler dans ce livre ! Pour les clients réguliers dans le cadre de la gestion du cycle de vie du client, la création de stratégies de traitement impliquerait de comprendre les clients du point de vue de la valeur, du comportement, de l'engagement, du produit et de la marque, comme nous l'avons décrit dans le chapitre où nous avons discuté du regroupement. Stratégies client inactif : Se souvenir de moi N'abandonnez pas les clients inactifs. Ce n'est pas parce qu'ils n'ont rien acheté depuis un certain temps qu'ils ne vous achèteront jamais rien. La première chose à faire est de rechercher s'il existe une raison spécifique pour laquelle ce client a cessé d'acheter ou d'utiliser votre produit ou service. Vous pouvez le faire en décrochant le téléphone ou via une enquête par e­mail. Ne faites pas de suppositions. Un fournisseur avec lequel nous faisons affaire essayait d'être ultra centré sur le client en désinscrivant de manière proactive les consommateurs de leur liste de diffusion s'ils n'avaient pas ouvert ces e­mails depuis un certain temps. De nombreux clients qui se désinscrivaient automatiquement étaient contrariés. Même s'ils n'avaient pas acheté depuis un certain temps, beaucoup ont dit qu'ils aimaient toujours lire la newsletter et avaient bien l'intention d'acheter à nouveau. Plus tôt vous agissez sur les clients inactifs, mieux c'est. N'attendez pas qu'ils tombent en panne. Offrez des rappels doux et constants des grandes expériences passées qu'ils ont eues avec votre marque et donnez un léger coup de pouce pour revenir. Tout comme un simple « merci » et « Puis­je vous aider ? », un simple rappel peut faire des merveilles pour les clients inactifs. L'application musicale Shazam a trouvé que le meilleur moyen de réengager les abonnés qui ne s'étaient pas connectés au service depuis un certain temps était d'envoyer des messages personnalisés. 113 Machine Translated by Google 114 Neuf jeux faciles pour démarrer avec le marketing prédictif recommandations de chansons ou de concerts par e­mail ou notifications push mobiles. Si les recommandations ne fonctionnent pas, envoyez des rappels avec un simple « tu nous manques » et commencez à donner à vos clients des raisons précises de revenir. Pour les consommateurs, peut­être qu'une remise les incitera à acheter à nouveau. Pour les entreprises, vous proposez peut­être une mise au point ou une formation gratuite. La messagerie et les offres pour les clients inactifs et les clients périmés sont très similaires, mais vous devez augmenter la valeur des offres au fil du temps. Il deviendra de plus en plus difficile de convaincre les clients de revenir. Vous devez tenir compte de la fenêtre de rachat personnalisée lors de cette opération. Certains produits ont un délai plus long entre deux achats et certains clients ont un délai plus long entre deux achats. Inutile de me rappeler tous les mois de revenir si vous savez d'après mon comportement passé que je suis le genre d'acheteur qui ne vient que deux fois par an pour s'approvisionner. Stratégies des clients périmés : vous nous manquez Les clients périmés sont ceux qui n'ont pas acheté depuis plus d'un an ou ceux qui ont laissé expirer leur abonnement ou service. Ici, le fil conducteur est "qu'avons­nous à perdre?" Ces clients peuvent ou non répondre à vos e­mails, mais il y a plus de chances qu'avec des clients inactifs qu'ils se désintéressent de vos communications. Une offre solide est ici plus importante que des recommandations et rappels personnalisés. Alors que la plupart des stratégies de rappels, d'offres d'aide croissantes et de raisons de revenir, et de simples "tu me manques" s'appliquent toujours à ce segment de clientèle, vous devrez peut­être essayer différents canaux pour atteindre ces clients. Si un client n'a pas ouvert un e­mail de votre part pendant un an, cela ne sert à rien de continuer à envoyer des e­mails. Au lieu de cela, vous pouvez essayer la publicité par publipostage ou les audiences personnalisées Facebook pour atteindre ces clients. Peut­ être que le client regardera l'offre de carte postale et sera inspiré pour revenir dans votre magasin. PetCareRx a envoyé des cartes postales pour réactiver les clients périmés. Les cartes postales sont chères, elles ne sont donc envoyées qu'aux clients ayant une probabilité d'achat relativement élevée. De plus, l'incitation à revenir à PetCareRx était différente pour les clients ayant des valeurs de durée de vie différentes. Ceux avec des valeurs à vie plus élevées ont reçu une remise plus importante sur leur prochaine commande. Machine Translated by Google CHAPITRE 8 Play Four : Prédire Valeur client et Marketing basé sur la valeur L'époque unique est révolue depuis longtemps. Tous du lesservice clientsclient ne vous seront pas aussi précieux que les autres. Par exemple, les coûts encourus par les clients qui retournent fréquemment les articles qu'ils achètent pourraient l'emporter sur les revenus de ces clients. Au chapitre 4, nous avons défini en détail la valeur vie client. Dans ce chapitre, nous examinons les stratégies de segmentation et de ciblage des clients en fonction de leurs valeurs à vie, une pratique appelée marketing basé sur la valeur . Marketing basé sur la valeur Toute entreprise aura ces clients à faible valeur, ainsi que des clients à valeur moyenne et élevée. L'astuce consiste à identifier quels clients correspondent à quels compartiments de valeur et à élaborer des stratégies de marketing et de service différenciées en fonction de la valeur de chaque client. Cela signifie conserver des avantages tels que la livraison et les retours gratuits illimités pour les clients de grande valeur, plutôt que pour les gros retours de faible valeur. 115 Machine Translated by Google 116 Neuf jeux faciles pour démarrer avec le marketing prédictif La figure 8.1 résume les trois stratégies clés en fonction du client valeur tomère : • Clients de grande valeur : dépensez de l'argent pour apprécier et conserver ces clients. Portez une attention particulière aux mesures de rétention ici. • Clients de valeur moyenne : vente incitative pour migrer ces clients afin de maximiser leur potentiel. Portez une attention particulière au potentiel de hausse de ces clients. • Clients à faible valeur : réduisez vos coûts de maintenance non rentables clients. Pour des raisons de simplicité, nous avons réparti les clients en trois segments, à valeur élevée, moyenne et faible. Nous désignons généralement les 10 % de clients les plus performants en tant que « clients VIP », car il devrait y avoir très peu de clients VIP auxquels prêter attention, les 60 % suivants en tant que clients « moyens » et les 30 % inférieurs en tant que clients à « faible rentabilité ». Cela se fait facilement en classant les clients du chiffre d'affaires ou de la rentabilité le plus élevé au plus bas et en choisissant les 10 % supérieurs, les 60 % suivants et les 30 % inférieurs. La raison pour laquelle nous ne le faisons pas est basée sur un chiffre d'affaires absolu ou une rupture de rentabilité (par exemple, tous les clients qui ont dépensé plus de 500 $ par an se trouvent dans une tranche de valeur élevée). La raison est d'avoir toujours la même proportion de clients dans les segments de valeur et de suivre Figure 8.1 Stratégies de marketing basées sur la valeur Machine Translated by Google Play Four : Prédire la valeur client et le marketing basé sur la valeur la valeur moyenne de ces segments. De cette façon, les mesures de rétention peuvent être calculé pour la même partie de la population, et cette approche est à l'épreuve des variations des moyennes du segment. La raison du choix de ce 10/60/30 est plus un choix commercial que mathématique. Vous pouvez également choisir de trouver la bonne répartition en en regardant l'histogramme de valeur et décider de la bonne répartition dans un façon plus mathématique. Chez un détaillant de vêtements avec qui nous avons travaillé, au sein clients actifs, les clients de grande valeur ont dépensé 600 $ en moyenne, alors que les clients de valeur moyenne ont dépensé 120 $ et les clients de faible valeur ont dépensé 30 $. Ce n'est pas atypique ; dans de nombreux cas, nous avons vu que les 10 % des clients les plus importants contribuent à près de 30 à 40 % de tous les bénéfices, les clients à valeur moyenne contribuent à 60 à 70 % et les clients à faible valeur contribuer entre 0 et 10 %. Pour toute combinaison de segments de valeur client, vous devez prêter attention à la manière dont la combinaison évolue au fil du temps, en vous assurant que la fidélisation et l'acquisition pour chacun de ces segments évolue favorablement. Le concept derrière le marketing basé sur la valeur est de comprendre le mélange de clients valeur dans le temps. La figure 8.2 montre comment cela fonctionne en examinant la valeur répartition des clients au cours des 12 derniers mois (ou si vous utilisez des mesures prédictives, vous utiliserez la valeur prévue pour les 12 prochains mois par rapport à valeur des 12 derniers mois) et en les croisant avec la valeur des 12 mois précédents statut de valeur du client. Par exemple, si un client était une valeur élevée au cours des 12 derniers mois et n'a pas passé de commande au cours des 12 derniers mois, ceci est défini comme un client périmé. Cependant, il existe trois segments de clients périmés, comme indiqué, allant d'une valeur élevée, moyenne à faible. segment. La déchéance des clients de grande valeur est bien pire que celle des clients de faible valeur Figure 8.2 Transition de valeur et définition des segments de valeur 117 Machine Translated by Google 118 Neuf jeux faciles pour démarrer avec le marketing prédictif clients (dont vous pourriez même être mieux sans dans certains cas où les clients à faible valeur contribuent négativement à la rentabilité). La matrice de transition illustrée à la figure 8.2 peut être utilisée pour calculer de nombreuses métriques utiles. Les sept segments représentés sur la figure décrire les modèles importants dans vos données client. Le segment 1 décrit clients inactifs depuis longtemps (24 mois ou plus dans cet exemple). Ce ne sont pas seulement des clients périmés, mais des clients vous n'avez pas réussi à réactiver. La plupart des spécialistes du marketing en ont un nombre croissant clients au fil des ans et offrent un bassin d'opportunités pour réactiver du passé. Le segment 2 correspond aux clients qui existaient dans votre base de données clients et qui étaient inactifs et qui ont récemment été réactivés. La L'importance de la réactivation est qu'elle contrebalance les efforts des clients qui ont abandonné. Le segment 3 correspond aux clients qui restent dans leur segment de valeur heures supplémentaires. Le segment 4 correspond aux clients qui ont cessé leur activité au cours de la période récente et qui utilisé pour être actif. Le segment 5 correspond aux clients qui migrent vers le haut dans valeur, ce qui montre qu'ils augmentent leur fidélité et leur valeur. Segment 6 est l'opposé de 5 ; ce sont des clients qui migrent vers le bas valeur et risque d'attrition du signal. Le segment 7 correspond aux clients qui sont récemment acquis et quelle valeur ils ont ou devraient avoir. Comme nous l'avons mentionné précédemment, vous pouvez soit utiliser la valeur historique réelle ou la valeur future prévue lors de l'utilisation de ce cadre. La figure 8.3 montre un exemple de ce cadre. Par exemple, nous peut voir que 1 000 clients qui étaient des clients de grande valeur ont expiré. Il montre également que sur les 21 000 clients acquis, 3 000 eux étaient des clients de grande valeur. 12 derniers mois 12 mois précédents Non. Haute Ordres Évaluer Évaluer Évaluer Moyen Bas Nouveau Total client 20 000 1 000 1 000 14 000 20 000 Haute valeur 15 000 9 000 000 52 2 000 1 000 3 000 22 000 Valeur moyenne 000 2 000 3223 000 000 96 000 3 000 14 000 127 000 18 000 38 000 4 000 64 000 130 000 62 000 21 000 268 000 Nbre de commandes Valeur faible Total Figure 8.3 Exemple de cadre de transition de valeur 55 000 Machine Translated by Google 119 Play Four : Prédire la valeur client et le marketing basé sur la valeur Dépenser/ Rapporter Réactivation Nouveau – Périmé Changer Gain de valeur/ Perte Client Haute valeur 1 000 3 000 (1 000) 3 000 14 000 (14 600 $ 1 800 000 $ Valeur moyenne 9 000 000) 9 000 4 000 (20 000) (14 21000) 000 120 $ 1 080 000 $ Valeur faible 2 000 Total (35 000) (2 000) 15 $ 12 000 (210 000 $) 2 670 000 $ Figure 8.4 Perte/gain net résultant de l'acquisition, de la réactivation et Segments périmés Dans la figure 8.4, nous montrons une utilisation pratique de ce cadre pour suivre les performances d'une base de clients. Nous savons que pour chaque périmé client, nous pouvons soit en acquérir un nouveau, soit réactiver un client existant client. Ce cadre traite également d'un facteur important; sommes nous acquisition et réactivation de clients de même valeur par rapport aux anciens clients clients. Cela montre la rétention d'une manière plus granulaire pour découvrir ce que nous appelons l'attrition silencieuse, c'est­à­dire que nous pourrions acquérir/réactiver le même nombre de clients, mais de valeur inférieure, perdant ainsi la valeur d'entrée. Dans l'exemple donné à la Figure 8.4, il montre que la le nombre de clients (gain/perte net total, soit ­2 000 clients) a vers le bas; cependant, en raison de la rétention accrue des segments à plus forte valeur ajoutée, la valeur client a augmenté de 2,7 millions de dollars. Conserver les clients de grande valeur Jusqu'à récemment, de nombreuses entreprises étaient incapables d'identifier leurs clients de grande valeur, et encore moins de leur accorder le traitement des gants blancs. Bien que les compagnies aériennes, les banques et les casinos savent qu'il est avantageux de faire de gros investissements dans la rétention des incitations pour les clients de grande valeur, trop d'organisations de taille moyenne encore ignorent leurs meilleurs clients. Dépenser pour fidéliser les clients de grande valeur est payant. Souvent, un petit pourcentage de clients constitue la majorité des revenus. Un cosmétique détaillant avec lequel nous travaillons a découvert que 50 % de ses revenus provenaient de 20 % des clients. Lors de l'analyse de ses meilleurs clients, un site de vente flash populaire a constaté que certains de ses meilleurs acheteurs dépensaient plus de 100 000 $ par année avec le détaillant. Lorsqu'un site Web populaire de rénovation domiciliaire a commencé à calculer valeur à vie pour leurs clients, il a été surpris de constater que certains Machine Translated by Google 120 Neuf jeux faciles pour démarrer avec le marketing prédictif les clients ont dépensé plus de 20 fois plus que le client moyen. Ces soi­disant baleines étaient si importantes pour l'entreprise que le PDG a commencé à décrocher le téléphone pour apprendre à connaître ces clients un par un. De ces conversations, de nouvelles idées ont émergé sur la façon de mieux servir et d'attirer davantage de clients de grande valeur. De même, un site de vente flash a décidé d'envoyer une boîte de chocolats pour Noël à l'ensemble de son top 1 des clients. Cela valait bien l'argent car leur pourcentage le plus élevé 1 représentait 20% de leurs revenus. Les entreprises technologiques Wufoo et Stripe sont bien connues pour envoyer des notes manuscrites pour épater leur clients. Dans l' article de la Harvard Business Review « Gérer le marketing par le test d'équité client », les auteurs Robert C. Blattberg et John Deighton racontent les expériences de McDonald's. Les dirigeants de la société ont noté que la valeur de ce qu'ils appellent les utilisateurs super lourds ­ généralement des hommes âgés de 18 à 34 ans qui mangent chez McDonald's en moyenne trois à cinq fois par semaine ­ représente 77 % de ses ventes. Naturellement, fidéliser ces clients et les faire manger plus souvent dans ses restaurants est une priorité. En règle générale, il est beaucoup plus facile d'amener un client actuel à vous utiliser plus souvent que d'obtenir un nouveau client. Un autre exemple de marketing basé sur la valeur est les programmes de récompenses de fidélité des compagnies aériennes qui sont basés sur les dollars que vous dépensez avec la compagnie aérienne, plutôt que sur les miles que vous avez parcourus. De cette façon, les clients les plus rémunérateurs obtiennent automatiquement une plus grande récompense que les clients les moins rémunérateurs. Les spécialistes du marketing doivent utiliser leurs budgets de fidélisation afin de fidéliser de manière proactive les clients de grande valeur. Si vous disposez d'une projection précise de la valeur à vie future du client, vous pouvez expérimenter ce qu'il faut pour fidéliser ce client. Certaines organisations peuvent envisager d'élaborer des plans de marketing distincts ou même de constituer des équipes de marketing distinctes pour se concentrer sur les efforts d'acquisition et de fidélisation. Les titres contenant «marketing client» et «succès client» sont de plus en plus populaires dans de nombreux secteurs verticaux. Nous discutons plus en détail des stratégies de rétention au chapitre 13. Clients de valeur moyenne en croissance Votre stratégie principale pour les clients à valeur moyenne consiste à les pousser dans le segment des clients à valeur élevée. En plus de vendre à ces clients davantage de produits qu'ils achètent déjà, commencez à prédire quels autres produits et catégories ces acheteurs pourraient aimer. Un client que Machine Translated by Google Play Four : Prédire la valeur client et le marketing basé sur la valeur qui dépense 1 000 $ dans trois catégories, par exemple les meubles, les vêtements et les ustensiles de cuisine, a plus de valeur future qu'un client qui dépense 1 000 $ uniquement pour les meubles. Votre stratégie doit toujours être d'essayer d'inciter les clients à acheter chez vous dans plusieurs catégories. Les clients qui aiment déjà les produits et services d'une entreprise sont moins chers à servir avec de nouveaux produits et services. Pour cette raison, vous devriez recommander différents produits aux clients existants, ainsi qu'ajouter de nouveaux produits et services pour répondre aux besoins changeants de vos clients. Les entreprises qui n'utilisent pas leur connaissance des clients pour promouvoir ou développer les produits ou services dont ces personnes auront ensuite besoin laissent la porte ouverte à une autre entreprise pour attirer ces personnes. Bien qu'il soit tentant d'utiliser de nouveaux produits pour conquérir de nouveaux marchés, il est presque toujours plus logique de s'en tenir aux segments de clientèle existants. Mavi Jeans a très bien réussi à faire migrer ses clients vers des segments à plus forte valeur ajoutée. Par exemple, l'entreprise a trouvé un segment d'amateurs de jeans qui avaient également une affinité avec certains hauts mais qui n'avaient jamais été commercialisés ces hauts. L'ajout de campagnes basées sur ces informations a augmenté la valeur vie client de 36 %. Dans son article de Harvard Business Review sur la gestion basée sur la fidélité, Frederick F. Reichheld raconte les histoires d'Entenmann's de New York, un leader des produits de boulangerie spécialisés, et du constructeur automobile Honda. Lorsque Entenmann's a vu ses ventes se stabiliser, elle a découvert qu'à mesure que ses principaux clients vieillissaient, ils recherchaient davantage de produits sans gras et sans cholestérol. Ainsi, au lieu d'essayer de trouver de nouveaux clients pour ses produits existants, Entenmann a décidé qu'il était plus économique de lancer une nouvelle gamme de produits sans gras ni cholestérol pour servir ses clients existants. La nouvelle ligne rencontre un franc succès. De même, Honda a découvert comment augmenter le taux de rachat d'un propriétaire Honda à 65 %, contre une moyenne de 40 % dans l'industrie, en lançant de nouvelles voitures qui répondent aux besoins changeants de ses clients. Par exemple, elle a commercialisé avec succès la familiale Accord auprès des anciens propriétaires de la sous­compacte Honda Civic. Le wagon a été conçu pour répondre aux besoins changeants des clients acquis au début de la vingtaine qui étaient maintenant mariés avec des enfants et avaient besoin d'une voiture plus grande. Nous discutons en détail des stratégies pour accroître la valeur client au chapitre 12. 121 Machine Translated by Google 122 Neuf jeux faciles pour démarrer avec le marketing prédictif Réduire les coûts pour servir les clients à faible valeur Chaque marque se retrouvera avec un segment de clients non rentables. Il est préférable d'essayer de réduire les coûts pour servir les clients à faible valeur, plutôt que de licencier ces clients et de laisser la porte ouverte aux concurrents pour qu'ils se renforcent. Dans n'importe quel scénario d'affaires, c'est un fait de la vie. Lors de l'acquisition de clients, il est impossible de rejeter les clients de faible valeur. Cependant, le contrôler, c'est­à­dire comprendre, mesurer et surveiller la taille et la valeur de ce segment dans le temps, est extrêmement important. Une fois que vous savez qui fait partie de ce segment et pourquoi, vous pouvez vous concentrer sur la formulation de stratégies pour réduire le coût de service/commercialisation de ce segment. Heureusement, il est désormais possible de différencier le niveau de service offert aux différents segments de clientèle. Un site de ventes flash de mode a découvert qu'un segment de clientèle particulier retournait plus de vêtements qu'il n'en gardait et était donc très peu rentable. L'entreprise a alors décidé de ne commercialiser que des bijoux auprès de ce segment de clientèle car les taux de retour en ligne sur les colliers et les boucles d'oreilles sont bien inférieurs à ceux des vêtements et des chaussures. D'autres détaillants ont commencé à se différencier en offrant la livraison gratuite à certains clients, mais pas à tous. Si vous retournez beaucoup de produits, vous ne bénéficierez probablement pas du privilège de livraison gratuite à l'avenir. À cette fin, First Union Bank dispose d'un système appelé Einstein, qui attribue automatiquement un drapeau vert, jaune ou rouge à chaque client. Les représentants du service ont pour instruction de ne pas supprimer les frais pour les clients rouges, de les supprimer pour les clients verts et de faire preuve de discrétion pour les clients jaunes. Ils ont généré environ 100 millions de dollars de revenus annuels supplémentaires supplémentaires sur la base de cette stratégie différenciée. De même, First Chicago Corporation a imposé des frais de guichet de 3 $ aux clients perdants (3 % de leur clientèle). En identifiant les gros utilisateurs déficitaires et en leur envoyant des avis d'augmentation des frais, l'entreprise a réduit sa clientèle de 11 millions de 450 000 en six mois. Machine Translated by Google CHAPITRE 9 Play 5 : Prédire Probabilité d'acheter ou de s'engager pour se classer Clients Les modèles de la propension, également appelés avec modèles de probabilité d'achat ou modèles de réponse , sont ce à quoi plupart des gens pensent l'analyse prédictive. Ces aident à prédire la probabilité d'un certain type de comportement client, par exemple si un client qui navigue sur votre site Web est susceptible d'acheter quelque chose. Dans ce chapitre, nous examinons comment les spécialistes du marketing peuvent optimiser tout, de la fréquence d'envoi des e­mails au temps du personnel de vente, en passant par l'argent, y compris les remises, lorsqu'ils disposent d'informations sur la probabilité d'achat ou la probabilité d'engagement. La pharmacie pour animaux de compagnie en ligne PetCareRx est au service des propriétaires d'animaux depuis plus de 15 ans. Elle vend de nombreux produits que les clients doivent commander à nouveau à des moments variables de 3 mois à 12 mois. Comme la plupart des détaillants, PetCareRx a adopté une approche marketing unique, offrant un calendrier fixe de remises et de promotions à tous les clients. Mais tous les clients ne se ressemblent pas et beaucoup cherchent à acheter à différents moments de l'année. Grâce à l'analyse prédictive, PetCareRx a pu différencier les remises entre les clients, ce qui a entraîné une augmentation des ventes et de la fidélisation sans augmenter les coûts. Les clients ont été classés en fonction de leu 123 Machine Translated by Google 124 Neuf jeux faciles pour démarrer avec le marketing prédictif acheter. Sur la base de ce classement, PetCareRx a été en mesure de déterminer quelles remises obtiendraient la réponse optimale de chaque client et offriraient des remises minimales par e­mail ou cartes postales aux clients qui étaient déjà jugés susceptibles d'acheter et offriraient des remises plus importantes aux clients moins susceptibles d'acheter. . Les promotions chirurgicales ont généré une marge supplémentaire pour les clients déjà motivés à acheter et des revenus supplémentaires pour les clients qui ne ressentaient auparavant aucune incitation à acheter. Grâce à cette campagne et à d'autres campagnes de marketing prédictif, les ventes trimestrielles ont augmenté de 38 % par rapport à l'année précédente, les bénéfices ont augmenté de 24 % et la fidélisation de la clientèle a augmenté de 14 %. De plus, les changements ont permis à PetCareRx de plus que doubler les taux de réponse de ses campagnes sans augmenter le budget marketing ou promotionnel d'un seul dollar. Probabilité d'acheter des prévisions Pour prédire quels prospects sont prêts à effectuer leur premier achat, un modèle de probabilité d'achat similaire évalue les données client non transactionnelles, telles que le nombre de fois qu'un client a cliqué sur un e­mail ou la manière dont le client interagit avec votre site Web. Ces modèles peuvent également prendre en compte certaines données démographiques. Par exemple, dans le marketing grand public, ils peuvent comparer le sexe, l'âge et le code postal à d'autres acheteurs potentiels. Dans le marketing d'entreprise, les données démographiques pertinentes peuvent inclure l'industrie, le titre du poste et la géographie. Voici comment cela fonctionne : les modèles comparent le comportement de préachat des acheteurs potentiels au comportement de préachat de milliers ou de millions de clients précédents qui ont fini par acheter, en comparant des attributs tels que les e­mails qu'ils ont ouverts et les produits qu'ils ont passés le plus de temps à regarder. Les prospects qui se comportent le plus comme les acheteurs précédents sont étiquetés comme "acheteurs à forte probabilité" et les spécialistes du marketing peuvent alors modifier la façon dont ils interagissent avec eux pour augmenter la probabilité de conclure une vente. Une fois que vous êtes armé de ces données, vous pouvez hiérarchiser votre investissement dans chaque client potentiel. Probabilité d'acheter pour les premiers acheteurs Pour les spécialistes du marketing grand public, les prévisions de probabilité d'achat vous permettent de décider du montant de la remise que vous pouvez allouer à un certain client Machine Translated by Google Play Five : Prédire la probabilité d'achat ou d'engagement pour classer les clients parce que les personnes qui sont déjà plus susceptibles d'acheter n'auront pas besoin d'une remise aussi agressive que les clients qui sont moins susceptibles d'acheter. Les modèles s'améliorent ensuite au fil du temps, à mesure que les entreprises collectent davantage de données et testent automatiquement si les prévisions deviennent réalité. Par exemple, le grand fabricant européen d'appareils électroménagers Arcelik gère un centre d'appels où les employés reçoivent une liste de clients susceptibles d'être prêts à acheter une nouvelle machine à laver dans les prochains mois. Les agents appellent ensuite ces clients avec des offres telles qu'un an de détergent gratuit à l'achat d'une machine à laver. La tactique fonctionne bien pour les achats réfléchis, tels que les réfrigérateurs ou les voitures, et les articles plus coûteux tels que les vêtements de mode haut de gamme. Une marque de chaussures haut de gamme fournit également aux vendeurs des listes de clients à appeler. Les associés du magasin ont déjà développé des relations solides avec leurs clients, mais ils peuvent être encore plus performants lorsqu'ils sont armés d'analyses prédictives. Les employés peuvent désormais voir quels clients sont susceptibles d'être intéressés par un certain style lors de la sortie d'une nouvelle chaussure de saison, en fonction du comportement passé des clients ou de la similitude de leurs habitudes d'achat avec celles d'autres clients. Les employés peuvent ensuite contacter les clients avec ces informations. Un appel pourrait ressembler à ceci : « Salut Joe, cela fait un moment que nous ne nous sommes pas parlé. Je voulais juste vous faire savoir qu'il y a une nouvelle chaussure de course de fond que je pense que vous pourriez aimer. C'est similaire aux chaussures que vous avez achetées il y a deux ans, mais dans un nouveau matériau. Je vous ai réservé une paire à votre taille. Si vous avez le temps, vous pourriez peut­être vous arrêter en rentrant du travail pour jeter un coup d'œil ? » Qui ne voudrait pas recevoir un appel ou un e­mail comme celui­là de leur personal shopper? Comme l'ont rapporté le New York Times et d'autres, le président Barack Obama a utilisé des modèles de propension, en particulier la propension à voter pour le Parti démocrate, pour l'aider à être réélu en 2012. Son équipe de bénévoles n'a pas pu rencontrer tous les électeurs du pays. le défi était de trouver les électeurs indécis. Il ne servait à rien de dépenser du temps ou de l'argent à essayer de courtiser des républicains purs et durs qui ne changeraient pas d'avis de toute façon, ou des démocrates purs et durs qui étaient déjà susceptibles de voter pour Obama. Au lieu de cela, en utilisant des modèles de propension, l'équipe de scientifiques des données d'Obama a trouvé les électeurs indécis mais qui pouvaient encore être persuadés. Ils se sont ensuite concentrés sur la recherche de partisans déjà solides d'Obama dans le cercle social de l'électeur indécis et leur ont demandé de passer du temps avec l'électeur indécis pour expliquer leur point de vue. 125 Machine Translated by Google 126 Neuf jeux faciles pour démarrer avec le marketing prédictif Probabilité d'acheter pour les acheteurs réguliers A quoi bon dépenser de l'argent pour acquérir de nouveaux clients s'ils ne acheter une fois et ne pas revenir? Par conséquent, il est non seulement important de prédire la probabilité d'achat pour les premiers acheteurs, mais il est tout aussi important pour prédire la probabilité d'achat pour les acheteurs réguliers. Votre objectif est de faire en sorte que les clients reviennent encore et encore. Ce sont des clients heureux et fidèles qui ont une grande valeur à vie, et de nombreux clients avec une grande valeur à vie valeur apporter des revenus et des bénéfices importants pour votre entreprise. Prédire la probabilité d'achat pour les acheteurs réguliers est beaucoup plus facile que prédire la probabilité d'achat pour les premiers acheteurs car il y a beaucoup plus d'informations pour continuer. Le modèle de probabilité d'achat pour les achats répétés évalue les transactions antérieures ainsi que d'autres interactions similaires à le modèle pour les perspectives. Cependant, les informations supplémentaires provenant de le premier achat peut améliorer considérablement la précision du modèle de hotte susceptible d'acheter pour les achats répétés, par rapport à un modèle similaire pour les prospects. Contrairement aux prédictions de premier achat, les prédictions d'achat répété utilisent toutes les interactions du client, telles que les achats passés, les achats retournés et les appels téléphoniques au service client. Choisir le bon niveau de remise en utilisant Probabilité d'acheter Il existe deux utilisations principales de la probabilité d'acheter des prédictions : clients sur lesquels se concentrer et combien d'argent, y compris les remises, à dépenser pour chaque client. Choisir soigneusement votre public est important si vous souhaitez optimiser le retour sur investissement du marketing, car atteindre les clients peut coûter cher. Pour Par exemple, une campagne de publipostage ou d'appel qui coûte 1 $ par interaction client et a un taux d'achat de 2 % pourrait coûter 50 $ par personne avant une remise est même accordée. Si vous pouvez cibler votre public et faire en sorte que communications plus pertinentes, le taux d'achat pourrait être significativement plus élevé, disons 10 %, ce qui réduit considérablement le coût pour atteindre chaque acheteur. En plus de choisir les bonnes personnes, vous pouvez augmenter les taux d'achat en incluant des recommandations ou du contenu pertinents et de communiquer avec les clients au bon moment. Se concentrer sur la pertinence permettra aux entreprises de réduire leur dépendance vis­à­vis des remises élevées. Utiliser cette stratégie il est possible de réduire considérablement les remises dans le cadre de leur clientèle stratégie d'acquisition. La figure 9.1 montre comment un grand détaillant américain a pu Machine Translated by Google Play Five : Prédire la probabilité d'achat ou d'engagement pour classer les clients Figure 9.1 Pourcentage de clients acquis avec des remises réduire le nombre de clients attirés par les remises élevées de 36 pour cent à 27 pour cent, bien en dessous de la moyenne de l'industrie de 31 pour cent. Les remises et autres incitations peuvent toujours être utilisées comme édulcorant dans les cas nécessaires, comme cibler un client qui a abandonné son panier. Cependant, nous vous recommandons de ne pas accorder de rabais à tout le monde ou bien vous formerez vos clients à s'habituer aux remises. À la place, commencez par des recommandations et des rappels et n'utilisez les remises que si vous besoin d'eux. Le manque de compréhension des prospects individuels à des remises générales, ce qui réduit considérablement les marges bénéficiaires globales. Environ 20 % seulement des clients sont des « accros du rabais », des personnes qui n'effectueront des achats que lorsqu'ils bénéficieront d'une remise, selon une analyse de 150 détaillants. Environ 15 pour cent paient généralement le plein prix pour la plupart de leurs produits, tandis que la majorité des clients se situent quelque part dans entre, les données montrent. En analysant le comportement de leurs clients, les spécialistes du marketing peuvent déterminer quels clients peuvent avoir besoin de plus d'encouragements sous forme de cadeau ou de réduction. Cela peut également aider les spécialistes du marketing à signaler les clients qui reviendront et achèteront de toute façon, donc pas d'argent supplémentaire des encouragements sont nécessaires. Ce modèle permet de maximiser à la fois les revenus et la rentabilité de chaque membre de votre clientèle. Cibler les remises est bon pour les affaires et bon pour les clients. En ciblant chirurgicalement les rabais, les détaillants évitent l'érosion des marges, ce qui 127 Machine Translated by Google 128 Neuf jeux faciles pour démarrer avec le marketing prédictif réduit à son tour les augmentations de prix que les détaillants devraient normalement accepter pour compenser la baisse des marges bénéficiaires. Cette pratique fait effectivement baisser les prix pour tous les clients. Il s'agit d'un changement de paradigme simple mais très puissant pour les spécialistes du marketing qui se concentrent traditionnellement sur les gammes de produits, le merchandising et les remises universelles. Les données comportementales et de cycle de vie disponibles au niveau du client, combinées aux informations prédictives sur la probabilité d'achat, permettent aux spécialistes du marketing d'effectuer des remises chirurgicales pour maximiser la marge et la valeur à vie du client. De plus, si vous envisagez d'inclure une incitation ou une remise pour acquérir, fidéliser ou réactiver un client, il n'est pas nécessaire d'aller au­delà du niveau de remise auquel les clients sont habitués. L'analyse prédictive vous permet de personnaliser les offres en fonction du niveau de remise qui a déclenché les achats antérieurs des clients. Les clients ayant une forte probabilité d'acheter peuvent bénéficier d'une réduction inférieure, mais peut­être d'autres avantages tels qu'un accès anticipé aux produits pour générer davantage d'achats. Les clients ayant une faible probabilité d'acheter ou ceux qui n'achètent qu'avec remise (un cluster basé sur le comportement) peuvent obtenir une remise plus élevée. Un détaillant multicanal d'articles de sport avait l'habitude d'envoyer à tous ses clients une remise de liquidation de 50 % à des moments précis de l'année. Cette campagne a été motivée par son désir d'effacer l'ancien inventaire. En d'autres termes, il s'agissait d'une campagne centrée sur le produit ou le merchandising, et non d'une campagne centrée sur le client. Cette campagne a entraîné les clients à attendre la grande vente annuelle et a rapporté quelques dollars au détaillant. À l'aide d'analyses prédictives, cette société a analysé la probabilité d'achat et la sensibilité à la remise de tous ses clients. Si un client est susceptible d'acheter avec une offre de 25 % de réduction, vous n'avez pas besoin de lui accorder une réduction de 50 %. À l'aide d'analyses prédictives, le détaillant a identifié le bon niveau de remise pour différents groupes de clients. Désormais, le détaillant envoie toujours des e­mails de remise à des heures fixes, mais il enverra différents niveaux de remises à différents groupes de clients. Il envoie juste assez pour inciter le client à acheter, mais pas trop pour donner une marge inutile. Grâce à cette approche, le détaillant a pu réaliser une augmentation globale de ses revenus de 20 %. Évaluation prédictive des prospects pour les spécialistes du marketing d'entreprise Si vous êtes dans le marketing d'entreprise, vous pouvez également prioriser votre investissement en utilisant la probabilité d'acheter des modèles. Vous pouvez vous assurer que vos ventes Machine Translated by Google Play Five : Prédire la probabilité d'achat ou d'engagement pour classer les clients l'équipe passe le plus clair de son temps avec les prospects qui ont le plus chances de devenir acheteurs. Cela peut avoir un impact énorme. Considérez l'exemple suivant dans un logiciel d'entreprise de marketing. Disons que vous avez un essai gratuit pour votre logiciel. Ce ne sont pas toutes les personnes qui signent pour votre service gratuit avez une intention sérieuse d'acheter. Il n'est pas rare que 70% des inscriptions aux essais gratuits sont faites juste par curiosité sans besoin immédiat ni budget d'achat. 20 % supplémentaires sont évaluateurs sérieux et 10 % sont sur la clôture : ils pourraient aller soit façon. Si vous appelez au hasard des personnes à partir d'une liste, peut­être basée sur l'entreprise taille, il est facile de voir comment vous pouvez finir par perdre votre journée entière sur perspectives qui ne sont pas sérieuses. Il est particulièrement important de prioriser votre temps si vous êtes au service de petites et moyennes entreprises, dont il peut y en avoir des millions. La principale différence entre la prédiction de la probabilité d'achat dans le marketing des consommateurs et celle des entreprises tient à la nature du processus de décision d'achat. Dans la plupart des marketing d'entreprise, le processus de décision est long et complexe. La figure 9.2 compare la décision réfléchie et rapide processus. Avec un achat réfléchi, ce que la plupart des entreprises de marketing tombent sous, le processus de décision est plus long et comprend de nombreuses interactions entre le marchand et l'acheteur. Cela demande une attention particulière à concentrez­vous sur tous les prospects dans l'entonnoir de décision. Par conséquent, les spécialistes du marketing se tournent vers toutes les interactions et tous les signaux des prospects pour déterminer qui est le plus susceptible d'acheter et donc digne de temps et d'attention. Parce que les cycles de remplacement et de livraison pour les fournisseurs, les offres, les services et les produits peuvent prendre beaucoup de temps, la plupart des spécialistes du marketing B2B sont hyper concentré sur l'acquisition de nouveaux clients, plutôt que sur l'existant clients à revenir, où la probabilité d'acheter des modèles de premier achat prendre plus d'importance. Considéré comme une décision rapide Cycle de décision 6 mois 1 à 7 jours Interactions pendant le cycle de vente 10 2 Valeur moyenne des commandes 30 000 $ 200 $ Cycle de remplacement 1 an 1 mois Utilisateurs impactés De nombreux 1 Fonctionnalité Complexe Simple Figure 9.2 Décisions réfléchies versus décisions rapides 129 Machine Translated by Google 130 Neuf jeux faciles pour démarrer avec le marketing prédictif De base Système de points : chaque activité a des points spécifiques et ceux­ci sont ajoutés pour créer un score, qui devient le score du prospect. Le score de chaque activité est déterminé arbitrairement. Par exemple, un téléchargement de document vaut 5 points et un clic sur un e­mail vaut 1 point. de type RFM Ceci est similaire à la notation Récence­Fréquence­Monétaire (RFM) utilisée dans le marketing par catalogue, où les prospects obtiennent un score composite basé non seulement sur l'activité, mais également sur la taille de l'opportunité, la taille de la transaction et les mesures d'engagement telles que les ouvertures d'e­mails, le web visites, participation à des webinaires, etc. Lead prédictif notation La notation prédictive des prospects s'appuie sur les deux premiers modèles de base en apprenant du passé de manière statistique. Le modèle prédictif apprend des transactions réussies conclues dans le passé et examine le comportement du prospect avant la conclusion de la transaction et apprend de ces comportements pour aider à prendre une décision. Prochaine action notation Les meilleurs modèles prédisent non seulement un score de prospect, mais également la prochaine action qui pourrait augmenter la probabilité globale de conclure la transaction. Ce sont des modèles très complexes qui sont pour la plupart construits sur mesure. Cependant, ces modèles prennent en compte des séquences spécifiques d'événements plutôt que de simples occurrences d'événements. Figure 9.3 Méthodes de notation des prospects pour les spécialistes du marketing d'entreprise Les modèles prédictifs ne sont pas le seul moyen de hiérarchiser les prospects pour les spécialistes du marketing. Cependant, les modèles prédictifs sont de loin les plus précis et relativement faciles à utiliser. La figure 9.3 donne un aperçu des méthodes de notation des prospects au­delà des méthodes prédictives. Probabilité d'engager des modèles Les modèles de probabilité d'engagement prédisent la probabilité qu'un client ouvre ou clique sur vos e­mails. Un engagement élevé par e­mail est un bon prédicteur de l'intention d'achat. D'autre part, si la probabilité d'engagement est faible, les abonnés peuvent se retirer de votre liste. De nombreux consommateurs ne prennent plus la peine de se désabonner de votre liste, mais cessent simplement d'ouvrir vos e­mails. À toutes fins utiles, cela a le même effet et le même coût qu'une véritable exclusion. Lorsqu'un client se désabonne de votre liste de diffusion, vous ne pourrez plus joindre ce consommateur avec des promotions. Chaque spécialiste du marketing de détail sait que les campagnes par e­ mail signifient des ventes et de l'argent pour le détaillant : avec chaque e­mail promotionnel envoyé, de nouvelles commandes affluent. Le marketing par e­mail fonctionne bien pour générer des revenus. Cependant, en ce qui concerne le courrier électronique, vous devez équilibrer les revenus à court terme Machine Translated by Google Play Five : Prédire la probabilité d'achat ou d'engagement pour classer les clients 131 il peut rapporter, avec des revenus à long terme. Si vous envoyez trop d'e­mails, vous pouvez recevoir des revenus à court terme de certains clients, mais perdre les revenus à long terme de ceux qui se désabonnent. Le défi pour la plupart des spécialistes du marketing est d'envoyer autant d'e­ mails que possible afin de générer autant d'engagement et d'achats que possible, sans amener un abonné à se désinscrire ou à vous ignorer. En utilisant un modèle de probabilité d'engagement similaire, vous pouvez potentiellement envoyer moins d'e­ mails à chaque client, réduire considérablement les taux de désabonnement et obtenir un engagement client plus élevé. Si un client n'ouvre pas un e­mail, il ne sert à rien de l'envoyer. Cet e­mail peut sembler gratuit, mais en réalité, la désactivation coûte très cher. En fait, nos recherches montrent que chaque refus coûte à votre entreprise environ 60 % de la valeur à vie future de ce client. Disons que la valeur à vie future d'un client est de 1 000 $, car vous vous attendez à ce que ce client fasse 10 achats de 100 $ chacun au cours des trois prochaines années. Désormais, si ce client se désabonne de votre liste de diffusion, il ne sera pas informé des nouvelles offres de produits. Sans e­mail pour le leur rappeler, ils pourraient ne passer que quatre commandes, au lieu de 10, au cours des trois prochaines années. En d'autres termes, leur valeur potentielle à vie future vient de passer de 1 000 $ à 400 $, soit une réduction de 60 %. Lorsque Uncommon Goods, un détaillant en ligne de cadeaux insolites, a ajusté sa fréquence de contact par e­mail, les résultats ont été étonnants. Il a pu réduire ses taux de désabonnement de 50 % sans nuire aux ventes. Il a obtenu les mêmes résultats avec moins d'e­mails, car les clients étaient ravis que les e­mails soient juste avec la bonne fréquence, et la fréquence s'ajustait automatiquement lorsque les clients augmentaient leur engagement. La clé du succès de Uncommon Goods était de faire varier la fréquence des e­mails des clients, en fonction de leur niveau d'engagement et de leur probabilité de se désabonner. D'après notre expérience, les abonnés aux e­mails se répartissent généralement en cinq groupes distincts en fonction de leur probabilité d'engagement : les passionnés, la rue principale, les dormeurs et les fantômes, et un groupe spécial, les débutants. Les passionnés sont les abonnés les plus susceptibles d'ouvrir et de cliquer sur vos e­ mails. La figure 9.4 résume les taux d'ouverture et de clics pour chacun de ces segments. Le taux de clics des abonnés de Mainstreet est environ la moitié de celui des Enthusiasts et une fraction du taux d'ouverture des Enthusiasts. Les abonnés endormis ont des prévisions d'engagement très faibles, et les abonnés fantômes sont ceux qui n'ont pratiquement aucun engagement, recevant vos e­mails mais les ouvrant rarement. Les abonnés débutants constituent un groupe spécial : ils sont Machine Translated by Google 132 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 9.4 Taux d'ouverture et de clics de différents segments d'e­mail ceux qui se sont récemment inscrits à votre liste de diffusion. Leur taux d'ouverture et de clics a tendance à se situer entre les passionnés et les abonnés de Mainstreet. Nous avons constaté que les abonnés aux e­mails qui ouvrent et cliquent le plus souvent sur les e­mails génèrent également le plus d'argent, non pas parce qu'ils achètent des articles plus chers, mais parce qu'ils achètent plus fréquemment. Pour chaque dollar dépensé par e­mail Enthusiasts, les abonnés de Mainstreet dépensent 0,58 $ et les abonnés Sleepy, qui ouvrent rarement des e­mails, ne dépensent que 0,34 $. Les passionnés ont acheté 1,75 fois plus souvent que les clients de Mainstreet et 2,9 fois plus souvent que les Sleepies. Fait intéressant, une fois que vous avez amené un client à acheter, il achète pour une valeur en dollars similaire quel que soit son niveau d'engagement, ce qui peut être une opportunité pour le spécialiste du marketing avisé : vos passionnés d'e­mails aiment déjà votre marque et achètent souvent. Vous pouvez essayer de les pousser vers des produits de plus grande valeur avec les bonnes incitations. Les débutants, qui sont des abonnés aux e­mails récemment diplômés de leur campagne de bienvenue par e­mail, sont des clients très lucratifs : dans notre exemple, ils ont dépensé 1,24 $ pour chaque 1 $ dépensé par les passionnés. Les débutants ont également des taux d'ouverture et de clic très élevés. À cet égard, ils peuvent être considérés comme des «bébés enthousiastes». Mais ils diffèrent des passionnés sur un point majeur : ils ont également le taux de désabonnement le plus élevé de tous les segments. Les débutants sont donc très engagés mais très réactifs : ils ouvrent et cliquent sur vos e­mails, mais se désabonnent rapidement s'ils n'aiment pas ce qu'ils voient. Nous constatons généralement que plus de 60 % des désabonnements à un nouvel abonnement par e­mail surviennent dans les 90 premiers jours suivant l'abonnement. C'est un point important à retenir : sachez que les nouveaux abonnés commencent presque toujours avec beaucoup d'enthousiasme. Ils sont fondamentalement à vous de perdre et presque tous se comportent comme vos meilleurs clients. Machine Translated by Google Play Five : Prédire la probabilité d'achat ou d'engagement pour classer les clients 133 Une autre différence de comportement entre les différents groupes d'abonnés par e­mail est la combinaison de canaux de vente pour les différents segments d'engagement par e­mail. Les passionnés d'e­mails achètent principalement à partir d'une recommandation par e­mail. À l'autre extrémité du spectre, les e­mails Sleepies achètent principalement via les moteurs de recherche ou directement sur votre site Web (sans référence). Cela suggère différents modèles de comportement. Les clients qui sont moins engagés avec vos e­mails sont des acheteurs plus utilitaires : ils ont un besoin et vous recherchent (soit via un moteur de recherche, soit en venant directement sur votre site Web), puis ils achètent. Les clients qui sont très engagés avec vos e­mails sont également fortement influencés par ces e­mails. On pourrait dire qu'ils sont plus impulsifs : ils n'avaient peut­ être pas prévu d'acheter, mais ont été tentés par votre irrésistible email ! À quelle fréquence envoyer des e­mails à vos clients Trouver la bonne cadence d'e­mails est délicat. Vous cherchez à trouver un équilibre entre la maximisation des revenus de clics par e­mail à court terme (généralement en envoyant plus d'e­mails) et la minimisation des pertes à long terme dues aux désactivations des e­mails. La réponse varie selon le segment de clientèle : les passionnés d'e­mails peuvent ne pas être gênés d'avoir de vos nouvelles tous les jours, tandis que ceux qui ouvrent rarement votre e­mail ne peuvent pas recevoir d'e­mails plus de deux fois par mois. Ce qui est en jeu, c'est que les clients se désabonnent et le risque de perdre des revenus futurs liés à la possibilité d'envoyer des offres pertinentes par e­mail. Comme l'illustre la figure 9.5, il existe un point magique qui optimise la Figure 9.5 Comment équilibrer les revenus des e­mails à court et à long terme Machine Translated by Google 134 Neuf jeux faciles pour démarrer avec le marketing prédictif revenus nets de vos campagnes e­mail en déduisant le coût d'envoi ainsi que les revenus futurs perdus en raison des désinscriptions. Alors, comment trouver ce sweet spot magique ? Pas de surprise ici : test ! Mais soyez prudent, car les tests de fréquence des e­mails doivent être effectués correctement. Afin de vraiment tester l'effet d'une fréquence réduite, vous devez concevoir votre test pour éliminer d'autres facteurs qui pourraient vous conduire à de mauvaises conclusions. Par exemple : supposons que vous envoyiez généralement deux e­mails par semaine à l'ensemble de votre base de données de contacts. Le lundi, vous envoyez un e­mail "offres spéciales" et le jeudi, vous envoyez un e­mail personnalisé de recommandation de produit. Vous souhaitez maintenant tester une réduction de 50 % de la fréquence des e­mails sur un groupe de test. Vous échantillonnez votre groupe de test au hasard (jusqu'ici tout va bien) et ne leur envoyez que l'e­mail du lundi pendant un mois et mesurez la réponse. Le problème est que la réponse que vous obtenez mesure en fait trois facteurs erronés : (1) fréquence réduite, (2) jour de la semaine, (3) type de contenu de l'e­mail. Au lieu de cela, nous recommandons de mesurer à la fois le taux d'opt­out cumulé et le taux d'achat pendant la période de test. La figure 9.6 vous guide à travers le processus de réflexion. Le taux d'achat est défini comme le pourcentage de clients du groupe de test qui ont effectué un achat pendant le test. Il s'agit d'une meilleure mesure de vente que les dollars d'achat, qui peuvent être très bruyants. L'interaction de ces deux mesures vous guidera dans votre décision de réduire ou non la fréquence. La clé consiste à exécuter un test de fréquence réduite des e­mails par rapport à un groupe de contrôle : pour certains de vos e­mails Figure 9.6 Quand réduire la fréquence des e­mails Machine Translated by Google Play Five : Prédire la probabilité d'achat ou d'engagement pour classer les clients les abonnés continuent comme vous le feriez habituellement. Pour un autre groupe, réduisez la fréquence de vos e­mails de 25 % ou même de 50 %. Exécutez le test aussi longtemps qu'il faut à votre groupe de contrôle pour recevoir au moins 10 e­mails, mais 15, c'est encore mieux (oui, l'attente est pénible). Maintenant, comparez les deux groupes et posez­vous la question : le taux de désinscription du groupe "réduction des e­mails" est­il plus faible ? Sinon, vous n'avez pas besoin de changer quoi que ce soit, car la principale incitation à réduire la fréquence est de réduire les désabonnements. Cependant, si le taux de désabonnement a baissé, la question suivante à se poser est de savoir si le taux d'achat est également réduit. Si le taux de désabonnement a baissé, mais que le taux d'achat n'est pas affecté, la réduction de la fréquence des e­mails est une évidence. Cela vous donnera les mêmes revenus à court terme tout en préservant beaucoup de revenus futurs (en conservant ces personnes sur votre liste de diffusion). Si, toutefois, le taux d'achat est réduit lorsque vous envoyez moins d'e­mails, vous devez vous demander s'il est possible de prouver que le gain de revenus à long terme l'emporte sur la perte de revenus à court terme. C'est une question très difficile à répondre ­ vous devez estimer le coût d'un désabonnement en termes de perte de revenus futurs par rapport aux revenus à court terme que vous obtenez par client à partir des e­mails supplémentaires que vous envoyez. La plupart des spécialistes du marketing péchent par excès de prudence et prennent des décisions en fonction des revenus à court terme. Je ne peux pas les blâmer. Heureusement, d'après notre expérience, certains clients peuvent réduire la fréquence des e­mails jusqu'à 50 % sans nuire aux revenus immédiats (taux d'achat). Une fréquence réduite peut avoir d'autres avantages : réduction des coûts d'envoi et augmentation potentielle de la délivrabilité, mais ce ne sont des considérations secondaires qu'une fois que vous vous êtes convaincu que vous pouvez réduire les désinscriptions sans réduire les revenus. Il est possible de réduire le taux de désabonnement sans nuire aux revenus. La figure 9.7 trace la trajectoire d'une entreprise suivant cette stratégie. Ils ont pu maintenir la marge cumulée par client au fil du temps, tout en réduisant le taux de désabonnement cumulé de 1,5 % à 1,1 %. Si vous souhaitez commencer dès maintenant avec le contrôle de fréquence, plutôt que d'attendre le cycle de test complet, voici quelques recommandations finales : Débutants Au cours des 60 premiers jours suivant l'activation, n'envoyez pas d'e­mails réguliers à ce segment ­ uniquement des e­mails de cycle de vie et déclenchés ­ Les débutants se désengagent rapidement s'ils reçoivent beaucoup d'e­mails non pertinents. 135 Machine Translated by Google 136 Neuf jeux faciles pour démarrer avec le marketing prédictif Figure 9.7 Réduction des désistements à marge égale Fantômes et somnolents Envoyez des e­mails généraux à une fréquence bien inférieure à votre cadence normale. Exemple : si vous envoyez généralement aux clients un e­mail par semaine, ce segment ne devrait recevoir qu'un seul e­mail un mois. Si vous envoyez trois à sept e­mails par semaine, ils devraient recevoir un seul par semaine. Passionnés Avez­vous la capacité de produire du contenu supplémentaire ? Si tel est le cas, envisagez d'envoyer un e­mail supplémentaire à vos enthousiastes pour voir si vous peut les amener à acheter encore plus. Machine Translated by Google CHAPITRE 10 Play Six : Prédire Individuel Recommandations pour chaque client Une entreprise de produits de beauté et de cosmétiques comptantauprès des centaines stores nord­américaine cherchait à personnaliser ses communications de de centaines de milliers de clients et à s'assurer que chaque interaction en ligne entre la marque et ses clients était cohérente avec son message. Il voulait changer l'état d'esprit d'être axé sur les remises à l'amélioration du service et de la satisfaction client. L'entreprise a choisi de combiner le ciblage par cluster avec des recommandations personnalisées pour envoyer aux clients des offres plus stratégiques et personnalisées. L'entreprise a d'abord utilisé l'analyse prédictive pour organiser ses clients en groupes de produits tels que "bain et beauté" et "crème pour le visage". Ensuite, il a envoyé par e­mail à chacun de ces clients du contenu et des recommandations basés sur leur cluster. De toute évidence, les clients ont aimé les e­mails et l'entreprise a pu multiplier par six les revenus par e­mail. Dans ce chapitre, nous apprenons tout sur la formulation de recommandations aux clients. Les systèmes de recommandation existent depuis près de 20 ans, Amazon étant le principal exemple qui a commencé à l'utiliser très Il y a trois parties pour faire des recommandations personnalisées : envoi 137 Machine Translated by Google 138 Neuf jeux faciles pour démarrer avec le marketing prédictif recommandations aux clients au bon moment, en comprenant le contexte et en envoyant le bon contenu. Les systèmes de recommandation de première génération utilisaient des règles simples configurées par des êtres humains sur la base d'éléments tels que des mots clés ou des titres. En d'autres termes, un marchandiseur ou un spécialiste du marketing de contenu a établi une règle afin que tous ceux qui achètent des chaussures reçoivent une recommandation de spray protecteur peu de temps après : "si vous recherchez des chaussures, recommandez également un spray". Ces systèmes de première génération utilisaient des personnes, plutôt que des algorithmes prédictifs, pour faire des recommandations. Surtout dans les catégories avec de grandes sélections, telles que les livres, les vidéos et le contenu, les systèmes de recommandation utilisant la soi­disant sagesse de la foule sont plus efficaces. Les données d'utilisation réelles ou les données de révision des utilisateurs contiennent plus d'informations que les métadonnées telles que le titre, la description et les mots­clés qui décrivent le contenu. Lorsque nous essayons de trouver un restaurant, un livre ou un film, nous avons tendance à ne pas faire confiance aux descriptions en conserve du produit que nous cherchons à acheter. Au lieu de cela, nous demandons à des amis et collègues de confiance ce qu'ils en pensent. La même logique est utilisée avec les systèmes de recommandation, qui peuvent déterminer quels clients sont les plus similaires à un utilisateur individuel et utiliser des données comportementales (utilisation, avis, achats, vues, téléchargements) pour recommander d'autres contenus à cette personne. Cette stratégie permettra des recommandations plus pertinentes, plutôt que de simplement essayer de recommander des produits en fonction de certains libellés ou contenus. En termes mathématiques, ces recommandations basées sur l'utilisateur sont appelées filtrage collaboratif. Choisir le bon client ou segment La première question à laquelle il faut répondre est à qui faire une recommandation et quand. Les bons moments pour faire des recommandations sont soit pendant un achat, soit après un achat, et à certains moments du cycle de vie d'un client, par exemple lorsque vous n'avez pas eu de nouvelles d'un client pendant un certain temps. Ces recommandations sont respectivement appelées recommandations de vente incitative, de vente croisée et de vente suivante. Recommandations faites au moment de l'achat Des recommandations de vente incitative et de vente croisée peuvent être faites aux clients lors d' un achat, diffusées sur la page produit d'un site Web ou lors du paiement. Machine Translated by Google Play Six : Prédire les recommandations individuelles pour chaque client 139 Un exemple de base de vente incitative consiste à demander à une cliente de McDonald's si elle souhaite augmenter son repas, mais des exemples similaires peuvent être trouvés dans toutes les industries. Vous pourriez suggérer une version haut de gamme ou un multipack du même produit, peut­être à un meilleur prix. Les recommandations de vente incitative sont généralement liées à un produit spécifique : chaque produit a d'autres produits suggérés qui peuvent être utilisés comme ventes incitatives. Des recommandations de ventes croisées sont également faites au moment de l'achat. Plutôt que de recommander l'achat d'une version plus grande ou meilleure d'un produit spécifique, des recommandations de vente croisée sont faites pour suggérer d'autres produits qui sont généralement achetés avec cet article spécifique. La recommandation pourrait se lire : "les clients qui ont acheté une imprimante ont également tendance à acheter de l'encre d'imprimante…" et vous pourriez offrir une remise modeste si le client décide d'acheter votre offre groupée de ventes croisées. Comme les recommandations de vente incitative, les recommandations de vente croisée ont également tendance à être liées à des produits spécifiques : chaque produit a des produits suggérés qui peuvent être utilisés comme ventes croisées. Les recommandations de vente incitative et de vente croisée sont un excellent moyen d'augmenter la valeur moyenne des commandes. La plupart des recommandations de vente incitative et de vente croisée sont liées au produit plutôt qu'à un client spécifique. Bien sûr, les recommandations ne doivent pas nécessairement être des recommandations de produits. Le moteur de comparaison de tarifs en ligne Kayak a développé un outil de prévision des prix pour indiquer au client s'il doit acheter ou attendre, en fonction de la confiance d'une baisse de prix. Kayak utilise cet avantage concurrentiel pour améliorer l'expérience client et fidéliser les clients : "Nous voulons que [les voyageurs] prennent la meilleure décision pour leurs besoins aussi facilement que possible", a déclaré Robert Birge, directeur du marketing de Kayak dans une interview avec USA Today . . (Source : www.usatoday.com/story/travel/flights/2013/01/15/kayak­advice/1834225/ .) Le lunetier européen Alain Afflelou révolutionne le marché de l'optique en lançant l'offre « Tchin Tchin » : lorsque la cliente achète une paire de lunettes correctrices, elle peut acheter des lunettes de soleil correctrices pour seulement 1 euro supplémentaire. Utilisée comme outil d'acquisition, cette recommandation de vente croisée au moment de l'achat présentait des opportunités de vente incitative limitées mais a permis à l'entreprise d'augmenter sa clientèle de 50% en trois ans selon le PDG dans un article sur le site de stratégies marketing www.strategies .fr. (Source : www.strategies.fr/actualites/ marques/155836W/tchin­tchin­alain­afflelou recidive.html.) Machine Translated by Google 140 Neuf jeux faciles pour démarrer avec le marketing prédictif Recommandations faites après un achat Les recommandations de vente suivante sont généralement faites après qu'un client a déjà effectué un achat. Ce type de recommandation pourrait être inclus dans une page de remerciement ou dans l'e­mail de confirmation. Les meilleures recommandations de prochaine vente sont spécifiques à chaque client et prennent en compte plus de données clients que les plus récentes transaction. Au moment où quelqu'un a terminé une transaction, vous savoir qui est cette personne et devrait être en mesure de faire une recommandation plus personnalisée. Plus vous en savez sur une personne, mieux c'est la recommandation. Donc, si vous pouvez analyser tous les achats qu'une personne a effectués, à la fois en ligne et en magasin, vos recommandations sera plus précis que si vous ne regardiez que les transactions en ligne. Ainsi, comme nous l'avons vu au chapitre 3, assurez­vous de baser vos recommandations sur des profils client complets qui relient toutes les actions des clients à la même personne. Rappelez­vous le magasin de rénovation domiciliaire qui a constaté que les personnes qui construire des ponts ont tendance à être sur le marché pour un gril peu de temps après ? Un programme de marketing a été conçu pour capitaliser sur ces connaissances. De même, le entreprise de grils qui a découvert que les clients avaient besoin de granulés de bois après leur premier l'achat d'un gril envoie désormais des rappels réguliers de réapprovisionnement en granulés. Recommandations faites pendant le cycle de vie du client Vous pouvez essayer d'utiliser les recommandations pour réengager ou réactiver les clients inactifs. Dans ce cas, vous devez d'abord utiliser l'analyse prédictive pour identifier un groupe de clients risquant de partir. Ensuite, vous pouvez réengager ces clients avec un e­mail personnalisé. La recommandation peut être un produit, un contenu ou une personne pertinente. Le pouvoir des recommandations est qu'elles peuvent être inséré dynamiquement dans une page Web ou un e­mail et créer un expérience personnalisée sans avoir à refaire la création pour chacun client. La conception de la page Web ou de l'e­mail est la même pour chaque client. Même le texte de la page ou de l'e­mail peut être le même, disant aux anciens clients "vous nous manquez, s'il vous plaît revenez bientôt, nous avons ces produits vous attend », mais incluez des recommandations spécifiques à chaque personne. Soyez prudent en utilisant les recommandations de produits si le client n'a pas acheté depuis longtemps. Les recommandations de produits peuvent être obsolètes et le contexte du client peut avoir complètement changé : c'est une nouvelle saison, le client a peut­être choisi de nouveaux passe­temps, ou Machine Translated by Google Play Six : Prédire les recommandations individuelles pour chaque client événements de la vie ont pu se produire. Assurez­vous de baser votre contenu dynamique sur les dernières informations dont vous disposez sur le client et, dans certains cas, il peut être préférable d'utiliser un contenu récent plutôt que des produits pour attirer le client. Comprendre le contexte client Au­delà du bon moment pour envoyer une recommandation, il y a plus de contexte à prendre en compte lors de la formulation de recommandations. Par exemple, si un utilisateur qui aime généralement les films documentaires essaie de trouver un film qu'il peut regarder avec ses enfants, le contexte doit être reconnu et la recommandation adaptée à ce contexte. De même, un détaillant peut reconnaître qu'un acheteur, qui achète généralement des vêtements de travail, peut cette fois faire ses courses pour une occasion spéciale et faire une recommandation contextuelle, une vente incitative ou une vente croisée de bijoux et de chaussures adaptés à l'occasion. Le contexte peut également être les produits qu'un client a achetés dans le passé. Si vous allez recommander des accessoires pour un appareil électronique, vous feriez mieux de vous assurer que les accessoires sont réellement compatibles avec l'appareil que le client a acheté dans le passé. Les recommandations de base sont des recommandations de type « personnes qui ont aimé ce produit, ont aussi aimé… ». Nous appelons ces recommandations produit à produit car une recommandation est générée avec un produit spécifique comme point de départ ou contexte. Il peut également s'agir d'une recommandation de type contenu à contenu ou de personne à personne. En regardant ensemble ce que les clients achètent ou lisent fréquemment, vous pouvez faire des recommandations même si vous ne savez rien de la personne qui consulte la page. Ces recommandations sont souvent ajoutées à une page produit. Pendant que vous regardez un livre spécifique, vous voyez également les autres livres que les personnes qui ont acheté ce livre ont aimé. Si vous consultez le profil d'une personne sur LinkedIn, vous pouvez recevoir des recommandations pour d'autres profils à consulter. Si vous lisez un article sur votre site d'actualités préféré, il se peut que l'on vous recommande d'autres contenus à consulter. Le problème est que vous avez peut­être déjà acheté certains des livres qui vous sont recommandés ou lu certains des articles qui sont affichés. De plus, il peut y avoir des personnes ou des clusters très différents qui envisagent le même produit. Si un enseignant et un élève regardent tous les deux le même livre, ils peuvent avoir des raisons ou des intérêts très différents pour envisager l'achat. C'est là que spécifique à la personne 141 Machine Translated by Google 142 Neuf jeux faciles pour démarrer avec le marketing prédictif des recommandations arrivent. Si vous connaissez également le profil démographique, le comportement passé et l'emplacement d'un client, vous disposez d'un contexte plus personnel pour faire des recommandations précises sur les produits compagnons. Nous appelons ces recommandations utilisateur­produit car le point de départ pour faire une recommandation est l'information dont vous disposez sur une personne spécifique. Les recommandations spécifiques à une personne exigent que vous reconnaissiez le client et que vous ayez un historique avec ce client suffisamment riche pour générer des recommandations. Faire des recommandations non pertinentes ou hors contexte est probablement pire que de ne faire aucune recommandation du tout. Une analyste bien connue de Forrester a reçu un e­mail lui promettant les dernières chaussures à sa taille. Elle a cliqué avec impatience sur le lien de l'e­mail mais a été redirigée vers une page avec des chaussures surdimensionnées (plutôt que sa taille X). Elle était tellement déçue de l'expérience qu'elle a tweeté à ce sujet. Un client satisfait en parle à 5 amis, mais un client mécontent en parle à 20 ! Assurez­vous donc que vos données clients sont complètes et exactes avant de commencer à faire des recommandations basées sur les profils des clients. De plus, avez­vous déjà reçu un e­mail ou une publicité contenant des recommandations spécialement pour vous, pour constater que lorsque vous avez cliqué sur l'e­mail ou la publicité, cela vous a dirigé vers une page Web générique ? Ici, le détaillant offre la promesse de la personnalisation, mais ne la suit pas. Le problème ici est la coordination entre les canaux. De toute évidence, les systèmes de messagerie et Web de cette entreprise ne sont pas coordonnés. Encore une fois, une expérience personnalisée incomplète peut générer plus de déception que de plaisir. Comme nous l'avons mentionné au chapitre 7, le modèle commercial freemium repose fortement sur l'utilisation de recommandations pertinentes et contextuelles pour transformer les utilisateurs actifs en clients payants. La plateforme de musique en ligne Spotify parvient à maintenir un ratio stable de 25 % d'utilisateurs payants par rapport aux utilisateurs gratuits (15 millions d'utilisateurs payants en janvier 2015), même après la vague des premiers utilisateurs. Dans un article sur TechCrunch, l'équipe de direction de l'entreprise explique que leur application mobile est à l'origine d'une grande partie de cette croissance. En effet, dans la version mobile gratuite de Spotify, les utilisateurs peuvent écouter un artiste, mais ils doivent écouter régulièrement des publicités et ils ne peuvent pas choisir une chanson en particulier. S'ils essaient de le faire plusieurs fois de suite, une recommandation de la version premium à 9,99 $ par mois apparaît dans l'application. Spotify prend soin de mettre en avant tous les avantages de la version premium lorsque la frustration de l'utilisateur atteint son paroxysme ! Recommandations Machine Translated by Google Play Six : Prédire les recommandations individuelles pour chaque client 143 dans le bon contexte sont la clé du succès de Spotify ici. (Source : http://techcrunch.com/ 2015/01/12/spotify­now­has­15m­paying­users­60m global / et application Spotify.) Contenu—Ce qu'il faut recommander Les recommandations, qu'elles portent sur des produits, des personnes ou du contenu, constituent un excellent contenu pertinent et personnalisé dans les communications avec les clients. En fait, la pertinence l'emporte sur la qualité créative du contenu. Lors de tests comparant les performances d'e­mails super créatifs et méticuleusement conçus par rapport aux performances d'e­mails plus basiques et créés dynamiquement avec des recommandations personnalisées, nous avons constaté que les taux de clics d'e­mails plus pertinents sont trois à quatre fois supérieurs aux taux de clics. des plus beaux emails. Il est clair que les clients ont préféré la pertinence au design, même si rien ne dit que vous ne pouvez pas avoir les deux. De plus en plus, les clients exigent un contrôle sur les produits ou le contenu que les entreprises affichent. L'exemple le plus célèbre de recommandations qui ont mal tourné est peut­être celui où Target a commencé à envoyer des publipostages marketing axés sur les bébés et la grossesse aux clients qu'ils avaient identifiés comme ayant une forte probabilité d'être enceintes. Dans un cas, Target était sur place mais la cliente n'avait pas informé ses parents de la grossesse et la recommandation était donc très malvenue et considérée comme une violation de sa vie privée. Nous prévoyons qu'au cours de la prochaine décennie, la plupart des interactions marketing avec le client deviendront bidirectionnelles, où le client pourra fournir des informations et prendre le contrôle de ses propres données. Cet exemple est pratiquement devenu synonyme de tout ce qu'il y a de bon et de mauvais dans l'analyse prédictive. En réponse, les détaillants tentent de donner aux consommateurs plus de contrôle sur les achats que les marques prennent en compte lorsqu'elles formulent des recommandations. Par exemple, vous ne voulez probablement pas que le shampoing contre les poux que vous avez acheté la semaine dernière continue à générer des recommandations à l'avenir. Nous revenons sur la vie privée au chapitre 17 de ce livre. En tant que distributeur, vous souhaitez également un niveau de contrôle sur les produits qui seront recommandés. Vous ne voulez pas que vos algorithmes prédictifs recommandent des produits en rupture de stock ou des articles à très bas prix qui sont strictement des accessoires ou des recharges pour d'autres produits. Il y a Machine Translated by Google 144 Neuf jeux faciles pour démarrer avec le marketing prédictif des règles de merchandising ou d'exception que vous devez configurer avant de vous fier à des algorithmes automatisés pour remplir des recommandations sur votre site Web ou vos e­mails. Les systèmes de recommandation savent quand un produit est nouveau, s'il gagne du terrain ou s'il est plus ou moins consulté au fil du temps, et sont capables d'ajuster les recommandations en conséquence. Par exemple, lorsqu'Apple lance un nouvel iPhone, le nouveau modèle d'iPhone est consulté moins fréquemment que l'ancien numéro en chiffres absolus, car l'ancien téléphone existe depuis plus longtemps, mais comme le dernier modèle est nouveau et tend vers le haut, un système de recommandation sera identifiez­le comme plus pertinent lorsqu'un utilisateur recherche un iPhone. Les systèmes de recommandation tiennent compte de ces facteurs et utilisent les connaissances temporelles pour apprendre et oublier, de sorte que les recommandations sont à jour et pertinentes. Au­delà des recommandations Les recommandations sont le plus souvent associées à la personnalisation du site Web. Cependant, vous pouvez proposer des recommandations sur n'importe quel canal : e­mail, mobile, réseaux sociaux, Web, téléphone ou via la publicité display. Les recommandations peuvent donc être une force motrice pour les communications entrantes et sortantes. Dans le même temps, il existe de nombreuses autres façons de personnaliser une expérience, sur le site Web ou autre, au­delà de la fourniture de recommandations de produits. En fait, tous les concepts abordés dans ce livre jusqu'à présent, du marketing basé sur la valeur au marketing du cycle de vie, sont des opportunités pour personnaliser les expériences client, sur le Web et sur d'autres canaux. Et si vous pouviez accueillir un client VIP de grande valeur sur votre site Web avec un message spécial ? Ou si vous pouviez accueillir à nouveau un client périmé après une longue absence. Pensez à ce que dirait le barista si vous entriez dans votre café local après une longue absence. Dirait­il "hé, tu es une femme?" ­ Non! Le mieux serait : « Salut Omer, ça fait longtemps ! Je suis tellement content de te revoir ! Puis­ je vous servir l'habituel, un latte décaféiné sans gras ? » Le simple fait de s'adresser aux clients par leur seul prénom peut avoir un impact important. Un fournisseur de logiciels, Do Inbound, a constaté que le simple fait de s'adresser aux personnes par leur prénom dans la page de remerciement d'une vidéo de présentation augmentait de trois fois le taux de conversion de la vidéo de présentation en ouverture de compte. Machine Translated by Google CHAPITRE 11 Play Seven : lancement Programmes prédictifs pour convertir plus Clients Il est Dans maintenant tempspartie, de tout mettre ensemble. Dans nombre ces troisdederniers chapitres la deuxième nous examinons un certain stratégies et de de campagnes que vous pouvez utiliser pour créer de la valeur tout au long du cycle de vie du client. Nous examinons d'abord comment vous pouvez utiliser l'analyse prédictive afin de convertir davantage de prospects, et nous examinons comment utiliser le ciblage par ressemblance, une technique prédictive à part entière, en combinaison avec des clusters et d'autres segments de clientèle pour acquérir de meilleurs clients. Campagnes de remarketing prédictif Le reciblage ou le remarketing, qui sont utilisés indifféremment ici, permettent aux spécialistes du marketing de réengager les personnes qui ont déjà exprimé leur intérêt pour une marque, un produit ou un service par des interactions telles que la visite du site Web de la marque ou la lecture de l'un de ses e­mails. Le reciblage est généralement associé aux visites sur votre site Web, et le rappel ultérieur de revenir vous est généralement adressé via la publicité display. Les programmes de remarketing fonctionnen 145 Machine Translated by Google 146 Neuf jeux faciles pour démarrer avec le marketing prédictif des délais plus courts, en heures ou en jours, car leur objectif premier est d'augmenter les conversions dans un contexte spécifique créé par le consommateur. Vous avez probablement déjà fait l'expérience de ces publicités : après avoir regardé une paire de chaussures sur Zappos, et après avoir quitté le site, la paire vous suivra sur le web. Que vous soyez sur votre page Facebook ou que vous naviguiez sur un autre site Web, vous verrez souvent une publicité avec la paire spécifique apparaître dans votre flux ou votre barre latérale. Le déclencheur du reciblage ne doit cependant pas se limiter à une visite sur votre site Web. Il peut également s'agir d'un e­mail sur lequel vous avez cliqué, d'une visite en magasin ou d'un appel au service d'assistance. De même, le rappel n'a pas besoin d'être diffusé via une publicité display. Le rappel peut également venir par e­mail ou appel téléphonique. Lorsque des canaux autres que la publicité display sont utilisés, cette technique de marketing est généralement appelée remarketing. Il semble que certains canaux soient plus efficaces que d'autres en matière de remarketing. Une enquête menée en novembre 2014 auprès de 3 000 consommateurs au Royaume­Uni et aux États­Unis par l'agence de recherche Conlumino a révélé que 66 % des consommateurs américains apprécient une offre par e­mail liée à quelque chose qu'ils ont consulté en ligne auparavant, mais seulement 24 % apprécient de recevoir cette même offre dans le forme d'une publicité en ligne. Lors de l'utilisation de stratégies de remarketing, chaque spécialiste du marketing doit tenir compte de la confidentialité et du facteur "effrayant". Il s'agit d'un équilibre très délicat que nous abordons plus en détail au chapitre 17. Lorsque les clients visitent votre site Web, ils partagent directement et indirectement avec vous de nombreuses informations sur leurs intérêts et leurs intentions. Vous pouvez analyser non seulement le nombre, l'heure, la durée et la fréquence de leurs visites, mais aussi regarder les termes de recherche utilisés pour trouver votre site, les pages spécifiques de votre site visitées, les articles consultés, les éventuelles recherches sur site menées, et potentiellement des articles abandonnés dans un panier sur votre site. Toutes ces informations peuvent être utilisées pour faire une sensibilisation personnalisée à ces visiteurs dans des communications de suivi pour essayer de les ramener dans votre entreprise. Un simple rappel peut souvent aider à ramener les clients sur votre site. Si la personne que vous ciblez a déjà visité votre site Web et a peut­être déjà acheté chez vous, vous disposez d'encore plus d'informations pour personnaliser le rappel. Pour les visiteurs récurrents, vous pouvez calculer leur probabilité d'achat et les clusters auxquels ils appartiennent, entre autres. Armé de ces informations, vous pouvez personnaliser davantage Machine Translated by Google Play Seven : lancez des programmes prédictifs pour convertir davantage de clients la portée, augmentant vos chances de ramener ce client. Par exemple, si la personne qui a abandonné une session de recherche ou un panier d'achat est un acheteur de grande valeur avec une faible probabilité d'achat, vous pouvez tout aussi bien inclure une remise pour essayer de faire revenir ce client. Vous avez peu à perdre lorsque la probabilité d'achat est faible et beaucoup à gagner lorsque la valeur à vie prévue est élevée. Vous pouvez atteindre les consommateurs avec des rappels de reciblage en utilisant la publicité display, la publicité de recherche (listes de remarketing Google pour les annonces de recherche), la publicité Facebook (audiences personnalisées Facebook), Twitter (audiences personnalisées Twitter), les e­mails, le publipostage ou les appels téléphoniques. Vous ne pouvez recibler les consommateurs que si vous pouvez les reconnaître. Vous pouvez identifier un utilisateur sur la base d'informations personnellement identifiables telles qu'une adresse e­mail ou un cookie, un petit fichier texte qui stocke des informations sur votre disque dur et aide les annonceurs à vous suivre lorsque vous vous déplacez sur le Web. Si tout ce que vous avez est un cookie, tout ce que vous pouvez faire est de cibler la publicité display pour suivre cet utilisateur sur le Web. Cependant, si vous pouvez reconnaître l'adresse e­mail d'un utilisateur, à partir de sessions de navigation en cours ou passées, vous disposez de meilleures options. Vous pouvez désormais cibler ce client à l'aide d'e­mails, de publicités sur Facebook ou, si vous pouvez lier l'e­mail à une adresse physique, même une carte postale. Il existe certaines techniques que vous pouvez utiliser pour reconnaître davantage de visiteurs anonymes sur votre site Web. Par exemple, vous pouvez étiqueter et capturer l'adresse e­mail d'un visiteur Web lors de la création d'un compte et de la connexion ultérieure, ou étiqueter et capturer son adresse e­mail sur tous les formulaires qui collectent des e­mails sur le site, dont les plus typiques sont les inscriptions à la newsletter et le paiement des invités. (les clients y fournissent un e­mail à des fins de confirmation). Une grande partie du trafic Web provient des clics sur les e­mails. Par conséquent, une amélioration majeure de l'identification peut être obtenue lorsque le client inclut l'identité de l'utilisateur dans les liens des e­mails, de sorte que l'identité soit transmise dans l'URL (soit en tant qu'adresse e­mail brute, soit en tant que ID crypté) ou place un code sur le site pour analyser et décoder l'ID utilisateur à partir du lien. Fondamentalement, votre objectif est de capturer l'identité chaque fois que possible et de l'associer au cookie, afin que vous puissiez identifier les sessions anonymes ultérieures de cet utilisateur. En utilisant ces techniques et d'autres, certaines marques ont été en mesure de reconnaître la moitié des visiteurs de leur site Web, contre une moyenne de seulement 10 % des visiteurs connus. Voici des exemples de campagnes de remarketing prédictif. 147 Machine Translated by Google 148 Neuf jeux faciles pour démarrer avec le marketing prédictif Campagnes prédictives de paniers abandonnés Les campagnes de paniers abandonnés se classent systématiquement parmi celles dont le retour sur investissement est le plus élevé. L'Institut Baymard suit les statistiques sur le taux d'abandon des paniers et constate qu'en moyenne 68 % des paniers sont abandonnés en moyenne. Compte tenu de ce taux d'abandon élevé, tous les détaillants en ligne devraient mettre en place une campagne efficace de rappel de panier abandonné. Un e­mail de panier abandonné enregistre un taux d'ouverture moyen d'environ 30 %, contre 14 % pour les e­mails diffusés. Le taux de clics est d'environ 8 % contre 1,5 % et le revenu par e­mail envoyé pour une campagne de panier abandonné dans le commerce de détail est d'environ 2,50 $ contre 0,05 $. Une enquête AgilOne de janvier 2015 auprès de 132 responsables du marketing de détail a révélé qu'un peu plus de la moitié des détaillants ont complètement mis en œuvre une campagne de panier abandonné. Ce chiffre était en hausse par rapport à 39 % des vendeurs en ligne dans la même enquête l'année précédente. Pour la plupart des entreprises et des industries, le courrier électronique est le meilleur format pour une campagne de panier abandonné. Pour certains articles coûteux, un rappel par carte postale peut être efficace. Lors de la conception de votre e­mail, ne le rendez pas trop compliqué. Rappelez simplement aux clients potentiels leur panier abandonné et incluez un lien pour les ramener facilement à leur panier ou à leur page de paiement. Vous voulez les amener à la page de paiement avec le moins de distractions possible. Expérimentez avec le timing. Mesurez le taux de réponse pour savoir combien de temps après l'abandon du panier pour envoyer le message. Il y a différentes écoles de pensée ici. Certains fournisseurs de technologie recommandent d'envoyer un rappel dès que possible. Cependant, d'après notre expérience, plus vite n'est pas toujours mieux. Il y a plusieurs raisons pour lesquelles vous pourriez vouloir attendre quelques heures, ou de préférence une journée entière, pour envoyer une campagne de panier abandonné. Premièrement, certains consommateurs trouvent effrayant que vous leur rappeliez tout de suite. Cela renforce le sentiment que vous "surveillez chaque mouvement de vos clients". C'est exactement ce que font la plupart des spécialistes du marketing, mais vous voudrez peut­être être un peu subtil à ce sujet. Deuxièmement, si vous avez plusieurs canaux, il est très possible que certains clients abandonnent un panier mais achètent ensuite l'article en utilisant un autre canal, par exemple votre centre d'appels. À moins que votre logiciel de centre d'appels ne soit synchronisé en temps réel avec le système qui envoie les rappels de panier abandonné, vous voudrez peut­être attendre quelques heures. Cela est particulièrement vrai si vous décidez d'inclure une remise dans votre rappel de panier abandonné. Rien n'est plus décevant pour un Machine Translated by Google Play Seven : lancez des programmes prédictifs pour convertir davantage de clients 149 client que de se rendre compte qu'il aurait pu obtenir une remise sur l'article qu'il vient d'acheter. Troisièmement, si vous envoyez une offre de remise trop rapidement, vous risquez d'entraîner vos clients à s'attendre à une remise à chaque fois. Si les clients peuvent obtenir une remise simplement en plaçant un article dans un panier et en attendant cinq minutes, chaque client pourra le faire à l'avenir. Cela aurait des effets désastreux sur vos marges. Enfin, certains acheteurs n'apprécient pas d'être bombardés de messages marketing. Alors qu'ils ont peut­être acheté chez vous ce jour­là, si vous les contactez trop souvent, vous risquez de les effrayer. Comme toujours, il est préférable de tester ce qui fonctionne dans votre situation. L'essence d'une campagne de panier abandonné prédictive, par rapport à une campagne de panier abandonné classique, est l'utilisation d'algorithmes prédictifs pour différencier l'offre que vous envoyez aux clients. Pour les clients qui ont une très forte probabilité d'achat, envoyez­nous un simple rappel. Cependant, pour les clients dont la probabilité d'achat est très faible, vous pouvez inclure une remise en toute sécurité. Vous avez peu à perdre car ces visiteurs n'achèteraient pas autrement de toute façon. Vous pouvez aller plus loin et différencier le niveau de remise en fonction de la sensibilité historique d'un client à des niveaux de remise spécifiques. Testez l'impact de différents niveaux de remise ou de cadeaux dans le cadre de la campagne pour déterminer si l'offre d'une remise peut augmenter vos revenus et vos taux d'achat, ou si elle ronge simplement vos marges bénéficiaires. Campagnes de recherche prédictive abandonnées Contrairement aux campagnes de panier abandonné, qui sont quelque peu spécifiques au commerce en ligne, les campagnes d'abandon de recherche et de navigation s'appliquent à tous les secteurs. Les recherches d'AgilOne montrent que les visiteurs qui utilisent les fonctions de recherche d'un site Web sont six fois plus susceptibles de faire un achat que les visiteurs qui ne le font pas. Ces visiteurs sont plus que de simples navigateurs occasionnels. Ne perdez pas ces clients potentiels au profit de concurrents. Vous pouvez mettre en place une campagne de recherche abandonnée pour rappeler à ces clients de revenir sur votre site, de vous faire un essai ou de vous contacter. Les e­mails de navigation abandonnés ont des taux d'ouverture très similaires, voire supérieurs, aux e­mails de panier abandonnés, généralement de l'ordre de 30 %. Les taux de clics sont d'environ 8 %. La différence entre le panier abandonné et le parcours abandonné tend à être le taux de conversion : environ 4 % pour le parcours abandonné et entre 20 et 60 % pour le parcours abandonné. Machine Translated by Google 150 Neuf jeux faciles pour démarrer avec le marketing prédictif campagnes de panier. En conséquence, le revenu par e­mail que vous pouvez attendre des campagnes de panier abandonné est d'environ 2,50 $, mais pour les campagnes de navigation abandonnées, il n'est que de 0,50 $. Bien sûr, les chiffres de revenus dépendent fortement de la valeur moyenne de votre commande et les chiffres cités concernent spécifiquement le commerce de détail, où la valeur moyenne de la commande est d'environ 100 $. Une campagne de recherche sur site abandonnée fonctionne exactement comme la campagne de panier abandonné. Si un visiteur du site Web est connecté, un e­mail ou une publicité Facebook peut être envoyé à l'adresse enregistrée proposant des recommandations similaires ou complémentaires aux articles recherchés. Si le visiteur n'est pas un utilisateur connecté, les cookies peuvent être utilisés pour le recibler avec des publicités pour des articles pertinents. Les campagnes de recherche abandonnées fonctionnent également pour les personnes qui accèdent à votre site à l'aide d'une recherche Google AdWords. Google AdWords est souvent l'un des canaux marketing les plus chers. Une fois que vous avez payé pour qu'un client potentiel clique sur votre site via une requête AdWords, il est logique de tout mettre en œuvre pour le convertir en client. La meilleure partie d'un visiteur venant via AdWords est que vous avez déjà une bonne idée de ce qu'il est intéressé à acheter. Comme pour les campagnes ci­dessus, les recherches AdWords abandonnées peuvent être suivies d'offres ciblées incitant le client potentiel à revenir pour effectuer un achat. Les mêmes recommandations que nous avons discutées pour les campagnes de panier abandonné s'appliquent également aux campagnes de recherche abandonnées, en ce qui concerne la capture d'informations sur les visiteurs du site, le calendrier des campagnes d'abandon et l'inclusion d'une offre basée sur des informations prédictives. Nous vous recommandons de vous limiter à des recommandations personnalisées et à un rappel amical pour les clients à très forte probabilité d'achat et d'inclure une offre ou une réduction pour ceux qui ont une très faible probabilité d'achat. Comme pour les campagnes de panier abandonné, vous voudrez peut­être attendre au moins 24 heures avant d'envoyer votre rappel ou votre offre, pour donner aux clients une chance de terminer leur achat en premier et pour éviter de les entraîner à attendre les remises. Campagnes de navigation prédictives abandonnées Même si vous n'avez pas de recherche sur site ou si un visiteur n'utilise pas la fonction de recherche de votre site, vous avez toujours la possibilité de collecter des données via l'historique de navigation d'un visiteur. Les données d'AgilOne montrent que 96 % de tous les visiteurs du site Web quittent votre site sans acheter quoi que ce soit. La plupart d'entre eux pourraient Machine Translated by Google Play Seven : lancez des programmes prédictifs pour convertir davantage de clients être ciblé par des publicités ou des e­mails de rappel. Comparez cela au nombre de personnes qui abandonnent un panier, qui ne représente que 8 % de tous les visiteurs du site Web, ou au nombre de visiteurs qui finissent par acheter quelque chose, qui n'est en moyenne que de 4 %. En d'autres termes, il y a 12 fois plus de personnes que vous pourriez cibler avec une campagne de navigation abandonnée qu'avec une campagne de panier abandonné. Pour certaines entreprises, une campagne de navigation abandonnée génère encore plus de revenus qu'une campagne de panier abandonné. Alors que la probabilité d'acheter est beaucoup plus grande pour les acheteurs de paniers abandonnés, le volume d'acheteurs de navigateurs abandonnés peut, dans certains cas, plus que compenser cela. Lorsqu'un détaillant d'électronique a commencé à expérimenter les e­mails déclenchés, il s'est d'abord concentré sur les paniers abandonnés et les e­mails post­achat. Ils ont envoyé quotidiennement environ 3 000 recommandations post­achat à ceux qui avaient acheté quelque chose et environ 4 000 e­mails de campagne de panier abandonné. Les campagnes ont été très réussies. Les campagnes de paniers abandonnés avaient un taux d'ouverture de 55 % et généraient un revenu supplémentaire de 10 000 USD chaque jour. Lorsque cette société a lancé des campagnes de navigation abandonnées, elle a été agréablement surprise que cette campagne ait encore plus de succès. En comparaison, ils ont pu envoyer 100 000 e­mails chaque jour ! Étonnamment, les e­mails avaient un taux d'ouverture encore plus élevé que la campagne de panier abandonné, avec 60 % des destinataires ouvrant l'offre. Cette campagne de navigation abandonnée a généré à elle seule 40 000 $ de revenus supplémentaires chaque jour. C'est un bon exemple de marketing prédictif en action ! Divulgation complète : les chiffres de cet exemple ont été modifiés par rapport à l'original pour masquer l'entreprise, mais les ratios sont basés sur une étude de cas réelle. Inutile de dire que les mêmes règles s'appliquent aux campagnes de navigation abandonnées qu'au panier abandonné et à la recherche abandonnée. Vous pouvez rendre ces campagnes encore plus rentables en différenciant votre offre en fonction de la probabilité d'achat. Utilisation du ciblage similaire Le remarketing ne fonctionne que pour les visiteurs connus. Le remarketing peut vous aider à convertir davantage de navigateurs en acheteurs et à inciter les anciens acheteurs à revenir et à acheter à nouveau. Cependant, le remarketing ne peut pas vous aider à trouver et à acquérir de nouveaux consommateurs pour vos produits, services ou contenus. C'est là qu'intervient le ciblage similaire. 151 Machine Translated by Google 152 Neuf jeux faciles pour démarrer avec le marketing prédictif Le ciblage par ressemblance est une technique d'analyse prédictive permettant de trouver des personnes qui ressemblent à un « public cible » initial. Par exemple, si vous alimentez un système de ciblage similaire, comme les audiences similaires de Facebook, une liste de vos clients existants, il peut vous trouver des prospects qui ont les mêmes caractéristiques que vos clients existants. Vous pouvez désormais utiliser cette « audience sosie » pour lancer une campagne publicitaire. Le principe ne se limite pas aux clients. Vous pouvez alimenter un système de ciblage similaire avec une liste de départ des personnes qui ont aimé votre page Facebook, et il sortira et trouvera des personnes qui ont une forte probabilité d'"aimer" également votre page. Vous pouvez également utiliser ce principe pour trouver des audiences qui se comportent comme un sous­ensemble spécifique de vos clients. Par exemple, vous exportez peut­être une liste de vos meilleurs clients les plus précieux, puis faites de la publicité uniquement auprès des prospects qui « ressemblent » à vos meilleurs clients. Ou peut­être définissez­vous un groupe qui aime les vêtements en cuir et recherchez maintenant des prospects qui "ressemblent" à votre groupe de cuir afin de pouvoir cibler une publicité très spécifique mettant en vedette des modèles vêtus de cuir à ce public sosie. La figure 11.1 illustre le concept en utilisant Facebook comme exemple. Le ciblage Facebook est de plus en plus populaire, mais Facebook n'est pas le seul réseau qui donne aux annonceurs la possibilité d'utiliser des audiences similaires. De nombreux annonceurs, dont Twitter, Google Display Net, et d'autres offrent également des capacités d'audience similaires. Sur Facebook, vous commencez par télécharger une liste spécifique de clients dans les audiences personnalisées de Facebook. Cela peut être la liste des clients qui préfèrent les produits en cuir, ou peut­être la liste de vos meilleurs clients. Facebook va maintenant essayer de faire correspondre ces enregistrements à sa base de données d'utilisateurs. La correspondance se produit Figure 11.1 Ciblage Facebook similaire Machine Translated by Google Play Seven : lancez des programmes prédictifs pour convertir davantage de clients basé sur l'adresse e­mail. La liste doit contenir au moins 100 enregistrements qui correspondent à un compte Facebook. Après avoir mis en correspondance au moins 100 utilisateurs, Facebook utilise désormais ses algorithmes internes, qui utilisent également l'analyse prédictive, pour sortir et faire correspondre votre segment à d'autres nouvelles personnes dans la base de données Facebook qui "ressemblent" à votre liste d'origine. La modélisation de sosies est un outil puissant qui permet aux spécialistes du marketing de cibler les personnes qui ont des traits ou des comportements similaires à ceux de leurs clients existants ou des visiteurs de leur site Web. Les algorithmes similaires doivent généralement recevoir une liste d'au moins 100 visiteurs ou clients existants ou plus en tant que "graine". Les audiences similaires peuvent être utilisées pour soutenir n'importe quel objectif commercial : cibler des personnes similaires à des groupes de clients pour l'acquisition de fans, l'inscription au site, les achats et les réclamations de coupons, ou simplement pour faire connaître une marque. Il peut également être utilisé pour trouver des audiences qui ont mis un article dans le panier de votre site Web mais qui n'ont pas payé pour cela. Avant d'utiliser le ciblage par ressemblance, assurez­vous que votre public cible est propre et bien sélectionné, sinon les algorithmes de ciblage par ressemblance ne fonctionneront pas. Le ciblage similaire est aussi bon que les entrées. Rappelez­vous, ici aussi : ordures à l'intérieur, ordures à la sortie. Assurez­vous que votre audience de départ se convertit vraiment efficacement avant d'élargir l'audience de départ avec un ciblage similaire. Optez pour la qualité avant la quantité pour votre public cible. Nous vous recommandons de commencer par une campagne similaire basée sur vos meilleurs clients. Ce sont des clients qui ont acheté plusieurs fois chez vous et donc vous êtes sûr que ce sont des clients de qualité. Optimisation de la similarité ou de la portée Les spécialistes du marketing peuvent optimiser leurs campagnes similaires pour la « similarité » ou la « portée ». Lors de l'optimisation de la similarité, les spécialistes du marketing recherchent des impressions avec une précision élevée et probablement de meilleurs résultats. Vous pourriez dire, par exemple, « avec 90 % de certitude, je sais que cette personne achètera chez vous ». Il y aura moins de ces clients que de clients qui ont, disons, 60 % de chances d'acheter chez vous. Lors de l'optimisation de la «portée», la correspondance est plus floue et le retour sur investissement plus faible, mais vous pourriez acquérir plus de clients dans l'ensemble. Sur Facebook, vous pouvez choisir d'optimiser automatiquement votre audience pour la « similitude » ou la « portée », ou de personnaliser quelque chose entre les deux. 153 Machine Translated by Google 154 Neuf jeux faciles pour démarrer avec le marketing prédictif Lorsqu'elle est optimisée pour la similarité, une audience similaire inclura les 1 % des personnes les plus similaires dans le pays sélectionné qui sont les plus similaires à l'audience personnalisée initiale. La portée du nouveau public sera plus petite, mais le match sera plus précis. Lorsqu'elle est optimisée pour la portée, une audience similaire inclura les 5 % de personnes les plus riches du pays sélectionné qui sont similaires à l'audience personnalisée initiale, mais avec une correspondance moins précise. Au lieu d'utiliser les types (expliqués précédemment), vous pouvez définir manuellement une valeur de ratio qui représente les x pour cent supérieurs de l'audience dans le pays sélectionné. La valeur du rapport doit être comprise entre 1 % et 20 % et doit être spécifiée par intervalles de 1 %. Une société nord­américaine de produits de beauté a utilisé des clusters basés sur des produits pour lancer des campagnes publicitaires spécifiques sur Facebook. Ils ont d'abord téléchargé une liste de tous les clients existants qui faisaient partie d'un cluster bain et corps. Ensuite, ils ont conçu la création d'une campagne publicitaire sur Facebook spécifiquement pour attirer ce type de clients du bain et du corps. Cette combinaison de clustering et de ciblage similaire s'est avérée très rentable. Pour la North American Beauty Company, ces campagnes ont généré entre 2 et 10 fois de retour, en comparant les revenus générés à l'investissement réalisé dans les publicités Facebook. Comme indiqué, le ciblage similaire fonctionne sur de nombreux autres réseaux publicitaires, pas seulement sur Facebook. Les mécanismes de sélection et d'achat des médias sont similaires d'un réseau à l'autre et de nouvelles options sont proposées chaque année. Machine Translated by Google CHAPITRE 12 Play Eight : lancement Programmes prédictifs pour Augmenter la valeur client Dans ce chapitre, nous couvrons des exemples de programmes qui peuvent la valeur marchande et les revenus après l'achat initial. Nous couvrons des campagnes spécifiques, y compris les programmes post­achat, les programmes de réapprovisionnement et d'achat répété, les introductions de nouveaux produits et les programmes d'appréciation des clients, et nous examinons les programmes de fidélité et le marketing omnicanal à l'ère de l'analyse prédictive. Le secret de la croissance de la valeur client Le secret pour fidéliser un client est de commencer à essayer de le garder le jour où vous l'avez acquis. Comme nous l'avons vu au chapitre 7, le concept le plus important en marketing est de « donner pour obtenir ». Ceci s'applique à la fois avant et après l'achat. La clé de la fidélisation de la clientèle est de créer de la valeur pour le client dès le début de la relation. Cela signifie que le client doit avoir une excellente expérience dès la toute première interaction. 155 Machine Translated by Google 156 Neuf jeux faciles pour démarrer avec le marketing prédictif La transaction initiale n'est que le début d'une longue relation qui doit être nourrie et développée. L'engagement avec les clients ne doit pas s'arrêter lorsque vous convertissez un prospect en acheteur. Si vous êtes en mesure de convertir de nouveaux clients en clients satisfaits, vous pouvez vous attendre à de futurs revenus de vente incitative et de recommandation. Les revenus d'expansion, réalisés correctement, peuvent générer des revenus à marge très élevée, car leur coût de livraison est généralement inférieur. Les revenus de parrainage peuvent également représenter une marge très élevée. L'acquisition de nouveaux clients par le biais de références est moins chère, plus rapide et plus efficace que par tout autre moyen. Les clients référés ont un cycle de vente plus court et un taux de conversion plus élevé que les autres clients. Le concept de croissance de la valeur client tout au long du cycle de vie du client, à la fois avant et après l'achat initial, est visualisé dans l'entonnoir client étendu de la figure 12.1. N'oubliez pas qu'il est beaucoup plus facile d'obtenir plus d'argent d'un client qui est satisfait et qui vous paie déjà que d'obtenir de l'argent pour la première fois auprès de non­clients. À un niveau élevé, le chemin vers la valeur client est : engagement ==> investissement ==> offre ==> conversion ==> rincer et répéter. Figure 12.1 L'entonnoir client complet Machine Translated by Google Play Eight : lancez des programmes prédictifs pour accroître la valeur client 157 Programmes post­achat prédictifs L'un des programmes que vous pouvez utiliser pour accroître la valeur client dès le départ est un programme post­achat prédictif. Un programme post­achat est un programme marketing déclenché par un achat récent d'un client. Des exemples de programmes post­achat sont les campagnes d'accueil des clients, les recommandations post­achat, les campagnes de réapprovisionnement et les programmes d'achat répété. Les programmes post­achat sont efficaces car les données montrent que la plupart des clients effectuent un achat de suivi peu de temps après un achat lorsqu'il existe un besoin similaire ou que la marque est encore fraîche dans l'esprit du consommateur. Campagnes d'accueil des clients La forme la plus simple d'un programme post­achat est une nouvelle campagne d'accueil des clients. Dans le commerce de détail, nos recherches montrent que si un client n'achète qu'une seule fois, les chances qu'il revienne une seconde fois ne sont que de 30 % en moyenne. Cependant, si vous pouvez amener ce client à acheter une deuxième fois, les chances augmentent considérablement. Soixante­dix pour cent des acheteurs à deux reprises reviendront. Cela signifie que les spécialistes du marketing doivent agir rapidement pour réengager de nouveaux clients et faire en sorte que les acheteurs ponctuels deviennent des acheteurs doubles. Un message de bienvenue pour les nouveaux clients, par e­mail ou par publipostage, est un moyen simple et efficace de fidéliser les nouveaux clients et de tirer parti de leur enthousiasme initial pour les encourager à effectuer un deuxième achat. Un e­mail de bienvenue peut afficher des taux d'ouverture de 35 % ou plus et des taux d'achat supérieurs à 10 %. Ces taux se situent juste entre le panier abandonné et les campagnes de navigation abandonnées abordées dans le chapitre précédent. La campagne d'accueil du nouveau client doit remercier le nouveau client, lui souhaiter la bienvenue dans votre marque et doit inclure une offre personnalisée pour encourager un achat ultérieur. La livraison gratuite pendant une période limitée ou un cadeau gratuit avec le prochain achat peut bien fonctionner avec certains segments de clients. Engager les clients dans les avis et partager avec des amis et des collègues sont également des moyens efficaces de commencer à établir des relations. Une version plus sophistiquée d'un nouvel accueil client peut impliquer une série d'e­mails sur une période de temps. Par exemple, une entreprise peut envoyer des e­mails de bienvenue, de remerciement ou de suivi un jour, une semaine et un mois après l'achat. Le moment optimal et la messagerie de Machine Translated by Google 158 Neuf jeux faciles pour démarrer avec le marketing prédictif chaque campagne peut varier selon l'entreprise et l'industrie, alors assurez­vous de tester quelles combinaisons offrent les meilleurs résultats pour votre entreprise. Leur présenter d'autres catégories, des services supplémentaires, ou même des utilisations et des soins pour le produit qu'ils viennent d'acheter sont d'excellents moyens de continuer à établir une relation avec le client. L'analyse prédictive peut être utilisée pour améliorer le succès de votre programme d'accueil. Si vous pouvez prédire la valeur future d'un client au moment de son premier achat, vous pouvez personnaliser votre campagne de bienvenue avec des offres personnalisées adaptées à différents segments. Pour les acheteurs à fort potentiel ou de grande valeur, il vaut beaucoup d'argent pour les faire revenir, vous devez donc élaborer avec soin un ensemble de communications et d'offres et accorder une attention particulière à ce segment. Ces clients attendent un niveau de service plus élevé, et pour la plupart des marques, il est important de différencier spécifiquement le traitement de ce segment. Les sociétés de services en ligne, telles que la société californienne de services de nettoyage à domicile Homejoy, excellent dans la fourniture de premières expériences et de messages de bienvenue de premier ordre pour accroître le renouvellement de la fidélité des clients. Homejoy a développé un programme d'accueil complet pour assurer "100% Satisfaction Garantie" et conduire les personnes qui ont testé les services à leur deuxième réservation. L'entreprise envoie une série de campagnes personnalisées à des moments clés du parcours client : un e­mail de bienvenue traditionnel juste après la première réservation en ligne, un SMS de rappel sur le téléphone portable du client trois jours avant le rendez­vous, un SMS avec un numéro de téléphone spécial service lors du rendez­vous, et un e­mail de rétroaction. Un mois après le rendez­vous, un mail de suivi personnalisé est envoyé avec le prénom du client et le nom de la femme de ménage avec une offre spéciale. En utilisant différents canaux pour atteindre les clients, Homejoy va au­delà des attentes du client et augmente la probabilité qu'il reste fidèle à la marque. Le publipostage revient également pour les campagnes de bienvenue. Lilly Pulitzer envoie des cartes postales surdimensionnées sur du papier mat de haute qualité à chaque nouveau client qui a acheté via son site de commerce électronique. La création est personnalisée avec le prénom du client. Des techniques d'impression variables sont désormais disponibles pour permettre de modifier le texte ou les images pièce par pièce sans ralentir le processus d'impression. Dans le cas de Lilly, l'offre de la campagne de bienvenue est un « cadeau avec votre prochain achat » pour inciter le premier client à effectuer ce deuxième achat tant convoité. Machine Translated by Google Play Eight : lancez des programmes prédictifs pour accroître la valeur client 159 Recommandations après l'achat Non seulement les nouveaux clients devraient recevoir un message de suivi après leur achat. Il en va de même pour tout achat, qu'il s'agisse d'un premier client ou d'un client récurrent. Après chaque message, envoyez aux clients une note de remerciement et profitez­en pour suggérer des conseils pour profiter du nouveau produit ou service. Vous pouvez également leur présenter des offres pertinentes ou des recommandations de produits pour de futurs achats à ce moment. Les e­mails post­achat ont autant de succès que les e­mails de bienvenue, et beaucoup plus de succès que n'importe quel type de message explosif que vous envoyez. Les taux d'ouverture ont tendance à être supérieurs à 30 % et le taux de conversion est proche de 8 %. Pour les consommateurs, la décision d'inclure ou non une offre dans le message post­achat pourrait être basée sur la valeur du client. Vous devriez investir davantage pour faire revenir des clients de plus grande valeur. Pour le marketing d'entreprise, le programme post­achat ne doit pas se concentrer sur la prochaine vente, mais plutôt sur la fourniture d'orientations et de conseils sur la manière de tirer le meilleur parti de leurs achats initiaux. N'oubliez pas que le client ne choisira de vous acheter plus que si l'achat initial offre sa valeur attendue. Par conséquent, jusqu'à ce que les clients professionnels aient reçu de la valeur de votre solution, concentrez­vous sur la valorisation de ces clients, plutôt que sur les prochaines recommandations de vente. Campagnes de réapprovisionnement et programmes d'achats répétés Si votre entreprise vend des produits qui ont un cycle d'expiration ou de réapprovisionnement naturel, tels que des sacs poubelles ou du toner d'imprimante, envoyez un message pour rappeler à vos clients de renouveler ou de réapprovisionner. Vous avez peut­être remarqué qu'Amazon dispose désormais d'un bouton "Acheter à nouveau" et met en évidence des produits à courte durée de vie sur votre page d'accueil personnalisé Amazon et d'autres détaillants offrent également des remises aux acheteurs pour les commandes récurrentes et proposent des services d'abonnement. Les rappels de réapprovisionnement font partie des programmes marketing les plus puissants car les consommateurs perçoivent les rappels au bon moment comme un excellent service client, et nos recherches montrent que les taux d'achat peuvent être quatre fois supérieurs à ceux de toute autre campagne. Les campagnes de réapprovisionnement sont les plus performantes de toutes les campagnes de marketing du cycle de vie. Cela signifie que les taux d'ouverture se situent entre vingt et cinquante pour cent et que les taux d'achat peuvent également atteindre trente pour cent. Pour de nombreux clients, les rappels de réapprovisionnement sont un service client bienvenu. Machine Translated by Google 160 Neuf jeux faciles pour démarrer avec le marketing prédictif Le moment est vraiment important lorsqu'il s'agit de répéter les rappels d'achat. Il existe probablement un délai moyen d'achat répété pour chacun des produits et services que vous proposez. Cependant, pour augmenter davantage la conversion des achats répétés, vous devez prédire la fenêtre d'achats répétés pour chaque client. Les produits tels que les aliments emballés peuvent être consommés à des tarifs différents par différents clients, mais en suivant le taux d'achat de chaque client, vous pouvez prédire le meilleur moment pour envoyer des rappels à différents groupes de clients. Le calendrier de réapprovisionnement peut être défini de trois manières : défini manuellement par le commerçant, selon la sagesse de la foule en regardant le calendrier de réapprovisionnement moyen pour tous les clients, ou en examinant les cycles de réapprovisionnement individuels du passé. Le manuel et la sagesse de la foule sont de bonnes approximations, mais ne remplacent pas les données au niveau du client, car les clients peuvent utiliser votre produit à des tarifs différents. Par exemple, un salon de beauté qui achète un shampoing spécifique peut avoir besoin d'un réapprovisionnement chaque semaine, alors qu'un consommateur régulier n'a besoin d'un réapprovisionnement pour le même produit que tous les trois mois. Par conséquent, la stratégie la plus efficace consiste à utiliser les données client lorsqu'elles sont disponibles, puis à recourir à la sagesse de la foule, puis finalement à une saisie manuelle par le commerçant, qui peut faire une supposition éclairée. Un détaillant international de chaussures a testé des campagnes de réapprovisionnement sur ses produits les plus vendus. À première vue, le réapprovisionnement correspond mieux aux consommables qu'aux chaussures, mais il s'avère que les chaussures s'usent à des moments assez prévisibles et que les fidèles peuvent être persuadés d'acheter à nouveau auprès de la marque. Dans une de ces « campagnes de réapprovisionnement de chaussures », la marque a recommandé des chaussures aux clients qui les avaient achetées il y a exactement 18 mois, et à un groupe de contrôle aléatoire. Le taux d'ouverture de l'e­mail de rachat était supérieur de 5 points pour le groupe de test, les visites sur le site Web par e­mail envoyé étaient supérieures de 15 % et les vues de produits par visite étaient supérieures de 19 %. Les campagnes de réapprovisionnement par e­mail se sont avérées très efficaces pour cette marque afin de créer des opportunités de vente incitative et de réactiver les clients avec un contenu pertinent. Le même détaillant a envoyé une campagne réussie aux parents qui ont également acheté des chaussures pour leurs enfants, un segment spécifique avec un besoin fréquent de nouvelles paires à mesure qu'ils grandissent. Présentations de nouveaux produits Lorsque les entreprises lancent de nouveaux produits ou fonctionnalités, elles oublient souvent d'en faire la publicité auprès de leur clientèle existante. En utilisant la segmentation de la clientèle et des algorithmes prédictifs, Machine Translated by Google Play Eight : lancez des programmes prédictifs pour accroître la valeur client Les spécialistes du marketing peuvent désormais prédire lesquels de leurs clients existants seraient intéressés par davantage de produits de niche ou d'introductions de fonctionnalités. Et rien ne crée une raison plus convaincante d'acheter que l'introduction de nouveaux produits. La même stratégie peut également être utilisée pour promouvoir les marchandises restantes ou les stocks cassés. Disons que vous n'avez que les tailles 6 et 12 d'une robe populaire qui n'a plus d'autres tailles. Il ne sert à rien d'envoyer une motion pro pour ce produit à toute votre base de données. Cependant, si vous pouviez identifier les consommateurs qui sont intéressés par de telles robes et portent une taille 6 ou 12, vous avez une campagne très pertinente et puissante. Un éditeur basé à New York souhaitait améliorer les résultats de ses newsletters Nouveautés avec un meilleur ciblage. La segmentation originale utilisée par ce client était basée sur les préférences de genre déclarées par les clients lors de leur abonnement aux newsletters. La société a ensuite créé des clusters dynamiques basés sur l'activité réelle d'achat et de navigation des abonnés. La question : laquelle s'avérera la plus précise, ce qui intéresse les consommateurs ( préférences) ou ce qui les intéresse à travers leurs actions (clusters). Il s'avère que décider quelle newsletter de genre envoyer à qui en fonction des clusters avait un taux d'ouverture deux fois meilleur, un taux de clics quatre fois meilleur et un taux de clics sept fois plus élevé que ceux envoyés en fonction des consommateurs. préférences déclarées. La conclusion : il est tout aussi important, sinon plus, d'observer ce que font les gens par rapport à ce qu'ils disent. Campagnes d'appréciation des clients Il est facile d'oublier vos meilleurs clients. Ces meilleurs clients peuvent représenter une part importante de vos revenus et la quasi­totalité de vos bénéfices. En moyenne, plus de 60 % des revenus et plus de 90 % des bénéfices proviennent d'environ 20 % des clients. Nous avons rencontré des CMO avant­gardistes qui se concentrent exclusivement sur leurs meilleurs clients. Ces clients sont la pierre angulaire de l'entreprise, et il y a beaucoup de choses que vous pouvez faire pour récompenser vos clients de grande valeur. Ces récompenses ne doivent pas toujours impliquer de l'argent. Par exemple, vous pouvez donner aux clients de grande valeur un aperçu de votre nouvelle collection ou les inviter à votre siège social pour une visite. De même, votre PDG pourrait les reconnaître avec un e­mail personnel, un appel ou une note manuscrite, ou vous pourriez donner aux VIP l'accès à un numéro de téléphone spécial du service client ou à une section de votre magasin. 161 Machine Translated by Google 162 Neuf jeux faciles pour démarrer avec le marketing prédictif Il pourrait également être judicieux de reconnaître ces clients de manière plus formelle, par exemple avec un cadeau symbolique pendant les vacances. L'un de nos clients a organisé un événement d'entreprise au cours duquel un chanteur célèbre a donné un concert. Ils ont également invité leurs clients platine à cet événement. C'était exclusif et offrait à leurs clients un avantage incroyable que l'argent ne peut pas acheter. Ils en ont parlé dans des forums publics et ont encouragé d'autres clients à devenir fidèles à la marque. Avant de pouvoir récompenser des clients de valeur, vous devez d'abord les comprendre en profondeur. Tous les clients précieux ne sont pas créés égaux. Les clients peuvent être fidèles d'au moins quatre manières différentes : 1. Les clients font affaire avec vous depuis longtemps . 2. Les clients dépensent beaucoup avec votre marque. 3. Les clients achètent dans de nombreuses catégories différentes. 4. Les clients réfèrent ou influencent un ami ou un collègue. Bien que tous ces clients soient précieux, chacun est fidèle d'une manière différente et nécessiterait un programme différent pour interagir avec eux. De même, lorsqu'un détaillant d'articles et de vêtements de plein air a voulu mieux comprendre ses clients les plus précieux, il a utilisé des algorithmes logiciels pour trouver différents types de modèles d'achat intéressants que les gens auraient pu manquer. Il a identifié quatre personnalités de grande valeur très différentes qui se sont toutes comportées de manière très différente : 1. Gros­gros­mais­ne­revenez pas : un groupe de clients a passé des commandes uniques et importantes, mais n'est jamais revenu pour acheter plus après l'achat initial. Ce groupe aime les vêtements d'extérieur pour adultes, ainsi que les articles coûteux comme les tentes et les poussettes. Ils achètent des marques haut de gamme et ont tendance à vivre dans des États plus riches comme New York, la Californie ou le New Jersey. Ces clients ont tendance à être acquis par le biais de publicités présentées sur les sites Web des fournisseurs pendant les périodes de magasinage achalandées telles que les vacances. 2. Accro aux récompenses : le deuxième groupe de clients de valeur a une valeur de commande moyenne raisonnablement élevée, mais pas aussi importante que le grand groupe. Cependant, ce groupe achète beaucoup plus fréquemment, presque une fois tous les deux mois comme sur des roulettes. Ces clients génèrent des revenus élevés mais une marge plus faible car ils utilisent beaucoup de points de récompense, n'hésiteront pas à retourner des articles et achèteront fréquemment des articles pendant le dédouanement. Machine Translated by Google Play Eight : lancez des programmes prédictifs pour accroître la valeur client Ventes. Ces clients achètent sur le site Web et sont généralement des hommes, jeunes (30 à 40 ans) et vivent dans des États moins peuplés. Ces clients achètent des vêtements d'extérieur, des sacs de couchage, des tentes et du matériel d'escalade. 3. Vieille école : les clients de la vieille école aiment acheter dans les magasins, viennent faire du shopping le week­end et achètent souvent des articles en liquidation. Les acheteurs de la vieille école ont une affinité avec la catégorie des chaussures. Ils aiment les marques différentes des autres segments de valeur et vivent pour la plupart à proximité des magasins de l'entreprise. Les clients de la vieille école ont tendance à être acquis en premier en décembre grâce à des campagnes de paiement par clic. 4. Tombé en disgrâce : Le dernier segment de clientèle précieux découvert est appelé « tombé en disgrâce ». Ce groupe de clients commence généralement de manière étonnante avec plus de trois commandes au cours de leurs deux premiers mois et une grande valeur moyenne des commandes qui est presque le double de la moyenne de l'entreprise. Cependant, ces clients arrêtent souvent d'acheter après quelques mois et ont une propension plus élevée à retourner les articles. Une fois que vous avez compris les différents types de clients précieux, vous pouvez commencer à concevoir des campagnes pour maintenir l'engagement de ces segments. Pour le segment de clientèle de la vieille école, vous voudrez peut­être investir dans une campagne de publipostage ou même de clientèle où les clients VIP reçoivent une carte postale ou un appel téléphonique les alertant des nouveaux modèles de chaussures qu'ils pourraient aimer. Pour le segment Big­big­but­do­not­return , vous pouvez peut­être envoyer un cadeau de Noël annuel qui est un complément à leur tente ou poussette, comme une bouteille d'eau de haute qualité qu'ils peuvent emporter en promenade ou en camping. aventures. Les programmes de fidélité à l'ère de l'analyse prédictive Les programmes de fidélité sont conçus pour transformer les clients en défenseurs fidèles qui soutiennent et recommandent votre marque. Les spécialistes du marketing grand public utilisent depuis longtemps les programmes de fidélisation pour essayer de faire avancer les clients sur le continuum de fidélisation de la clientèle. Les programmes de fidélisation des détaillants ont évolué lorsque les détaillants progressistes ont reconnu que sans « outil d'identification des clients », ils étaient incapables de reconnaître les clients individuels et de les récompenser pour le comportement souhaité. Bien que les programmes de fidélisation des détaillants aient de nombreux objectifs, la plus grande valeur créée pour les détaillants est cette capacité à identifier les clients individuels et à mesurer et comprendre leurs comportements individuels. Ce consommateur 163 Machine Translated by Google 164 Neuf jeux faciles pour démarrer avec le marketing prédictif les données sur le comportement dépassent de loin la valeur monétaire d'offrir aux consommateurs la possibilité de créer une opportunité de récompense en achetant dans un magasin en particulier. Cette opportunité est souvent mal comprise. Forte de ce succès initial, Mavi, l'entreprise de vêtements présentée dans les chapitres 1 et 3, a également utilisé l'analyse prédictive pour renforcer son programme de fidélité. Mavi a mis en place une carte de fidélité dès 2008. Quatre­vingt­cinq pour cent de ses revenus passent désormais par ce programme de fidélité, et plus de 90 pour cent de tous les produits achetés dans le magasin peuvent être attribués à un client spécifique. Ceci est très important pour pouvoir voir l'image complète du client. Mavi a décidé d'utiliser des points de fidélité pour essayer d'augmenter la valeur moyenne de la première commande d'un client. Par exemple, les clients dépensant en moyenne 100 $ recevraient un message disant « venez dépenser 150 $ et obtenez des points supplémentaires ». À un autre groupe qui dépense normalement 300 $, il dirait : « venez dépenser 400 $ et obtenez des points supplémentaires ». Non seulement le programme a augmenté la valeur de la première commande, mais il a également entraîné des visites répétées. Les clients avaient désormais des points à dépenser et venaient pour une deuxième visite pour le faire. Souvent, ils dépensaient plus d'argent qu'ils n'avaient de points. Et le nombre moyen de visites par client est passé de 1,2 à 2,1 grâce à ce programme. Le programme connaît un tel succès que la moitié du budget de remise de l'entreprise est désormais allouée à ce programme de cartes. Les programmes de fidélisation reviennent d'une manière qui n'aurait pas été possible il y a quelques années à peine. Premièrement, les achats et le comportement en ligne peuvent être suivis même sans que les consommateurs ne s'inscrivent à des programmes de fidélité formels. Zappos reconnaît désormais automatiquement les clients VIP et les accueille en conséquence sur son site Web. Vous n'avez même pas besoin d'attendre qu'un client VIP dépense beaucoup avec vous pour reconnaître ce groupe. Grâce au big data et à l'analyse prédictive, il n'est possible que maintenant d'identifier les comportements qui indiquent qu'un client deviendra un VIP à l'avenir afin que vous puissiez le traiter avec des gants blancs dès le premier jour. Pour identifier les acheteurs dans le magasin, sans les inscrire à un programme formel, les détaillants ont commencé à utiliser les reçus électroniques, les inscriptions à la newsletter ou le wifi gratuit comme moyens de capturer des informations sur les acheteurs et d'identifier plus tard les acheteurs dans le magasin. Deuxièmement, l'époque des programmes de fidélisation à taille unique touche rapidement à sa fin. Au lieu d'offrir les mêmes incitations à tous les clients, les offres peuvent et doivent désormais être personnalisées individuellement. Machine Translated by Google Play Eight : lancez des programmes prédictifs pour accroître la valeur client 165 Comme l'exemple de Mavi l'a montré, les meilleurs programmes de fidélité sont conçus pour susciter des actions spécifiques de la part de clients spécifiques. Troisièmement, bien que les programmes de fidélisation se soient historiquement concentrés sur la récompense des achats de biens ou de services, les spécialistes du marketing cherchent de plus en plus à récompenser les comportements dont ils savent qu'ils mèneront éventuellement à des ventes. Par exemple, le programme de récompenses du site de vente flash en ligne Gilt attribue des points aux clients qui naviguent sur son site Web, parrainent des amis ou se connectent à sa chronologie Facebook, car il a constaté que plus de navigation conduit presque toujours à plus d'achats. (Source : Programme d'initiés du site Web Gilt.com.) D'une certaine manière, la fidélité influence et est influencée par l'engagement des clients. Des clients plus engagés signifient certainement des clients plus fidèles. Un exemple de programme de fidélité créatif et moderne est le programme PowerUp Rewards™ de la société GameStop, qui vend des consoles de jeux et des logiciels neufs et d'occasion et s'étend aux appareils mobiles. Les membres PowerUp Rewards reçoivent de nombreux avantages qui ne sont pas des "points", tels que des programmes promotionnels et commerciaux d'occasion, des offres exclusives de lancement à minuit, des offres spéciales sur l'électronique grand public et de superbes prix pour consolider la position de l'entreprise en tant que destination pour tout ce qui concerne les jeux. Les membres sont également automatiquement inscrits aux Epic Reward Giveaways™ mensuels lorsqu'ils effectuent une transaction avec GameStop. Les Epic Reward Giveaways sont des expériences uniques et passionnantes que GameStop a créées sur la base de leurs solides relations avec les éditeurs de jeux et d'autres partenaires de divertissement. GameStop a accueilli plus de 5 000 membres PowerUp Rewards lors de leur deuxième exposition annuelle GameStop à Las Vegas. Avec plus de 200 000 pieds carrés d'excitation et d'innovation dans le domaine des jeux vidéo, les clients ont découvert les fonctionnalités des nouvelles consoles Microsoft Xbox One et Sony PlayStation4 avant leur lancement, ont joué aux nouveaux jeux vidéo les plus populaires, ont participé pour gagner de superbes prix et ont rencontré les meilleurs jeux vidéo. éditeurs et autres invités célèbres. Trois ans seulement après son lancement, le programme PowerUp Rewards comptait 27 millions de membres dans le programme PowerUp Rewards, dont environ 7 millions étaient des membres payants. Les abonnements payants au programme peuvent également inclure un abonnement au magazine Game Informer , des remises supplémentaires sur des articles d'occasion en magasin et des Machine Translated by Google 166 Neuf jeux faciles pour démarrer avec le marketing prédictif crédit sur les reprises de produits d'occasion. L'édition numérique de Game Informer a atteint plus de 3 millions d'abonnés dans 15 pays à travers le monde, ce qui en fait le plus grand magazine numérique au monde. Le programme a été très réussi pour GameStop. Les membres de PowerUp Rewards achètent avec GameStop environ 5 fois plus souvent que les non­membres, ce qui représente 71 % du total des achats aux États­Unis en 2013. En outre, les données sur les consommateurs que GameStop collecte via le programme leur permettent de prendre des décisions stratégiques éclairées sur tout, de la sélection immobilière, des programmes de marketing et des décisions d'achat de produits efficaces (Source : Rapport annuel 2013 de GameStop.) Un mot sur le marketing omnicanal Un pourcentage croissant d'acheteurs interagissent avec vous en utilisant plusieurs canaux, et de nombreux acheteurs migrent d'un canal à l'autre au cours de leur vie pour devenir des acheteurs multicanaux. Au moins vingt­huit pour cent des acheteurs qui achètent pour la première fois en ligne migrent pour acheter également en magasin au fil du temps, et vingt­ deux pour cent de ceux qui commencent en magasin migrent pour acheter également en ligne. Ces pourcentages sont probablement largement sous­estimés, car la plupart des spécialistes du marketing ont encore du mal à identifier les acheteurs en magasin. Le comportement omnicanal représente un défi et une opportunité particuliers pour les spécialistes du marketing. Comme nous l'avons vu au chapitre 3, le défi consiste à créer des profils de clients vraiment complets. L'opportunité est d'utiliser les données client pour attirer les clients en magasin en ligne et les acheteurs en ligne dans vos magasins. De plus, lorsqu'il s'agit de prédire la valeur vie client, le nombre de canaux utilisés par les clients est toujours une variable prédictive très importante, étant donné que tout reste constant. Le rôle de vos différents canaux n'est pas toujours évident. Reprenons l'exemple de GameStop. Considéré comme l'un des 25 meilleurs détaillants (ComScore Data), GameStop.com apporte des rayons de magasins virtuels à plus de 9 millions de visiteurs uniques sur le site chaque mois. Au départ, elle considérait son site Web comme une source directe de commerce électronique et de revenus. Cependant, il s'est avéré que plus de 60 % des acheteurs en magasin visitent les sites Web ou mobiles de GameStop avant d'effectuer un achat dans les magasins, et pour chaque dollar de vente en ligne, les canaux Web et mobiles influencent dix fois ce montant dans leurs magasins. La société a également lancé d'autres expériences omnicanales innovantes qui fidélisent la clientèle. Le service web­in­store GameStop garantit chaque Machine Translated by Google Play Eight : lancez des programmes prédictifs pour accroître la valeur client 167 est en stock en donnant aux clients le choix de commander n'importe quel produit en ligne dans un magasin et de le faire expédier directement chez eux sans frais. Le service pick­up@store permet aux clients d'acheter des jeux, des consoles et des accessoires en ligne et de les récupérer dans leur magasin local (Source : GameStop 2013 Annual Report.) Tant que vous disposez de l'adresse physique d'un client dans votre base de données, vous pouvez utiliser des campagnes de publipostage, d'e­mail, sur le Web ou sur les réseaux sociaux pour alerter tous vos clients, en ligne et hors ligne, des ouvertures de nouveaux magasins, des événements en magasin ou en ­Promotions en magasin. Une entreprise qui a utilisé cette stratégie avec succès est 100% Pure, une marque de cosmétiques biologiques fondée en 2005 en tant que magasin en ligne uniquement et qui s'est depuis développée rapidement pour atteindre 12 magasins dans trois États. L'année dernière, la société a vendu plus de 7 millions de produits. L'équipe marketing de cette entreprise est petite. 100 % Pure interagit avec ses clients sur plusieurs canaux, mais ses ventes sur le Web représentent près de la moitié de son activité totale. 100% Pure a utilisé le marketing prédictif pour promouvoir sa marque sur tous les canaux : en utilisant les données clients de sa boutique en ligne, 100% Pure a pu analyser chaque région des États­Unis pour déterminer où se trouvaient la plupart de ses clients. Il a constaté que la plupart des clients étaient situés en Californie, suivis de New York, de la Floride et du Texas. Cela a aidé l'entreprise à déchiffrer où ouvrir ses sept prochains magasins. Une fois les nouveaux magasins ouverts, il lui fallait trouver un moyen d'attirer les clients en ligne dans les magasins. À l'aide de modèles d'analyse prédictive, elle a ciblé les clients existants ayant une forte propension à acheter par publipostage pour générer du trafic vers ses magasins les plus proches. La société a vu ses revenus augmenter de 163 %. Pour l'inauguration d'un magasin en particulier, l'entreprise a envoyé des invitations à des clients sélectionnés qui vivaient dans un rayon de 80 km autour du magasin et qu'elle avait identifiés comme ayant une plus grande propension à acheter et une valeur à vie élevée. Il a ensuite envoyé un e­mail de rappel à ces clients deux jours avant l'ouverture. Le magasin a vu ses ventes sept fois supérieures à ses ventes quotidiennes moyennes. L'une des plus grandes réussites de 100% Pure en matière de marketing prédictif a été une campagne autour de sa crème pour les yeux aux grains de café la plus vendue. Parce que le produit est un approvisionnement de 60 jours, la société a utilisé AgilOne pour déclencher un e­mail à 45 jours pour inviter le client à racheter l'article en ligne ou en magasin. L'entreprise a vu ses ventes augmenter de 200 % en moyenne. Machine Translated by Google Machine Translated by Google CHAPITRE 13 Play Nine : lancement Programmes prédictifs pour Conserver plus de clients Dans ce chapitre, nous allons nous intéresser de plus près à la définition de la fidélité et du churn, et couvrir des stratégies spécifiques de fidélisation des clients, notamment des campagnes d'appréciation des clients, une gestion proactive et réactive du taux de désabonnement et des campagnes de réactivation des clients. Comprendre votre taux de rétention Le taux de fidélisation de vos clients est défini comme le pourcentage de clients que vous fidélisez pendant la période de mesure. Il existe au moins deux façons de mesurer la rétention : vous pouvez vous concentrer sur le pourcentage de clients que vous conservez ou sur le pourcentage de dollars que vous conservez. Nous vous recommandons de vous concentrer sur la rétention de la valeur en dollars. Cela surmonte le défi d'avoir d'excellentes mesures de rétention au niveau du nombre de clients et d'avoir toujours une entreprise malsaine. Pour ce faire, vous devez comprendre le taux de fidélisation de vos clients par segment de valeur auquel ils appartiennent, comme décrit au chapitre 8. 169 Machine Translated by Google 170 Neuf jeux faciles pour démarrer avec le marketing prédictif Le concept de désabonnement négatif Le taux de désabonnement négatif est le concept de croissance des revenus des clients existants à un rythme plus rapide que le rythme auquel les autres clients cessent d'acheter vos produits ou services. Lorsque les clients arrêtent d'acheter vos produits et ne peuvent plus être considérés comme des clients, il est facile de penser que les revenus perdus devront être remplacés par les ventes de nouveaux clients et se concentrer uniquement sur l'acquisition de nouveaux clients. Cependant, cette approche ne tient pas compte de l'ensemble du tableau. Ce que vous devriez vraiment regarder, c'est la valeur totale de tous les revenus entrant et sortant de votre entreprise, plutôt que le nombre de clients que vous gagnez et perdez. En effet, certains clients pourraient générer plus de revenus en achetant plus de produits et en utilisant davantage vos services, ce qui augmenterait les revenus totaux au­dessus du montant des revenus perdus des clients périmés. Pour arriver au concept de désabonnement négatif, nous devons passer du comptage du nombre de clients qui nous quittent au comptage du nombre de dollars qui partent. Vous risquez de perdre des clients (et les dollars de revenus qui accompagnent ces clients perdus), mais si vous faites bien votre travail, vous gagnerez beaucoup d'expansion ou de revenus récurrents d'autres clients plus fidèles. Par exemple, si vous perdez 100 $ en raison de l'attrition des clients et des non­renouvellements, mais que vous gagnez 150 $ pour la même période ou cohorte grâce aux revenus d'expansion (ventes incitatives, ventes croisées, utilisation plus élevée, etc.), vous avez un taux de désabonnement négatif (net) de 50 $. . Sur une base client (mais toujours en tenant compte des revenus), si sur 100 clients vous en perdez 10 (brut), mais que vous êtes en mesure de vendre, de vendre de manière croisée ou de générer une utilisation supplémentaire des 90 clients qui sont toujours là, vous permettant pour générer plus de revenus à partir des 90 que vous n'en avez générés avec les 100 d'origine, vous avez un taux de désabonnement négatif. Lorsqu'une entreprise est aux premiers stades de sa croissance avec seulement quelques millions de dollars de revenus, le taux de désabonnement des clients n'est pas nécessairement une grande préoccupation. Il semble facile de remplacer les revenus des clients par de nouveaux clients. Cependant, à mesure que les revenus augmentent, le remplacement des revenus perdus à cause du désabonnement signifie souvent des dizaines de millions de dollars qui doivent provenir de nouveaux clients. L'avantage de se concentrer tôt sur la fidélisation de la clientèle et d'obtenir un taux de désabonnement négatif (lorsque les revenus de la vente incitative sont supérieurs aux revenus perdus) est que les revenus de vos clients existants s'accumulent au fil du temps, tout comme l'épargne­retraite. Machine Translated by Google Play Nine : lancez des programmes prédictifs pour fidéliser davantage de clients Comprendre votre modèle d'entreprise Certaines industries ont des taux de rétention intrinsèquement plus élevés que d'autres. Dans le commerce de détail, les taux de rétention ont tendance à être très faibles, généralement bien inférieurs à 30 %. Dans l'automobile, pas plus de 40 % des acheteurs achètent la même voiture à deux reprises successives. Dans les secteurs où la relation entre le client et l'entreprise est plus complexe, comme dans les logiciels d'entreprise ou la banque, les taux de rétention peuvent être bien supérieurs à 90 %. Il n'est donc pas surprenant que le secteur de la vente au détail ait été l'un des premiers à adopter le marketing prédictif, dans le but d'accroître la fidélité des clients et la valeur à vie des clients. La figure 13.1 décrit certains des différents environnements marketing créés par différents modèles commerciaux. Ces environnements ont des exigences différentes pour les programmes clients, en raison de la nature unique de leurs produits, de la chaîne d'approvisionnement, des modèles de vente et des cycles de décision des clients. Par exemple, les campagnes d'achats répétés et de réapprovisionnement sont plus importantes pour les produits qui ont une durée de vie courte et/ou un cycle de remplacement de produit court. UGS Remplacer Produit Type de Typique ment Usage Entreprise Industries # SKU Cycle Marge à vie Mode Électronique, Court Moyen vêtements Réapprovisionnement/ Versionné Nourriture, Élevé (1 000+) Bas­Moyen médicaments, cosmétiques, (50–2 (1–3 ans) Moyen Court 000) Varié (10 % à 60 %) Élevé (<6 ans) (35 % à 65 %) CPG Considéré Produits blancs, auto Abonnement Abonnement consommateur Bas Moyenne Très Longue (>5 (10–50) Très faible Bas Moyen­élevé Bas Faible à moyen (<10) prestations de service, domicile prestations de service Bases Livres, Moyen électrique outils Figure 13.1 Modèles commerciaux Bas­Moyen ans) (15%–­35%) 171 Machine Translated by Google 172 Neuf jeux faciles pour démarrer avec le marketing prédictif Tous les désabonnements ne sont pas créés égaux Lors de la mesure de la fidélisation de la clientèle, il est important de réaliser que non tous les désabonnements sont créés égaux. Par exemple, l'attrition de nouveaux clients est toujours supérieur à ce qu'il est pour les clients qui se sont déjà avérés fidèles et qui sont revenus faire affaire avec vous plus d'une fois. Il est important de comprendre ces différences. Prenons un exemple. Tu sont à la tête du marketing d'un terrain de golf hypothétique appelé GolfGear. Votre PDG a lu certains rapports de l'industrie et vous montre ce qui suit données : le taux de désabonnement de GolfGear est de 15 % contre 5 % pour les concurrents. Elle ajoute ensuite que même si le taux de croissance de GolfGear est satisfaisant, les taux de rétention sont lamentables. Bien que cela semble logique à première vue, la réalité peut être plus nuancé. Il s'avère que les taux de rétention de GolfGear sont exactement dans conforme à la moyenne de l'industrie. Cependant, comme GolfGear grandit si rapidement, un pourcentage relativement plus important de la population de clients est tout neuf. Parce que le taux de désabonnement des nouveaux clients a tendance à être beaucoup plus élevé que sur les clients plus anciens, le taux de rétention global pour GolfGear est inférieur (voir Figure 13.2). Vous pourriez creuser un peu plus profondément. Lorsque vous perdez des clients, qui êtes­vous en train de perdre ? Tous les désabonnements ne sont pas également mauvais. Toutes les marques ont des pertes clients. Perdre un client non rentable n'est pas aussi grave que perdre l'un de vos meilleurs clients. Prenons un grand détaillant. Le détaillant est connaît une baisse du nombre de clients actifs et une baisse de revenus (voir Figure 13.3). Pour vraiment comprendre la cause profonde du déclin, ce détaillant a décidé pour examiner le taux de désabonnement par segment de valeur client (voir la figure 13.4). Le taux de roulement global observé était de 22 %, mais il s'avère que le détaillant perd des clients dont la valeur à vie est inférieure. Le taux de désabonnement est le plus élevé parmi ces clients dépensant moins de 1 000 $ à 34 %. Pour les clients GolfGear Population Mandat (%) Concurrence Baratte Population Taux (%) Ancienneté (%) Baratte Évaluer (%) 0–4 mois 30% 30% 0–4 mois 5% 30% 5 à 12 mois 25% dix% 5 à 12 mois dix% dix% 1–2 ans 3+ 40% 5% 1–2 ans 3+ 50% 5% 5% 2% ans 35% 2% ans Figure 13.2 Exemple de détails du taux de désabonnement GolfGear Machine Translated by Google Play Nine : lancez des programmes prédictifs pour fidéliser davantage de clients Figure 13.3 Nombre de clients en baisse, mais Aov en augmentation Figure 13.4 Baisse des clients à faible valeur et non à forte valeur 173 Machine Translated by Google 174 Neuf jeux faciles pour démarrer avec le marketing prédictif dépensant entre 1 000 $ et 10 000 $, le taux de désabonnement est nettement inférieur, à savoir 15 %. Pour les moyens et grands dépensiers entre 10 000 $ et 50 000 $, la clientèle est assez stable avec une légère baisse de 1 %. Cependant, il s'avère que ce détaillant réussit à attirer 16 % de gros dépensiers en plus, qui dépensent plus de 50 000 $ avec l'entreprise, soit 50 fois plus que le segment le moins cher. En conséquence, ce détaillant pourrait très bien augmenter sa rentabilité même si le nombre de clients actifs diminue et que ses revenus diminuent. La migration de valeur est également un taux de désabonnement Comme nous l'avons expliqué au chapitre 8, vous n'avez pas besoin de perdre des clients pour perdre de l'argent. L'aspect le plus négligé du désabonnement est la migration de valeur. La migration de valeur se produit lorsque les clients dépensent moins d'argent avec vous au cours d'une année donnée qu'ils ne l'ont fait l'année précédente. Prenons l'exemple d'une banque de détail. Cette banque mesurait les gains de clients et le taux de désabonnement des clients d'une année sur l'autre et a constaté que les deux étaient stables dans le temps avec un taux de croissance de 5 % et un taux de désabonnement de 4,1 %. Pourtant, cette banque connaissait une baisse importante de ses revenus. Il s'avère que le solde moyen détenu à la banque par ses 2 millions de clients diminuait de 2 % chaque année. La direction de cette banque a d'abord fait pression sur l'équipe marketing pour qu'elle se concentre sur l'amélioration du taux de désabonnement. Cependant, une simple analyse de rentabilité a révélé que l'effet de la migration de valeur, sous la forme d'une baisse des soldes bancaires, était beaucoup plus important que l'impact de la rotation des clients. En fait, sur la perte de revenus due à la valeur, la migration était trois fois plus importante que la perte de revenus due aux fermetures de comptes. Une fois qu'ils ont compris les raisons de la baisse des revenus, la banque pourrait prendre des mesures pour renverser la situation. Il a concentré l'équipe sur la lutte contre la migration de valeur, pas seulement sur les fermetures de comptes, et a créé un segment de clientèle distinct pour surveiller le comportement du segment en déclin. Programmes de gestion du taux de désabonnement Les programmes de gestion du désabonnement peuvent être non ciblés, s'appliquant de la même manière à tous vos clients, ou ciblés. La gestion du désabonnement peut également être réactive ou proactive. La gestion non ciblée du désabonnement pourrait généraliser Machine Translated by Google Play Nine : lancez des programmes prédictifs pour fidéliser davantage de clients Figure 13.5 Aperçu des programmes de gestion du roulement amélioration de la qualité du service ou du produit ou lancement d'une campagne publicitaire de masse. Les programmes d'attrition ciblés peuvent être réactifs, déclenchés par un client annulant son service, par exemple, et proactifs, basés sur des prévisions de clients à risque (voir la figure 13.5). Un autre nom pour la gestion proactive de l'attrition est la gestion de la rétention. L'avantage de la gestion réactive du taux de désabonnement est que vous n'encourez un coût que pour les clients qui sont réellement désabonnés. L'inconvénient est que vous pouvez être trop tard. L'avantage d'une gestion proactive du taux de désabonnement est que vous économiserez probablement plus de clients, car vous atteignez les clients avant qu'ils n'aient pris leur décision finale de vous quitter. L'inconvénient est que vous pouvez entraîner vos clients à toujours rechercher des offres. Gestion proactive de la rétention Il est beaucoup plus facile, moins coûteux et plus efficace d'essayer d'empêcher un client de partir que de sauver un client à la dernière minute ou de le réactiver après qu'il a déjà cessé de magasiner chez vous. Central Desktop aide les gens à travailler ensemble d'une manière qu'ils n'auraient jamais imaginé possible grâce à sa plateforme de collaboration basée sur le Web. Les données d'utilisation étaient stockées dans des systèmes disparates, ce qui rendait difficile l'identification des clients qui n'utilisaient pas pleinement le logiciel. L'équipe des services de Central Desktop avait besoin d'une visibilité précoce sur des milliers de comptes à la fois afin de pouvoir contacter de manière proactive les clients à risque. Mark Fordham, vice­président des services, et Katie Gaston, responsable de la communauté et des opérations, ont dirigé la mise en œuvre de la technologie pour découvrir les informations des clients et devenir de plus en plus 175 Machine Translated by Google 176 Neuf jeux faciles pour démarrer avec le marketing prédictif avant­gardiste en tant que ministère. Tout d'abord, ils ont identifié les indicateurs clés des comptes à risque de désinscription. Par exemple, ils ont découvert cinq caractéristiques clés qui indiquent la «fidélité» et la rétention des clients. Les clients qui utilisent au moins deux de ces cinq fonctionnalités clés se sont avérés avoir un taux de rétention de 40 % supérieur à celui des clients qui n'utilisent aucune ou une seule de ces fonctionnalités. Central Desktop promeut désormais de manière proactive ces fonctionnalités de produit spécifiques auprès de tous les clients dès le premier jour afin d'augmenter la rétention. De plus, Central Desktop est désormais capable d'envoyer des e­ mails hautement ciblés et personnalisés aux utilisateurs spécifiques qui n'ont pas utilisé toutes les fonctionnalités de l'outil de collaboration de l'entreprise. En fin de compte, l'analyse prédictive combinée à une sensibilisation proactive des clients s'est avérée être une stratégie gagnante pour Central Desktop : son taux de désabonnement global a diminué de 10 % en un peu plus d'un an. Les modèles prédictifs peuvent indiquer quels clients et contacts ont une faible probabilité de faire un achat futur. Les modèles prédictifs peuvent également signaler les clients qui abusent du système. Plutôt que de simplement laisser partir ces clients, vous pouvez utiliser des campagnes tactiles préventives pour vous renseigner auprès des clients à risque. Dans le marketing grand public, cela peut signifier envoyer un simple rappel, une offre pertinente ou convaincante, une recommandation personnalisée, une remise, un cadeau ou une invitation à une vente ou à un événement à venir. Un exemple de campagne tactile préventive pourrait consister à envoyer aux contacts ayant une faible probabilité d'achat mais une valeur à vie (LTV) élevée une offre de 20 % sur leur prochain achat. Dans le marketing d'entreprise, la gestion proactive de la rétention peut être aussi simple que d'appeler le client au bon moment pour lui offrir de l'aide. Disons que vous êtes un fournisseur de logiciels en ligne. Il peut y avoir de nombreuses raisons pour lesquelles les clients se désengagent. Peut­être que l'utilisateur final principal est parti et que la nouvelle équipe ne comprend pas la valeur du logiciel ou ne sait pas comment l'utiliser. Peut­ être que votre client rencontre des problèmes de performances avec votre logiciel mais n'a pas pris les mesures nécessaires pour vous appeler pour obtenir de l'aide. Peut­être que le client a une demande de fonctionnalité. Il y a mille raisons, dont beaucoup sont évitables et résolubles, pour lesquelles un client est insatisfait. Le problème est que les clients ne réalisent pas toujours que leurs problèmes peuvent être résolus, et vous ne réalisez peut­être pas quand les clients ont un problème. Si vous utilisez l'analyse prédictive, vous pouvez surveiller les signes avant­coureurs indiquant qu'un client est mécontent et vous enregistrer en conséquence. Les signaux d'avertissement peuvent être une baisse des visites sur votre site Web ou des ouvertures d'e­mails, ou simplement une baisse de la consommation de vos produits ou services. Pour les produits logiciels, si un client enregistre moins de sessions d'utilisation que d'habitude, cela pourrait Machine Translated by Google Play Nine : lancez des programmes prédictifs pour fidéliser davantage de clients être un signe. En examinant le comportement de milliers de clients qui ont refusé, les algorithmes logiciels peuvent identifier ce qui est commun au comportement des clients avant d'annuler leur service et vous alerter si de nouveaux clients présentent ce comportement préoccupant. Le résultat final peut être magique. Rien n'est plus agréable pour un client que de recevoir un appel proactif d'un représentant du service client lorsqu'il rencontre des problèmes. En fait, il n'est pas rare que ces clients mécontents soient si reconnaissants qu'ils deviennent des clients à vie une fois que vous avez résolu leurs problèmes. Combien dépenser pour économiser les clients ? En ce qui concerne la gestion du taux de désabonnement, une question importante à se poser est quelle est la valeur maximale en dollars de l'incitatif de rétention que vous pouvez offrir pour que le programme soit rentable. Le montant que vous pouvez offrir dépend de la valeur à vie des clients à risque, de l'efficacité du ciblage (pouvez­vous identifier avec précision le risque de taux d'attrition d'un segment cible spécifique) et de l'efficacité du programme (taux d'attrition dans un segment cible ). Prenons un exemple. Une panne récente du réseau cellulaire dans une certaine région a entraîné de nombreuses plaintes auprès de votre centre d'appels. Vous soupçonnez que cela a un impact sur le taux de désabonnement. Vous découvrez qu'en fait, le taux de désabonnement est très élevé (environ 10 %) parmi les clients qui ont appelé pour se plaindre au cours du mois dernier. Ainsi, environ 10 % des clients qui ont appelé en janvier ont fini par abandonner en février. Ces clients qui tournent sont très précieux et ont une valeur à vie moyenne de 250 $. Vous souhaitez donc créer un programme proactif pour réduire le taux de désabonnement parmi les clients qui se plaignent. Vous concevez un programme pour appeler ces clients qui se sont récemment plaints et vous excuser pour un mauvais service. Vous leur offrez également une incitation financière pour passer à un meilleur service le mois suivant. Si vous savez que le programme peut réduire le taux de désabonnement de 10 % à 5 %, vous pourriez alors dépenser jusqu'à 12,50 $ pour fidéliser chaque client. La formule générale pour calculer cela est : X = Y (%) LTV X = l'argent que vous pouvez dépenser pour essayer de fidéliser chaque client Y = le pourcentage de clients que vous pouvez économiser avec votre campagne LTV = la valeur à vie de chaque client enregistré 177 Machine Translated by Google 178 Neuf jeux faciles pour démarrer avec le marketing prédictif L'astuce est que dans la vraie vie, vous ne savez pas vraiment ce qu'est Y, mais vous pouvez trouver Y en testant votre programme à plus petite échelle. Tout ce que vous savez lorsque vous commencez, c'est que l'amélioration maximale de la rétention est de 10% (le taux de désabonnement), de sorte que le montant maximum d'argent à dépenser dans ce cas particulier est de 25 $. La bonne façon de développer un programme proactif de gestion du désabonnement consiste à trouver d'abord des clients à cibler de manière proactive. La façon d'y parvenir est de développer des hypothèses sur les variables des clients qui sont liées au taux de désabonnement. Ensuite, vous concevez un programme de test pour ces clients à risque. Assurez­vous de diviser votre segment cible en deux groupes ou plus, y compris un groupe récalcitrant qui ne recevra pas d'incitation à la rétention. Seuls les tests peuvent finalement quantifier la réduction du taux de désabonnement qui en résultera ou le niveau de remboursement qui se produira sur les incitations. Ces apprentissages peuvent être utilisés pour affiner le programme. Rétention et partage du portefeuille Il semble que l'augmentation du nombre de produits et de services que quelqu'un vous achète peut également augmenter le taux de rétention de ce client. Plus le client investit d'efforts pour vous parler de lui­même, plus il a intérêt à ce que la relation fonctionne. Il s'agit d'une stratégie bien connue des fournisseurs de télécommunications. Le taux de désabonnement des clients abonnés uniquement aux services de télévision par câble est plus du double de celui des clients qui achètent leur service de télévision, d'Internet et de téléphonie auprès du même fournisseur, comme indiqué dans un article intitulé « Le regroupement de services réduit­il le taux de désabonnement ? » de Jeffrey Prince et Shane Greenstein (novembre 2011). Les données d'AgilOne montrent que le même principe s'applique dans d'autres secteurs : les clients de détail qui achètent différentes catégories de produits d'une marque donnée ont des taux de rétention plus élevés que les clients qui n'achètent qu'un seul type de produit. Par conséquent, tous les spécialistes du marketing devraient viser à augmenter le nombre de types de produits que les clients achètent dans le cadre d'une stratégie de fidélisation proactive. Identifier la cause profonde du désabonnement Il peut y avoir plusieurs raisons pour lesquelles les clients ne bénéficient pas du produit ou du service qu'ils ont acheté. Identifier la racine Machine Translated by Google Play Nine : lancez des programmes prédictifs pour fidéliser davantage de clients 179 cause de désabonnement est une pratique exemplaire en matière de gestion proactive de la rétention. Les clients rencontrent peut­être des problèmes avec le produit : le produit les frustre : mauvais ajustement, bogues, perte de données, performances lentes, interface utilisateur irritante. Si tel est le cas, vous devez d'abord résoudre les problèmes liés au produit ou mettre à jour votre stratégie de marchandisage. Les clients sont peut­être confrontés à un service client médiocre lorsqu'ils appellent pour obtenir de l'aide. Peut­être que le client a acheté le bon produit et que vous fournissez un bon service client, mais il ne sait pas comment l'utiliser. Dans le marketing d'entreprise, cela se produit souvent lorsqu'il y a un changement de garde et que les nouveaux utilisateurs et sponsors ne connaissent pas votre produit. Quelle que soit la cause profonde, identifier les raisons sous­jacentes et les améliorer peut augmenter considérablement vos taux de rétention. Grâce à des algorithmes d'analyse prédictive, vous pouvez évaluer la probabilité d'attrition de chaque client, ainsi qu'identifier et classer les facteurs qui contribuent au score d'attrition. Une entreprise de services aux consommateurs a pu améliorer sa fidélisation de 10 % en suivant les étapes suivantes : tout d'abord, créez un modèle pour prédire quels clients sont susceptibles d'abandonner et évaluez chaque client quotidiennement à l'aide de ce modèle. Deuxièmement, inspectez le modèle pour comprendre les facteurs qui déterminent le score de désabonnement et élaborez des stratégies autour des actions à entreprendre. Troisièmement, testez l'efficacité des différentes méthodes de traitement des clients. Parmi les facteurs à l'origine de l'attrition, citons le nombre d'appels que le client devait passer au centre d'appels concernant des problèmes de service, d'équipement, de délai de livraison et une sensibilité au prix. Les clients qui parlaient des problèmes qu'ils rencontraient étaient alors rappelés, traités avec courtoisie et offraient une réduction sur l'entretien de l'équipement ou sur le service s'ils prolongeaient leur contrat. Pour les clients qui étaient sensibles au prix, mais qui étaient des clients de longue date, fidèles et précieux, l'entreprise les a appelés de manière proactive quelques semaines avant la fin de leur contrat. Les représentants du centre d'appels ont discuté de leur prix contractuel actuel par rapport au taux du marché et ont travaillé avec le client pour s'assurer qu'il prolongerait le prix avec lequel il était à l'aise. Naturellement, la quantité d'efforts et de remises dépensés pour fidéliser les clients était toujours proportionnelle à la valeur du client dans le passé ; ou s'il s'agissait d'un nouveau client proportionnel à sa valeur à vie prévue. Une société de recherche par abonnement a entrepris d'améliorer la fidélisation de ses clients. Ils devaient savoir ce qui suit : Pouvons­nous prédire Machine Translated by Google 180 Neuf jeux faciles pour démarrer avec le marketing prédictif la probabilité qu'un client donné renouvelle son abonnement annuel ? De plus, si un client risque de se désabonner, quelles sont les raisons contributives (par exemple, parce que le client n'utilise pas x et que l'entreprise n'avez­vous pas fait) ? Enfin, de quels leviers le cabinet dispose­t­il pour augmenter la rétention pour chaque client à risque, et lesquels sont les plus rentables ? L'entreprise a analysé les interactions entre les clients et les produits primaires de l'entreprise, tels que l'activité de recherche et la consommation de recherche en ligne par les clients, e­mails et conversations téléphoniques avec le entreprise, etc. Une idée majeure était que l'engagement constant du client avec le contenu était plus important que le simple volume brut de consommation de contenu. Ainsi, un client qui consomme du contenu en quelques les grosses rafales sont moins susceptibles de se renouveler qu'un client qui consomme régulièrement même de petites quantités de contenu. L'entreprise dispose désormais d'une effort pour engager chaque client au moins une fois par mois avec un contenu pertinent. Livraison de recommandation de contenu pertinente par e­mails automatisés s'est avéré être un levier de rétention très rentable. Ces e­mails utilisaient des moteurs de recommandation automatisés pour proposer un contenu pertinent, par exemple. exemple : un client qui lit un contenu spécifique reçoit un e­mail avec des liens vers du contenu connexe. Certains leviers coûteux (tels que les appels de consultation avec un interlocuteur expert) sont des leviers de rétention très efficaces mais ne doivent être utilisé pour les clients "premium". Campagnes de réactivation client Lorsqu'un client vous quitte, tout n'est pas perdu. Les données d'AgilOne montrent qu'il est en moyenne 10 fois moins cher de réactiver un ancien client que de en acquérir un nouveau. Programmes de réactivation pour les anciens clients donc sont un fruit à portée de main pour les spécialistes du marketing à la recherche de nouvelles sources de revenus. Les campagnes de réactivation sont destinées aux clients qui n'ont pas acheté quoi que ce soit pendant une période prolongée. En règle générale, un client est considéré comme périmé ou perdu après qu'il n'a pas dépensé d'argent avec vous pendant douze mois. mois. Pour les services d'abonnement, vous pouvez considérer qu'un client est périmé ou perdus dès qu'ils laissent leur abonnement expirer ­ que ce soit après un mois ou trois ans. Les clients inactifs peuvent fréquemment être réactivés avec la bonne offre ou recommandation de produit. Étant donné que ces clients ont été essentiellement radiés et ne devraient pas effectuer d'achats supplémentaires, les offres de réactivation les plus réussies sont généralement assez généreux, comme une remise importante sur un prochain achat. Machine Translated by Google Play Nine : lancez des programmes prédictifs pour fidéliser davantage de clients Une entreprise avec laquelle nous travaillons a remarqué qu'elle avait un grand nombre de clients qui aimaient autrefois la marque mais qui ne s'étaient pas engagés avec l'entreprise depuis un certain temps. Elle souhaitait se concentrer sur la fidélité et l'engagement des clients en ramenant des clients enthousiastes vers la marque. L'entreprise a utilisé sa connaissance du type de produits que ses clients apprécient pour envoyer des recommandations de produits intelligentes. Ces campagnes ont permis de multiplier par huit les revenus mensuels. La réactivation des clients s'appuie sur les investissements que vous avez déjà réalisés et évite les coûts liés à la recherche de nouveaux clients. Ces clients d'origine connaissent déjà votre marque et sont plus réceptifs. Par conséquent, les réengager peut entraîner des revenus supplémentaires importants. Dans de nombreuses mesures que nous avons effectuées, la plupart des clients réactivés se comportent comme un nouveau client, c'est­à­dire qu'ils recommencent presque leur cycle de vie. Cela signifie également que les premières périodes après la réactivation sont celles où les clients sont les plus susceptibles de démissionner à nouveau et nécessitent une attention particulière. Campagnes de réactivation en quatre étapes Alors, par où commencer avec la réactivation ? Tout d'abord, déterminez les clients que vous souhaitez réactiver. Déterminez ensuite les candidats les plus réceptifs, personnalisez votre message à ce groupe et réengagez ces clients en utilisant différents canaux. Déterminez les clients que vous souhaitez réactiver. Tous les anciens clients ne valent pas la peine d'être ramenés. Les spécialistes du marketing doivent déterminer avec soin quels clients étaient rentables, intéressés par les produits qu'ils souhaitent vendre/développer, et d'autres facteurs stratégiques. Par exemple, vous pouvez exclure les clients qui ont retourné plus de 5 % ou qui ont bénéficié de plus de 30 % de remise sur leurs commandes précédentes. Déterminez les candidats les plus réceptifs. Vous ne voudrez peut­être approcher que les anciens clients qui sont les plus susceptibles ou prêts à répondre, en particulier si votre campagne de réactivation est coûteuse, comme dans le cas du publipostage ou de la publicité display ciblée. Même si vous utilisez le courrier électronique, vous ne souhaitez probablement pas envoyer de messages marketing aux clients qui ne sont pas prêts, sinon vous risquez de paraître trop enthousiaste et de faire fuir les clients. Réengagez les clients en utilisant différents canaux. Le parcours d'achat s'étend sur de nombreux canaux de distribution. Il n'y a aucune raison pour que votre message marketing ne soit pas également omnicanal. Après avoir personnalisé un 181 Machine Translated by Google 182 Neuf jeux faciles pour démarrer avec le marketing prédictif message en utilisant les données passées de votre client, essayez d'atteindre les clients à autant de points que possible. Un plus grand nombre de contacts est généralement corrélé à un taux de réponse plus élevé. N'oubliez donc pas d'envoyer cet e­mail, cette carte postale ou cette notification d'application avec des offres personnalisées. Personnalisez le message marketing en utilisant les données passées. Maintenant que vous savez quels clients inactifs sont prêts à répondre, jetez un coup d'œil à leur historique d'achat. À quoi ont­ils répondu par le passé ? Quel type de produits achètent­ils ? Quel genre de marques aiment­ils ? Façonnez vos messages selon leurs goûts et leurs besoins. En examinant les tendances passées, vous pourrez peut­être comprendre pourquoi le client a abandonné et utiliser cela comme une opportunité d'aborder cette raison. Peut­être que le client peut vous donner une seconde chance. Machine Translated by Google PARTIE 3 Comment devenir un véritable prédicteur Ninja du marketing 183 Machine Translated by Google Machine Translated by Google CHAPITRE 14 Un facile à utiliser Liste de contrôle de prédictive Capacités de commercialisation Afin d'utiliser les techniques de marketing prédictif dont nous avons parlé dans ce livre, vous devrez organiser votre entreprise autour du client et acquérir à la fois l'état d'esprit et les technologies habilitantes du marketing prédictif. Capacités organisationnelles pour Marketing prédictif Le changement d'état d'esprit requis pour un marketing prédictif réussi comprend le passage des campagnes au cycle de vie du client, des produits aux clients, une approche cloisonnée à une approche omnicanale et une approche unique pour les programmes de marketing contextuel. La plupart des organisations de marketing fonctionnent encore sur la base d'un calendrier de campagnes de marketing : un envoi d'e­mails, un événement, un publipostage, une campagne de publicité display, une ouverture de magasin. En tant que consommateur, vous ne vous souciez pas des campagnes de marketing. Vous êtes une personne et vous avez une expérience continue, bonne ou mauvaise, avec une marque. Le calendrier marketing doit être remplacé par le concept de marketing du cycle de vie qui tente de maximiser la valeur à vie des clients sur l'ensemble de leur 185 Machine Translated by Google 186 Comment devenir un véritable ninja du marketing prédictif engagement avec la marque à travers une série de campagnes personnalisées et déclenchées. La plupart des organisations de marketing fonctionnent encore en silos. Vous pouvez avoir un groupe de marketing par e­mail, une équipe de marketing en magasin, un responsable Web, un responsable du publipostage, etc., tous travaillant avec des fournisseurs et des prestataires de services marketing distincts. Dans de nombreuses organisations, le groupe de publipostage ne sait pas ce que fait le groupe de messagerie et le groupe de messagerie peut ne pas parler au groupe d'affichage. En attendant, les clients reçoivent des messages mitigés de différents canaux. Nous avons tous reçu plusieurs annonces graphiques, e­mails et catalogues du même fournisseur qui n'étaient pas du tout coordonnés. Vous avez peut­être reçu des offres concurrentes de différents canaux appartenant à la même organisation. Les publicités peuvent sembler hors de propos et les suggestions de produits n'ont rien à voir avec ce que vous avez acheté auparavant et où vous vivez. Pour s'assurer que cela ne se produise pas, de nombreuses entreprises réorganisent leurs équipes marketing afin de fournir aux clients un message cohérent. Ils créent des équipes de travail omnicanal et nomment des responsables de l'expérience omnicanal. De nombreuses entreprises utilisent également un «planificateur de campagne intégré» à des fins de coordination interfonctionnelle. Certaines entreprises commencent à organiser leur équipe marketing par cycle de vie client avec une équipe distincte se concentrant sur les clients nouveaux, existants et périmés, par exemple. D'autres entreprises affectent des équipes de marketing par personnalités de clients, comme un éditeur qui s'organise autour des "amoureux de la romance" et des "amateurs de suspense". Quelle que soit la structure d'organisation que vous choisissez, concentrez­vous sur le client et l'expérience client. Lorsque Shazam, une société de divertissement en ligne, a pris au sérieux l'engagement client, elle a décidé de dédier une équipe à cette étape du cycle de vie. Très tôt, Shazam s'est rendu compte qu'une communication pertinente maintient l'engagement des clients, une mesure clé pour une entreprise de marketing grand public. Shazam s'est concentré sur la compréhension du comportement d'engagement de chacun de ses utilisateurs, comme la façon dont les consommateurs interagissaient avec son application mobile et la façon dont leurs goûts musicaux différaient. Lorsque Shazam a activé des programmes d'engagement hautement personnalisés tout au long de ses expériences de marketing par e­mail et d'application, il a augmenté sa fidélisation de la clientèle d'un pourcentage à deux chiffres au cours du premier mois d'un nouvel utilisateur enregistré, ce qui est énorme lorsque vous calculez l'effet cumulatif sur la valeur à vie du client. . Machine Translated by Google Une liste de contrôle facile à utiliser des capacités de marketing prédictif À l'heure actuelle, la plupart des gens en ont assez des campagnes "par lots et explosifs" où tous les clients reçoivent le même message en même temps. Ces types de campagnes entraînent des taux d'opt­out élevés et réduisent l'efficacité des campagnes marketing. En revanche, des campagnes ciblées avec précision peuvent tripler la conversion des prospects et l'engagement des clients. Ces types de campagnes prennent en compte les préférences, les intérêts et les propensions à acheter du client afin que les spécialistes du marketing puissent modifier leur message en fonction du contexte de chaque situation. Lorsque vous passez du batch and blast à des expériences client plus pertinentes, réfléchissez à ces trois dimensions pour chaque programme, qu'il soit déclenché ou programmé : 1. Public : le premier aspect de la segmentation, et le mieux compris, consiste à décider qui est ciblé et pourquoi, quel est le contexte ? Contactez­vous parce que le client vient de visiter votre site Web ou d'acheter quelque chose dans un magasin, ou essayez­vous de renouer le contact avec un client dont vous n'avez pas entendu parler depuis un certain temps. 2. La fréquence de la communication : une partie de la pertinence consiste également à connaître la bonne cadence de communication. La bonne quantité de communication avec votre client conduit à un engagement plus élevé et, finalement, à une meilleure rétention. En réduisant la fréquence des e­mails à certains clients, nous avons constaté que les spécialistes du marketing sont en mesure de réduire leurs taux de désabonnement de près de 50 %. 3. Le bon contenu/la bonne offre : Quel est le meilleur contenu pour le client à tout moment, en gardant à l'esprit où en est le client dans son parcours avec vous ? Dans certains cas, il peut s'agir d'une offre pour inciter quelqu'un à acheter quelque chose qu'il a déjà regardé, d'un rappel pour revenir ou d'un article intéressant lié à quelque chose qui intéresse le client. Par exemple, un détaillant d'articles de sport envoie maintenant des bulletins d'enneigement en fonction de l'emplacement du client à des personnes dont il sait qu'elles aiment acheter des vêtements de ski. Capacités techniques pour le marketing prédictif Au­delà de l'organisation alignée sur le marketing prédictif, vous devez également évaluer votre pile technologique et vous assurer que vous disposez des capacités techniques nécessaires pour prendre en charge le marketing prédictif. Dans ce chapitre, nous examinerons certaines des exigences techniques et, au chapitre 15, nous examinerons certaines des options permettant de satisfaire à ces exigences. 187 Machine Translated by Google 188 Comment devenir un véritable ninja du marketing prédictif Les capacités techniques du marketing prédictif comprennent la capacité (a) d'agréger et d'intégrer les données clients, (b) d'analyser et de prévoir les besoins des clients, et (c) de concevoir et d'exécuter des expériences client sur tous les points de contact client. Nous discuterons plus en détail de chacune de ces capacités. La figure 14.1 résume ces capacités. Intégration des données client Intégration de données: Qualité des données: Connecteurs prêts à l'emploi pour les ESP Correspondance phonétique floue (correspondance Webtag pour capturer les événements Web clés Packages d'intégration standard (ERP, etc.) Intégration Google Analytics clé en main Cadre partielle) Normalisation (téléphone, e­mail, adresse) Dédoublonnage quotidien (individuel et ménage) USPS DPV (vérification du point de livraison)/ d'intégration de niveau entreprise NCOA (changement d'adresse national) Genre Marquage géographique Intelligence prédictive Rapports intégrés : Modèles prédictifs prêts à l'emploi : Modèles de probabilité d'achat Rapports commerciaux et marketing clés en Modèles de probabilité d'engagement Clusters (marque, produit, comportement) Valeur client prédite main Tableau de bord configurable clé en main Mesures de rentabilité (retours, remises) Rapports sur les opportunités de revenus (benchmarks) Recommandations de produits Possibilité de connecter les données à Tableau, Excel ou SQL Automatisation des campagnes Exécution de la campagne : Conception de la campagne : Exécution e­mail native (ou via partenaires) Personnalisation web native Campagnes sociales (Facebook, Twitter, Audiences intégrées Modèles de création d'e­mails intégrés Tests A/B (résultats mesurés en dollars) etc.) Hors ligne (publipostage, centre d'appels, magasin) Interface utilisateur de segmentation et de conception de campagne Messagerie mobile ligne (affichage publicitaire ciblé) Publicité en Performances mesurables des groupes d' attente Exportation de liste (manuelle et via API) Retargeting Web Figure 14.1 Liste de contrôle des capacités de marketing prédictif Attribution Machine Translated by Google Une liste de contrôle facile à utiliser des capacités de marketing prédictif 189 Intégration des données client Afin de segmenter et de cibler les clients, vous devrez collecter des données clients et les intégrer dans un profil client unique. Au chapitre 3, nous avons décrit les types de données client que vous pourriez souhaiter collecter et expliqué que l'intégration des données est le processus consistant à lier toutes les données client, y compris les transactions et les engagements en ligne et hors ligne, dans un seul profil de données client. De nombreux spécialistes du marketing commencent uniquement avec des données client en ligne ou hors ligne. Cependant, il y a d'énormes avantages à commencer avec une vue qui intègre à la fois le comportement des clients en ligne et hors ligne, car la moitié de tous les acheteurs achètent à la fois en ligne et hors ligne. Il existe également de nombreux fournisseurs qui peuvent aider à connecter des systèmes hérités tels que la gestion des commandes et les systèmes de gestion des ressources d'entreprise. Connecter et rassembler des données est relativement facile de nos jours ; le plus gros obstacle est la qualité et le nettoyage des données. Comme nous l'avons vu au chapitre 3, si vous ne reliez pas vos données, vous pouvez penser que vous avez trois clients non rentables alors qu'en réalité ces achats s'ajoutent à un client de très grande valeur. Le nettoyage des données est un effort continu et les données des clients doivent idéalement être réconciliées quotidiennement. L'Américain moyen a trois adresses e­mail et déménage douze fois dans sa vie, il y a donc de fortes chances que vous ayez beaucoup de doublons dans votre base de données. Une marque avec laquelle nous avons travaillé a découvert que sa base de données clients était pleine de doublons, gonflant son fichier client par trois. Une partie du problème était que l'entreprise n'avait jamais intégré les données des canaux hors ligne, en ligne et des centres d'appels. De plus, une promotion à long terme qu'elle organisait et qui offrait des rabais aux primo­ accédants avait gonflé son fichier client puisque des consommateurs intelligents s'inscrivaient avec de nombreux noms, téléphones et adresses e­mail différents. Même s'il était navrant de voir le nombre de clients diminuer, l'entreprise n'avait plus à gaspiller beaucoup d'argent en envoyant trois fois plus de promotions aux mêmes personnes. Enfin, n'oubliez pas de protéger les données des clients contre le vol ou l'exposition accidentelle. L'usurpation d'identité et les violations de cartes de crédit sont des délits qui connaissent une croissance rapide et, malheureusement, de nombreuses entreprises ont fait la une des journaux en perdant des données clients ces dernières années. Vous ne voulez pas être l'une de ces entreprises. Nous traiterons de la protection des données et de la vie privée au chapitre 17. Machine Translated by Google 190 Comment devenir un véritable ninja du marketing prédictif Informations prédictives Dans le chapitre 2, nous avons discuté en détail de divers modèles d'analyse prédictive, notamment des modèles de propension, des modèles de clustering et des recommandations. De nombreux fournisseurs de technologie ne fournissent qu'un atelier pour créer des modèles prédictifs, mais certains fournisseurs ont développé des modèles standard prêts à l'emploi. Si des modèles sont prêts à l'emploi, demandez quelles autres entreprises de votre secteur ont utilisé et testé ces modèles et quels en ont été les résultats. Gardez également à l'esprit que le processus d'analyse prédictive concerne autant la préparation des données que le développement, le test et le déploiement d'algorithmes. Soit vous devez vous en occuper en interne, soit votre fournisseur de services ou votre fournisseur de technologie doit le faire pour vous. Alors que les modèles prédictifs vous permettent de diviser vos clients en segments distincts, les rapports d'analyse vous permettront d'évaluer l'efficacité des programmes que vous exécutez et de découvrir de nouvelles opportunités de revenus dans votre clientèle existante. Les rapports peuvent mettre en évidence des opportunités, telles que des clients risquant de vous quitter ou un faible taux d'achat répété. Lorsqu'un grand détaillant a organisé ses données, il a été surpris de découvrir combien peu de clients revenaient acheter une seconde fois. En fait, les acheteurs réguliers ne représentaient que 17 % de sa clientèle. Cette découverte a conduit à des discussions au niveau du conseil d'administration et, finalement, à une nouvelle stratégie de gestion de la relation client à l'échelle de l'entreprise pour inciter les premiers acheteurs à revenir. Plus vous avez de données, plus vous aurez également de questions. Assurez­vous que les spécialistes du marketing peuvent accéder instantanément aux données client, à l'aide d'une interface simple, sans l'aide de ressources informatiques ou de services professionnels. Par exemple, vous découvrez peut­être que vous avez un taux de rétention très faible pour les clients de grande valeur. Vous voudrez peut­être effectuer une analyse des causes profondes pour comprendre ce problème. Ces clients achètent­ils sur différents canaux ou achètent­ils des produits différents ? Le taux de retour sur ces produits est­il supérieur à la moyenne ? Ce ne sont là que quelques­unes des questions que vous voudrez peut­être poser au sujet de votre entreprise. Automatisation des campagnes En fin de compte, le caoutchouc prend la route lorsque vous, le responsable marketing, concevez les expériences qui offrent de la valeur aux clients tout au long de leur cycle de vie. Alors demandez­vous comment vous allez concevoir et orchestrer Machine Translated by Google Une liste de contrôle facile à utiliser des capacités de marketing prédictif 191 expériences sur tous les canaux et à différentes étapes du cycle de vie du client. Il ne suffit pas d'avoir des idées. Vous devez être en mesure de mettre à disposition des informations sur les clients à chaque point de contact client. Cela signifie que les informations sur les clients doivent déclencher des campagnes d'engagement client, de préférence en temps réel ou aussi en temps réel que possible. Les informations sur les clients doivent également être utilisées pour personnaliser le contenu dynamique tel que les e­mails ou les publicités numériques. Les feuilles de route de campagne, l'allocation des ressources et la gestion de projet ne doivent pas être oubliées dans l'équation d'une exécution réussie. La plupart des spécialistes du marketing sous­estiment la bande passante nécessaire pour développer et automatiser des campagnes plus ciblées. Assurez­vous de définir et d'attribuer clairement les différentes tâches requises et d'échelonner le projet avec des échéanciers réalistes. Questions à poser aux fournisseurs de marketing prédictif Les questions que vous posez sur la technologie de marketing prédictif seront motivées par les besoins de votre entreprise. Pour vous aider à démarrer, nous avons répertorié quelques questions que la plupart des entreprises devraient poser. Les questions appartiennent aux trois grandes catégories dont nous venons de parler : obtiendrez­vous une image complète et précise de vos clients ? Quels types d'analyses obtiendrez­vous et comment pouvez­vous les utiliser dans vos campagnes quotidiennes ? Vais­je obtenir une image complète et précise de mes clients ? Quels canaux sont pris en charge ? Différents canaux d'exécution fournissent différents types de données et nécessitent différents types de sortie. Assurez­vous que le système peut importer des données à partir des canaux que vous utilisez aujourd'hui et que vous prévoyez d'utiliser demain et qu'il peut renvoyer les données vers ces canaux dans les formats dont ils ont besoin. Découvrez s'il existe des connecteurs pour les systèmes de canaux spécifiques que vous avez en place et, si ce n'est pas le cas, ce qu'implique leur création. Si vous avez besoin d'interactions en temps réel, comme de l'aide pour personnaliser des pages Web pour des visiteurs individuels, demandez précisément comment cela se fait. Portez une attention particulière à la prise en charge des canaux hors ligne tels que le publipostage, les centres d'appels ou les achats e Quels types de données sont stockées dans le système ? Chaque système commence par des profils clients. La plupart peuvent également stocker des transactions. Machine Translated by Google 192 Comment devenir un véritable ninja du marketing prédictif Les systèmes conçus pour la gestion des campagnes stockeront l'historique des promotions et les réponses. Certains capteront différents types de données non structurées, telles que le contenu des pages Web visitées, les sujets abordés dans les articles de presse, les sentiments exprimés dans les commentaires publics et les informations structurées extraites de ces sources. Cherchez le capacité de stocker et de reconstituer des données qui peuvent avoir changé au fil du temps, telles que le statut du client. Demandez si les spécialistes du marketing peuvent ajouter eux­mêmes de nouveaux types et sources de données. Si vous vendez à des entreprises, vérifiez si les données sont organisées au niveau individuel, au niveau de l'entreprise ou les deux. Où le système obtient­il ses données ? Une source est vos propres systèmes. Celles­ci incluent l'automatisation du marketing et la gestion de la relation client (CRM) et peuvent s'étendre aux analyses Web, aux systèmes de messagerie électronique et aux systèmes ou référentiels de traitement des commandes. Certains fournisseurs capturent les comportements numériques directement via leurs propres balises sur les pages Web et les e­mails. Plusieurs parcourent les sites Web publics, les réseaux sociaux et d'autres sources d'information qui identifient les entreprises et les individus susceptibles d'être de bons prospects pour leurs clients. Les vendeurs peuvent également charger des données de référence sur les entreprises et les individus à partir d'annuaires compilés tels que Dun & Bradstreet. Comment le système charge­t­il ses données ? La plupart des produits offrent une combinaison de chargements directs en temps réel via des appels d'interface de programmation d'application (API) et des chargements par lots de fichiers extraits d'autres systèmes. Les mises à jour en temps réel sont essentielles si vous souhaitez que les traitements de chaque système d'exécution reflètent les comportements de tous les autres canaux. Assurez­vous de savoir s'il existe des limites au volume de données pouvant être chargées, que ce soit en termes de temps de réponse (combien d'interactions simultanées le système peut­il gérer ?) ou de volume de lots (la publication de fichiers volumineux prendra­t­elle plusieurs heures ou coûts élevés ?). Le système assure­t­il la qualité et l'amélioration des données ? Il ne suffit pas de simplement vider les données des clients dans le système. Découvrez si le système peut nettoyer automatiquement les entrées (vérification des formats standard, correction des noms mal orthographiés et suppression des grossièretés), validation des informations (test des adresses e­mail et des adresses postales valides, vérification que l'adresse n'est pas enregistrée comme "ne pas envoyer" ou que les propriétaires ont déménagé, etc.), ajouter le sexe probable en fonction du prénom, géolocaliser en fonction de l'adresse, améliorer les dossiers des consommateurs avec Machine Translated by Google Une liste de contrôle facile à utiliser des capacités de marketing prédictif les données de recensement ou les codes de grappe, et améliorez les dossiers commerciaux avec la taille de l'entreprise, l'industrie, la société mère, etc. Comment le système relie­t­il les données relatives au même client ? La liaison d'enregistrements associés vous permet de supprimer les doublons et de regrouper membres d'un même ménage de consommateurs ou d'une même entreprise. Ceci est essentiel pour construire un profil complet et éviter que plusieurs offres ne soient envoyées. le même client. Les capacités de liaison varient considérablement, allant de la « correspondance floue » sophistiquée de chaînes de noms/adresses similaires à simplement à l'aide des identifiants fournis par vos systèmes opérationnels. Les systèmes peuvent utiliser également des données de référence externes, telles que des annuaires d'entreprises et listes de changements d'adresse. Demandez quel contrôle vous aurez sur règles d'appariement et de ménage, mais gardez à l'esprit que la plupart des vendeurs ont des approches plus sophistiquées que celles que les utilisateurs pourraient créer pour eux­mêmes. Quels types de segmentation et de ciblage vais­je obtenir ? Quels types de modèles statistiques le système peut­il appliquer aux données client prêtes à l'emploi ? Les modèles peuvent prédire les réponses à un offre spécifique, recommander les informations à présenter, classer les clients en segments ou servir d'autres objectifs. Les systèmes varient selon les types des modèles qu'ils construisent, la quantité d'effort humain nécessaire pour construire eux, si le système fournit ses propres outils de construction de modèles, et dans les rapports fournis pour expliquer les résultats du modèle. Demandez si les modèles sont basés sur des règles (obligeant les utilisateurs à les définir manuellement) ou statistiques (basés sur une analyse véritablement prédictive ou automatisée tels que le regroupement, le filtrage collaboratif et les modèles de propension). Les modèles basés sur des règles prennent beaucoup plus de temps à rechercher et à configurer et sont souvent moins précises que les méthodes statistiques. Vérifier si les modèles sont standard ou personnalisés et quels résultats d'autres entreprises comme les vôtres l'ont vu. Quels types de rapports analytiques et de tableaux de bord sont disponibles ? Vous aurez besoin d'un profilage client de base, d'une analyse des promotions, et segmentation. Certains systèmes offrent des tableaux de bord raffinés pour mettre en évidence les tendances et les activités en cours. Recherchez l'exploration de données fonctionnalités telles que les explorations et les filtres, les rapports personnalisés dans les tableaux et tableaux croisés, visualisation des données et analyse des tendances. S'assurer 193 Machine Translated by Google 194 Comment devenir un véritable ninja du marketing prédictif vous comprenez quelles données sont disponibles pour les outils de reporting du système et s'il existe des limites à ce qui peut être extrait du système pour être utilisé par d'autres outils. Avec quelle facilité puis­je prendre des mesures sur les segments ou les recommandations ? Comment le système aide­t­il à fournir des traitements aux clients ? Certaines plateformes de marketing prédictif exécutent directement des traitements marketing, le plus souvent en envoyant des e­mails. Mais ils prennent principalement en charge les plates­formes d'exécution externes en fournissant des données, des scores ou des décisions. Ils peuvent le faire à la demande via des API, en permettant des requêtes directes à partir de systèmes externes ou en envoyant des extraits de fichiers. Au­delà de la compréhension des capacités, il est utile de savoir quels systèmes externes sont déjà intégrés à une plate­ forme de marketing prédictif et quelles fonctions ces connecteurs prennent en charge. En plus des questions sur les fonctionnalités, posez­vous Si c'est le bon fournisseur pour vous Quelle est la technologie sous­jacente ? Les informations techniques telles que le type de base de données donnent des indications utiles sur les forces, les faiblesses et le potentiel de croissance probables. Vous voudrez certainement savoir si le système est proposé en tant que service exploité par le fournisseur dans le cloud, en tant que logiciel installé sur site, ou les deux. Renseignez­vous également sur l'ampleur et la nature des déploiements existants afin de pouvoir juger si votre entreprise est susceptible de faire des demandes auxquelles le fournisseur n'a pas répondu auparavant. En quoi consiste l'installation et l'exécution du système, et combien de temps cela prend­il ? Par définition, les plateformes de marketing prédictif sont conçues pour des utilisateurs non techniques. Mais il est toujours important de comprendre comment le système est configuré, combien de temps le déploiement initial est susceptible de prendre, ce que l'on attend du client et ce que le fournisseur fera pour vous, et quels types de formation et d'assistance sont disponibles. Évaluez le niveau de compétence et le temps dont vous aurez besoin pour faire fonctionner le système au jour le jour et pour apporter des modifications occasionnelles telles que l'ajout d'une nouvelle source de données. Machine Translated by Google Une liste de contrôle facile à utiliser des capacités de marketing prédictif 195 Quelle aide est fournie pour analyser les données, segmenter les clients ou lancer des campagnes ? Les services et ressources inclus dans les frais d'abonnement ou de licence varient considérablement. Découvrez quels sont les services disponibles gratuitement et qui impliquent des frais supplémentaires. Le fournisseur propose­t­il des campagnes prédéfinies ou un manuel de recommandations Actions? Y a­t­il des formations continues et des sessions de mise au point ? Combien heures ou de nombreuses sessions avec un représentant de la réussite client sont inclus? Le personnel du service client a­t­il une formation d'ingénieur ou de commercial ? Quelle est leur expérience dans la gestion de campagnes telles que ceux que vous prévoyez? Combien coûtera le système ? Les prix peuvent être basés sur le volume de données, les transactions, le nombre de clients surveillés, le nombre d'utilisateurs ou d'autres dimensions. Il peut également y avoir une mise en œuvre, une formation, et les frais de soutien. Obtenez un devis détaillé et assurez­vous qu'il est tout compris. Voyez si vous devrez signer un contrat à long terme, si la tarification est liée à la performance, et que se passe­t­il si le niveau de service les garanties ne sont pas respectées. Avec qui est­ce que je fais affaire ? L'expérience du développeur d'un système donne souvent des indications sur son adéquation à des fins particulières, degré de sophistication, évolutivité, trajectoire de croissance et probabilité de survie à long terme. Informations sur le financement, le nombre de clients, et le temps passé sur le marché aborde également ces sujets. Êtes­vous un spécialiste du marketing grand public ou un spécialiste du marketing commercial ? La plupart des solutions sont fortement spécialisées soit dans le marketing grand public, soit dans les affaires. marketing, qui influencera les modèles intégrés, les connecteurs et même des modèles prédictifs. Quel est votre objectif commercial ? Certaines solutions qui prétendent fournir un marketing prédictif visent à vous aider à trouver de nouveaux prospects ou publics pour vos produits, tandis que d'autres se concentrent davantage sur l'optimisation de la valeur à vie de vos clients existants. Quelle que soit votre entreprise objectifs, assurez­vous que la solution que vous envisagez les prend en charge. Ai­je des exigences pour le logiciel sur site ou puis­je déployer une solution cloud ? Dans certaines entreprises, les politiques de sécurité ou autres les exigences dictent que seuls les logiciels sur site peuvent être déployés. À l'autre bout du spectre, de plus en plus d'entreprises trouvent que le choix de solutions basées sur le cloud leur donne plus de flexibilité, plus rapidement délai de déploiement et réduction du coût total de possession. Machine Translated by Google 196 Comment devenir un véritable ninja du marketing prédictif Optez­vous pour une solution clé en main ou une solution sur mesure ? Certaines solutions sont hautement personnalisables et personnalisées pour chaque client, tandis que d'autres solutions sont fournies avec de nombreux modèles, audiences et campagnes par défaut et prêts à l'emploi. Avez­vous de véritables exigences omnicanal ? Avant d'aller trop loin, décidez quels canaux sont vos priorités : publicité, réseaux sociaux, mobile, web, e­ mail, publipostage, centres d'appels ou clientèle en magasin. Toutes les solutions auront des forces et des faiblesses. Machine Translated by Google CHAPITRE 15 Un aperçu de Prédictif (et associé) Technologie de commercialisation Vousdécrit avez au trois options14si: vous souhaitez développer les capacités techniques chapitre (1) créez vous­même des modèles prédictifs à l'aide d'un atelier d'analyse prédictive et importez d'une manière ou d'une autre ces modèles dans vos outils de gestion de campagne, (2) sous­traitez des campagnes basées sur l'analyse prédictive à un fournisseur de services marketing, ou (3) évaluez et achetez un solution de marketing prédictif, comme un cloud de marketing prédictif ou un outil de gestion de campagne multicanal. Nous examinerons les avantages et les inconvénients de chacune de ces trois options et discuterons également des technologies connexes, qui peuvent revendiquer certaines capacités d'analyse prédictive. Marketing prédictif à faire soi­même Les technologies de marketing prédictif existent depuis de nombreuses années sous la forme d'outils de modélisation tels que SAS, SPSS et Matlab. De nombreuses grandes entreprises, allant de Netflix, Amazon ou Best Buy, à de nombreuses entreprises du secteur des voyages et des télécommunications, disposent d'équipes de data scientists qui utilisent ces produits de type workbench pour développer des algorithmes prédictifs. Cependant, l'utilisation de ces outils présente plusieurs inconvénients importants : avant de pouvoir utiliser un outil d'analyse prédictive, vous devez d'abord 197 Machine Translated by Google 198 Comment devenir un véritable ninja du marketing prédictif pour traduire vos besoins métiers en exigences techniques que les data scientists pourraient transformer en algorithmes. La plupart des spécialistes du marketing sont mal équipés pour le faire et peuvent ne pas être en mesure d'accomplir cette tâche sans l'aide de consultants externes. À certains égards, vous devez réinventer la roue. À partir de zéro, vous devez définir le type de modèles dont vous avez besoin pour quels problèmes commerciaux et, à moins que vous ne fassiez appel à un data scientist expérimenté, vous ne bénéficiez pas des leçons apprises par d'autres entreprises de votre secteur. L'utilisation des produits de type Workbench nécessite une équipe de scientifiques des données pour collecter et intégrer les données, préparer les données, développer, tester et déployer des modèles, ainsi qu'une implication continue des informaticiens et des scientifiques des données pour aider les spécialistes du marketing à générer des rapports, extraire des segments et préparer des listes. pour les campagnes. De nombreuses entreprises ont du mal à automatiser le marketing prédictif à l'aide de ces outils de modélisation. La plupart des efforts d'analyse donneraient d'excellents résultats s'ils pouvaient être intégrés au flux de travail d'une entreprise. Lorsqu'Omer travaillait chez McKinsey, il a aidé à créer des analyses et des algorithmes puissants, mais dès que McKinsey est sorti de la pièce, le client n'avait aucun moyen de répéter l'analyse ou de fournir la notation prédictive de manière continue. L'un des projets auxquels Omer a participé concernait Micro Warehouse, une entreprise pour laquelle il a ensuite dirigé le marketing. Il a créé des modèles puissants pour optimiser les dépenses de marketing et un autre modèle pour estimer le potentiel de croissance des clients professionnels. Ces modèles ont donné de très bons résultats lorsqu'ils ont été testés pendant le projet, mais à la fin du projet, l'entreprise n'a pas pu institutionnaliser ces outils de marketing prédictif. C'est l'une des raisons pour lesquelles feu Jerry York, qui était le PDG de Micro Warehouse, a recruté Omer pour diriger le marketing analytique. Sous­traitance à des prestataires de services marketing Les fournisseurs de services de marketing de base de données (MSP) offrent aux entreprises une option entièrement externalisée pour externaliser et analyser leur base de données clients. La plupart des MSP sont passés de la fourniture d'hygiène et de traitement des données pour les campagnes de publipostage à l'hébergement et à la gestion complets des bases de données clients, ainsi qu'à la superposition de services supplémentaires tels que l'analyse et le conseil. Pour la plupart, les MSP se concentrent sur les services aux grandes entreprises. La plupart des MSP auront des capacités d'analyse prédictive, mais ces capacités ont tendance à se manifester dans des modèles hautement personnalisés qui sont Machine Translated by Google Un aperçu de la technologie de marketing prédictif (et connexe) construit ou peaufiné sur une base par client par des équipes de services professionnels. Par conséquent, les MSP sont une bonne option si vous avez le temps et l'argent pour un engagement à plus long terme. En utilisant un MSP, vous pouvez réduire votre dépendance à l'informatique interne. Il existe cependant des inconvénients inhérents à l'externalisation de votre base de données clients. Vous devez souvent payer par liste ou par campagne, et les MSP ne sont pas configurés pour fournir des informations sur les clients qui s'étendent au­delà d'une campagne spécifique. Omer a constaté de première main que chaque rapport que vous souhaitez exécuter doit être payé et programmé à l'avance, ce qui signifie souvent attendre des semaines ou des mois pour obtenir la réponse à une question. Si vous gardez l'analytique client à distance de cette manière, il est peu probable que vous construisiez une organisation véritablement centrée sur le client. Pour ceux qui s'engagent à construire leur entreprise et leur stratégie autour du client, nous sommes fermement convaincus qu'il est impératif d'intégrer les données clients en interne et de donner à tout le personnel en contact avec les clients un accès instantané aux données clients. La plupart des prestataires de services marketing sont essentiellement des organisations de conseil. La plupart ont les capacités de diffuser des campagnes de publipostage direct et par e­mail, mais n'ont pas les capacités du produit pour offrir des expériences personnalisées en temps réel, telles que des recommandations Web en temps réel ou des campagnes publicitaires personnalisées. Gestion de campagne et marketing Options de nuage Les produits de gestion de campagne se concentrent sur la conception et l'exécution de campagnes marketing sur tous les canaux, y compris les campagnes par e­mail, les campagnes Web, les campagnes sociales et la messagerie mobile. Presque aucun des outils de gestion de campagne n'exécute tous ces canaux de manière native, mais s'appuiera sur des tiers pour certains. Les outils de gestion de campagne peuvent certainement vous aider à planifier le bon message au bon client au bon moment, via le bon canal. Bon nombre de ces outils ont commencé comme fournisseurs de services de messagerie et se concentrent donc fortement sur le canal de messagerie plutôt que sur le client. Les capacités de profil client sont encore très rudimentaires dans bon nombre de ces systèmes, bien que tous visent certainement à les améliorer. La plupart des outils de gestion de campagne sont fortement axés sur le Web, et bon nombre d'entre eux n'ont pas encore mis en place les capacités d'hygiène des données pour suivre et corriger les informations d'adresse physique. De plus, tous les outils de gestion de campagne ne disposent pas de capacités de gestion de données robustes telles que 199 Machine Translated by Google 200 Comment devenir un véritable ninja du marketing prédictif résolution d'identité en ligne/hors ligne, appariement approximatif, capacités de déduplication. Par conséquent, la plupart des outils de gestion de campagne ne peuvent pas être utilisés comme source unique de besoins d'exécution marketing. La plupart des solutions de gestion de campagne évoluent pour se désigner comme des nuages marketing, incluant parfois une certaine gestion des données plate­forme ou gestion de contenu et capacités de collaboration également. Veuillez noter qu'au moment d'écrire ces lignes, le paysage des fournisseurs est en flux élevé. De nombreux éditeurs de logiciels établis proposent une compilation de plusieurs produits sous une même marque, qui n'est pas bien intégrée. Il existe de nombreuses startups en phase de démarrage et de démarrage financées par des sociétés de capital­risque qui s'efforcent de créer des solutions à partir de zéro avec le la donnée client étant l'élément clé de l'omnicanal connecté client et distributeur d'aujourd'hui. Les outils de gestion de campagne orientés marketing d'entreprise sont souvent appelés outils d'automatisation du marketing. Les fournisseurs d'automatisation du marketing ont également commencé généralement comme exécution d'e­mails pour le marketing d'entreprise, mais a rapidement ajouté la possibilité de concevoir des formulaires Web et de suivre l'engagement des utilisateurs sur le Web et par e­mail. Certains fournisseurs d'automatisation du marketing peuvent désormais également concevoir et suivre des campagnes sociales. Les outils d'automatisation du marketing peuvent lier des données client provenant de différentes sources, mais ont tendance à manquent de solides capacités de gestion des données et nécessitent une correspondance avec les informations commerciales provenant de diverses sources de données normalisées. La plupart du marketing les fournisseurs d'automatisation ont une notation intégrée des prospects, basée sur des règles, mais beaucoup n'utilisent pas encore de véritables modèles prédictifs. Dans le marketing d'entreprise, les technologies prédictives ont tendance à créer moins de valeur, car la taille du la clientèle est plus petite. Comme les plateformes de gestion de campagnes, les outils de marketing automation ont été développés dans une perspective de campagnes, et l'architecture a donc tendance à être axée sur la campagne, plutôt que sur axée sur le client. Autres outils dont vous avez peut­être entendu parler Il existe plusieurs autres outils de marketing que vous utilisez peut­être ou qui vous avez peut­être entendu parler de ces fonctionnalités prédictives ou analytiques. La plupart de ces autres technologies ne sont pas suffisantes pour le marketing prédictif, mais peuvent néanmoins jouer un rôle important dans les boîtes à outils des spécialistes du marketing. Pour le bien d'achèvement, nous résumons ces technologies connexes dans la figure 15.1, que vous pouvez utiliser comme référence pour rechercher "qu'est­ce que c'est". 201 Figure 15.1 Présentation des technologies de marketing prédictif avancées Analyses Fournir une analyse des données et (GRC) La gestion Client Relation Opportunités Les données Service de messagerie Concevoir et envoyer des e­ mails campagnes comptes et Gestion de données analyses d'audience Internet Automatisation Cookie et première partie Propriétés campagnes en haut de l'entonnoir, telles que le reciblage et le ciblage similaire données pour les des Automatisation e­ mails et Gestion des entonnoirs, gestion des ventes collecté et Plateforme (DMP) Fournisseur (ESP) Gérer les contacts, rapports Information, visibilité Toutes les données peuvent être personnalisation et ciblage du web et de la publicité délivrabilité des e­ mails sur le site web propriétaire Gérer la campagne ment/ Marketing Mesurer à la fois l'agrégat la direction exécute des campagnes de marketing omnicanal entonnoir de capacités prédictives, vues historiques limitées et solutions d'automatisation des audiences en ligne flux d'utilisateurs individuels convivialité du site Web et Taper La description Évaluer courrier et e­ mail La base de données clients est Données client externalisé, non accessible aux Prédictif limité Tendances de conversion, la modélisation, en particulier la probabilité de conversion Entièrement externalisé Optimisation directe campagnes marketing de fidélisation principalement pour les canaux en ligne ; et Capacité à collecter, mais dédupliquer ou nettoyer les spécialistes du marketing correspondance exacte liée uniquement à une personne en faisant correspondre les identifiants d'utilisateur avec les données des cookies de votre base de données avec des données tierces pour segmenter et analyser les audiences en ligne capacité limitée à ; Certains prédictifs Quelques analyses et rapports, mais généralement limités ou inexistants Segmentation avancée modèles de fournisseur souvent des modèles personnalisés nécessitant des services ; le site Web, par e­ mail ou SMS à des centré sur les segments, une certaine capacité à personnaliser les expériences en ligne, en particulier le Web et les e­ mails Informations prédictives contrôlé par le service extérieur Publipostage et e­ mail Direct ou basé sur un partenaire Messages personnalisés sur publicitaire Affichage Les ESP évoluent vers une campagne complète analyse marketing et base de données Génération de la demande optimisation des performances Les statistiques du site Web peuvent être Combiner la première partie quelques nettoyages de données mais pas de correspondance floue ne pas dédupliquer ou nettoyer le client pas d'atelier de vues prédictives, build campagnes, peut alimenter un outil de gestion campagne externe Service de marketing Fournisseur (MSP) Concevoir, orchestrer et et les données au niveau de l'utilisateur Site Web et mobile Comprendre le maquillage de audiences du site utiliser pour; Juste le comportement des e­ mails, Capacité à collecter, mais cartographié Un instantané de l'actuel prédictives Analyses vos propres modèles, pas de modèles clés en main E­ mail uniquement mais la plupart ; Vente directe, centre d'appels ceci Aucun, est une analyse des Automatisation campagnes campagnes pas de Web en temps réel ou ; la capacité publicitaire à s'exécuter sur tous les canaux en ligne et hors ligne ; Machine Translated by Google Machine Translated by Google 202 Comment devenir un véritable ninja du marketing prédictif analyses d'audience Internet L'analyse Web est un élément essentiel de la boîte à outils de tout spécialiste du marketing. Il existe deux types d'analyse Web fondamentalement différents : le premier fournit des rapports ou une analyse des données de navigation Web sur une base agrégée, tandis que le second type effectue une analyse personne par personne des visiteurs nommés (ou anonymes). Les outils d'analyse Web de classe entreprise fournissent désormais des analyses agrégées et au niveau de l'utilisateur, la découverte ad hoc et l'exploration de données. L'analyse Web vise principalement à vous aider à améliorer votre interface utilisateur et les performances de votre site. Ces outils ne visent pas à offrir des expériences client omnicanales. Certains outils d'analyse Web avancés commencent à introduire des modèles de découverte de segments et de propension, mais il s'agit généralement de déploiements hautement personnalisés. Les outils d'analyse Web ne visent pas à créer des profils client 360 en reliant les données client provenant de sources autres que votre site Web, ni à exécuter des campagnes sur tous les canaux. Plateformes de gestion de données (DMP) Une plate­forme de gestion des données collectera des données de première partie à partir des propriétés Web appartenant à une entreprise, superposera ces données avec des données tierces basées sur des cookies et fournira une analyse des segments d'audience des visiteurs du site Web. Cette analyse peut être utilisée pour cibler des publics spécifiques avec des campagnes d'affichage, de recherche, de vidéo et de publicité sociale. Les DMP traitent principalement des informations anonymes basées sur des cookies, et l'objectif est d'acquérir plus de nouveaux clients par le biais de campagnes publicitaires, plutôt que d'optimiser la valeur à vie des clients existants. Les plates­formes DMP se transforment définitivement en hubs de données centraux, intégrant des données provenant de différentes sources. Pour l'instant, les plateformes de gestion de données et les plateformes de marketing prédictif sont donc très complémentaires, mais avec le temps, il est probable que ces deux plateformes de données convergent, comme le montre la figure 15.2. Fournisseurs de services de messagerie (ESP) Les fournisseurs de services de messagerie vous aident à concevoir, planifier et diffuser vos campagnes par e­mail. Certains fournisseurs de services de messagerie vous permettent également d'intégrer des sources de données tierces et de les utiliser pour segmenter votre base de données de messagerie et déclencher des campagnes. Dans la plupart des cas, l'intégration des données est fastidieuse, ne sort pas de la boîte et nécessite des services professionnels étendus. Machine Translated by Google Un aperçu de la technologie de marketing prédictif (et connexe) Figure 15.2 Convergence du DMP et du marketing prédictif La plupart des fournisseurs de services de messagerie évoluent pour devenir des systèmes de gestion de campagne entièrement fonctionnels, couvrant plus que le simple courrier électronique. Plusieurs fournisseurs de services de messagerie ont récemment été acquis par de plus grands fournisseurs de cloud marketing, et il reste peu de fournisseurs de services de messagerie autonomes. Gestion de la relation client (CRM) Les systèmes de gestion de la relation client ont été imaginés et conçus comme des systèmes de gestion de la performance des ventes ou de gestion de l'entonnoir. Malgré son nom, la plupart des systèmes ne gèrent pas encore la relation client. Ces systèmes fournissent plutôt un référentiel central 203 Machine Translated by Google 204 Comment devenir un véritable ninja du marketing prédictif des données client, mais la plupart n'incluent pas de fonctionnalités d'analyse prédictive. Les systèmes CRM ne visent pas à fournir une automatisation de campagne omnicanale, mais peuvent s'intégrer à des systèmes qui le font. Semblables à l'automatisation des e­ mails et du marketing, les systèmes CRM peuvent s'intégrer de manière bidirectionnelle aux clouds de marketing prédictif. Par exemple, si vous utilisez un système CRM dans votre centre d'appels, les données d'interaction du centre d'appels peuvent être importées dans votre nuage de marketing prédictif, liées au profil d'un client et incluses dans les analyses prédictives. Analytique avancée Les solutions de Business Intelligence (BI) fournissent des analyses, bien que celles­ci se limitent généralement à des analyses rétrospectives ou descriptives. L'objectif de la plupart des outils de BI est de donner un aperçu des tendances générales de votre entreprise, et non d'analyser des clients individuels. Vous pourrez peut­être voir la valeur moyenne des commandes de votre clientèle et les ventes par région, mais pas quelle est la valeur à vie d'un seul client ou si ce client achète chez vous dans différents magasins ou dans un seul. Vous pouvez certainement en apprendre beaucoup sur vos clients et votre entreprise en utilisant l'intelligence d'affaires. La plupart des outils de business intelligence sont à usage général, mais certains fournisseurs émergent pour se concentrer spécifiquement sur les spécialistes du marketing avec des rapports et des tableaux de bord intégrés pour ce public. Les outils de BI peuvent intégrer, et souvent nettoyer, des données provenant de différentes sources de données. Les outils de BI, cependant, n'incluent pas d'analyses prédictives et ne visent pas à fournir une automatisation de campagne omnicanale. Quelle solution me convient ? Gardez à l'esprit votre objectif final : rendez vos clients heureux en leur offrant des expériences client précieuses, pertinentes et significatives dans tous les contextes. Cela créera le type d'engagement qui mènera à des relations fructueuses avec les clients. Alors demandez­vous quelles capacités m'aideront à offrir les expériences les plus précieuses et à établir les relations les plus rentables, dans les plus brefs délais ? Plus les modèles prédictifs sont pertinents, plus l'expérience client est pertinente, car vous aurez plus de moyens d'anticiper et de répondre aux besoins de vos clients. Plus les profils clients sont précis et complets, plus les expériences sont pertinentes. Si vous pouvez relier tout le passé Machine Translated by Google Un aperçu de la technologie de marketing prédictif (et connexe) actions client à un profil unique, vous pouvez mieux anticiper et répondre aux besoins des clients. Plus la technologie est facile et accessible à tous les spécialistes du marketing, plus elle sera utilisée dans les campagnes quotidiennes. Si vous êtes comme la plupart des spécialistes du marketing, vous n'avez pas un budget infini, vous aimeriez donc que cette solution soit opérationnelle dès que possible et nécessite le moins possible en termes d'intégration de données et de services professionnels continus. Ainsi, dans un monde idéal, vous auriez accès à une solution clé en main, prête à l'emploi, avec des capacités véritablement prédictives et une qualité de données avancée qui vous donne, en tant que spécialiste du marketing, le contrôle de vos propres données client. Quelle que soit la voie que vous choisissez, assurez­vous de développer ces trois capacités fondamentales abordées tout au long de ce livre : 1. La possibilité de relier les données clients de différentes sources, en ligne et hors ligne, ainsi que de préparer vos données pour une analyse prédictive. 2. La capacité d'analyser les données clients, à l'aide de modèles prédictifs clés en main ou personnalisés, pour effectuer une analyse et une segmentation avancées. 3. La capacité de déclencher la bonne action pour le bon client au bon moment, à travers vos différents systèmes d'exécution marketing. Placez ensuite ce système au centre de toute infrastructure marketing, en formant le système nerveux central, le système d'exploitation ou le cerveau des opérations de vos clients. Assurez­vous que le système se met à jour automatiquement, au moins une fois par jour, idéalement sans intervention manuelle, pour vous assurer que les dernières données client sont là. Quoi que vous fassiez—Commencez S'il n'y a qu'une seule chose que vous retenez de ce livre, c'est que vous devriez commencer le plus tôt possible et vous concentrer sur les bases et bien les faire. Choisir le mauvais fournisseur ou la mauvaise campagne n'est pas aussi mauvais que d'attendre. Vos concurrents tirent déjà parti du marketing prédictif aujourd'hui et tirent un avantage concurrentiel significatif de leurs premières expériences. N'oubliez pas que de nombreuses entreprises voient la valeur à vie, la rétention et la fidélité de leurs clients augmenter considérablement grâce aux techniques de marketing prédictif. Voici trois recommandations. 205 Machine Translated by Google 206 Comment devenir un véritable ninja du marketing prédictif Commencez petit Avec quelques milliers de dollars par mois et quelques semaines de travail d'intégration, vous pouvez commencer à résoudre votre problème de données client et lancer votre première campagne marketing. La meilleure façon de monter un dossier pour le marketing prédictif est de commencer. Compte tenu des rendements importants attendus pour cet investissement, vous ne pouvez vraiment pas vous permettre d'attendre. Demandez­vous comment vous vous sentiriez si vos concurrents déployaient ce type de technologie en premier. Comment vos clients se sentiraient­ils s'ils recevaient d'abord un traitement personnalisé de la part de vos concurrents, mais pas de vous ? Demandez­vous également s'il y a d'autres projets dans votre assiette qui peuvent vraiment vous donner un meilleur retour sur investissement. Apportez les données client en interne mais externalisez la science des données Nous croyons fermement qu'il n'est pas possible de devenir véritablement centré sur le client sans mettre les données client à la disposition de tout le personnel en contact avec les clients de votre organisation, à commencer par vous, les spécialistes du marketing. Par conséquent, nous vous déconseillons fortement de sous­traiter votre base de données clients à un fournisseur tiers tel qu'un prestataire de services marketing. Il sera trop difficile d'accéder aux données quand et comme vous le souhaitez et les informations sur les clients résideront en dehors de votre organisation. Intégrer les données clients en interne ne signifie pas que vous devez embaucher des data scientists ou des ressources technologiques coûteuses. Des solutions en ligne faciles à utiliser sont disponibles pour vous permettre de posséder et d'accéder à vos données clients à tout moment, mais faites appel à des fournisseurs externes pour créer les modèles statistiques avancés. Les spécialistes des données sont très demandés et la plupart des spécialistes du marketing n'ont pas la bande passante et l'expertise nécessaires pour embaucher, fournir des directives et conserver ce personnel d'analyse. Les meilleurs scientifiques des données qui ont vraiment un impact sont ceux qui ont le sens des affaires, qui sont encore plus difficiles à trouver. La science des données est un bon moyen d'obtenir des informations, mais il est difficile de rendre les informations disponibles à chaque point de contact client sans projets informatiques étendus. Par conséquent, commencez par la fin en tête et trouvez la solution la plus pratique qui vous permette de faire la différence dans la façon dont vos clients interagissent avec votre marque. Machine Translated by Google Un aperçu de la technologie de marketing prédictif (et connexe) 207 Complétez votre infrastructure existante avec le marketing prédictif Vous n'avez pas besoin de supprimer et de remplacer votre infrastructure existante. Vous pouvez certainement commencer par compléter votre infrastructure existante avec des fonctionnalités robustes de nettoyage des données et de prédiction. Commencez petit et développez votre déploiement au fil du temps. Cela pourrait inclure l'intégration de capacités prédictives dans vos différents canaux marketing, tels que les e­mails, et peut­être le remplacement de vos outils spécialisés existants par une plate­forme de gestion de campagne unique pour coordonner les campagnes sur tous les cana Selon une récente enquête AgilOne auprès de 132 responsables du marketing de détail, seuls 17 % des spécialistes du marketing utilisent une seule solution pour coordonner des campagnes omnicanales. Cependant, sur les 83 % restants qui ne coordonnent pas encore les campagnes de manière centralisée, 42 % prévoient de développer de telles capacités centralisées au cours des 12 prochains mois. Machine Translated by Google Machine Translated by Google CHAPITRE 16 Conseils de carrière pour Prédictif en herbe Commerçants Si vous avez peur des données et de l'apprentissage automatique, vous n'êtes pas seul. Vous avez peut­être un emploi dans le marketing parce que vous aimez créer des expériences incroyables pour les clients et que vous vous considérez comme une personne créative. Peut­être n'avez­vous jamais été bon en maths, et toutes ces discussions sur les données et l'apprentissage automatique vous mettent mal à l'aise. Vous seriez surpris du peu de connaissances dont vous avez besoin sur l'analyse prédictive pour faire de vous un expert ! La définition d'un expert est quelqu'un qui en sait plus sur un sujet que 95% de la population. La simple lecture de ce livre vous placera probablement dans ce top 5%. De plus, alors que le marketing prédictif utilise l'analyse prédictive sous le capot, vous n'avez pas du tout besoin de connaître l'analyse prédictive pour être un expert en marketing prédictif. Il existe une énorme opportunité de carrière qui découle de l'adoption précoce de nouvelles technologies, telles que l'analyse prédictive, et de nouvelles pratiques commerciales, telles que le marketing prédictif. Il y a très peu de spécialistes du marketing qui ont une expérience directe de l'analyse prédictive ou de la pratique du marketing prédictif. Cela signifie que même un peu d'expérience peut grandement vous différencier sur le marché du travail et vous placer devant les spécialistes du marketing plus titulaires. De plus, la demande de spécialistes du marketing axés sur les données ne fera que continuer à augmenter. Voici quelques conseils de carrière pour les aspirants spécialistes du marketing prédictif. 209 Machine Translated by Google 210 Comment devenir un véritable ninja du marketing prédictif La compréhension des affaires l'emporte sur les mathématiques Des centaines de programmes à travers le monde voient le jour dans les universités avec des diplômes en science des données ou en analyse de données. Ne vous inscrivez pas tout de suite ! Nous pensons que c'est un véritable malentendu que pour être axé sur les données et pratiquer le marketing prédictif, vous devez être capable de faire des calculs. Les chiffres et les statistiques sont inutiles sans des personnes capables de tirer un sens des données et de les transformer en stratégies, produits et campagnes. Ce processus nécessite une combinaison unique de compétences créatives, analytiques et interpersonnelles si souvent cloisonnées dans différents départements et rôles. À mesure que le Big Data augmente, le besoin augmente pour les spécialistes du marketing du Big Data qui peuvent tirer des informations et s'inspirer des statistiques et cibler les consommateurs en conséquence. Il s'avère que trouver des personnes qui connaissent suffisamment bien l'entreprise, le marché cible et les besoins des clients pour interpréter les données est beaucoup plus difficile que de trouver des scientifiques des données pour calculer les chiffres. De plus, de nouvelles technologies deviennent disponibles qui cachent les calculs compliqués sous le capot et présentent les données d'une manière facile à comprendre et à utiliser pour les spécialistes du marketing. Bien que vous n'ayez pas besoin d'apprendre à calculer les chiffres, vous devez tout de même vous sentir à l'aise pour les utiliser et les interpréter. Cela signifie que vous devez surmonter toute peur des chiffres le plus rapidement possible. Commencez par utiliser et apprendre des outils d'analyse simples tels que Google Analytics ou même par comprendre et lire les états financiers des entreprises que vous connaissez au quotidien. Des livres populaires comme Freakonomics, NurtureShock ou Moneyball peuvent également vous aider à affiner votre façon de penser basée sur les données en appliquant une approche analytique à l'économie, à l'éducation et au baseball, respectivement. Posez les bonnes questions Donc, si le marketing prédictif consiste à interpréter et à utiliser des données, comment un spécialiste du marketing pourrait­il commencer avec cela ? Le plus important est de faire preuve de curiosité et de poser les bonnes questions sur votre entreprise et vos clients. Commencez par une hypothèse. Par exemple, vous pouvez supposer que vous perdez des clients parce qu'un nouveau concurrent vole des parts de marché ou parce que les clients ne sont pas satisfaits de votre dernière gamme de produits. Une fois que vous avez une hypothèse, il est beaucoup plus facile d'aller chercher Machine Translated by Google Conseils de carrière pour les aspirants spécialistes du marketing prédictif les données pour soutenir ou infirmer cette thèse. Toute approche analytique est un outil pour résoudre un problème et non une solution en soi. Ceci est très important à intérioriser. De nombreux projets ratés autour de l'analyse sont dus à cette recherche de la solution miracle qui ne donne jamais de résultats. Plus précisément, posez des questions créatives et approfondies sur vos clients. De plus en plus, c'est l'organisation marketing qui détient les données et les informations sur les clients. Une enquête récente menée auprès de 132 responsables marketing a révélé que le service marketing est responsable des données clients dans 75 % des entreprises. La direction commence à se tourner vers le marketing pour éclairer les décisions stratégiques majeures de l'entreprise. Ce type de visibilité dans l'entreprise peut être formidable pour votre carrière. Récemment, le directeur de la gestion de la relation client d'un grand détaillant discount a découvert qu'un pourcentage supérieur à la moyenne de clients y avait acheté une fois mais n'était jamais revenu. En d'autres termes, un grand nombre de leurs clients étaient "one and done", ce qui est un problème courant dans le commerce de détail. L'augmentation du nombre d'acheteurs réguliers est devenue une énorme opportunité de croissance pour l'entreprise. Le conseil d'administration de cette société cotée en bourse a discuté de ces rapports. Finalement, le directeur a reçu une promotion et a été invité à diriger une équipe mondiale chargée d'accroître l'engagement des clients et la valeur à vie des clients. Ne vous contentez pas de regarder les données, mélangez­les avec les expériences réelles des clients. Souvent, les meilleures questions proviennent d'interactions réelles avec les clients. Ne restez pas simplement dans votre cabine; aller sur le terrain et interagir avec de vrais clients. Rien ne remplace le temps passé face aux clients. Dominique a déjà travaillé au Japon pour Nippon Telegraph and Telephone (NTT) alors qu'elle comptait un demi­million d'employés. Chaque employé de l'entreprise a été invité à passer quelques week­ends à travailler dans le magasin de l'entreprise pour s'assurer que chaque employé était à l'écoute des besoins des clients. De même, Disney demande à tous les nouveaux employés, y compris les cadres, de travailler dans les parcs à thème en costume de personnage pour comprendre de près l'expérience client. Si votre entreprise n'a pas d'initiative comme celle­ci, vous pouvez en lancer une. Cela vous différenciera sûrement et fera de vous, et de vos collègues, de meilleurs spécialistes du marketing. Mélangez l'art et la science du marketing Dans un épisode de la série télévisée The Crazy Ones avec Robin Williams, une agence de publicité new­yorkaise engage un analyste de données contre le 211 Machine Translated by Google 212 Comment devenir un véritable ninja du marketing prédictif souhaits du personnage de Williams, Simon. L'entreprise a un nouveau client qui vend de la nourriture pour chats, et la campagne de marketing axée sur les données conçue par le jeune analyste de données surpasse l'idée marketing du vétéran Simon. Au départ, Simon et l'analyste de données s'affrontent, mais ils finissent par arriver à un heureux mélange d'art et de science du marketing. Dans ce cas, la télévision aux heures de grande écoute n'est pas loin du compte. Les spécialistes du marketing qui réussissent apprennent à combiner la science des chiffres avec l'art de la créativité. N'oubliez pas : votre travail consiste à différencier, ravir et perturber. La chose la plus importante à réaliser est probablement que la science des données ne remplacera pas le besoin de penseurs créatifs. Dan Pingree, CMO chez Moosejaw, a décrit le marketing axé sur les données comme un moyen d'inspirer et de valider le processus créatif. À l'aide de données, vous pouvez découvrir de nouvelles personnalités de clients et de nouvelles stratégies de marketing et tester que vos idées créatives fonctionnent. Netflix et son responsable du contenu, Ted Sarandos, ont été de fervents partisans de la programmation basée sur les données, qui, selon eux, est à l'origine des plus grands succès de l'entreprise en matière de programmation interne, tels que House of Cards et Orange Is the New Black. Cependant, lors d'un panel de Sundance intitulé "Comment j'ai appris à arrêter de m'inquiéter et à faire confiance à l'algorithme", Sarandos a concédé : "Il est important de savoir quelles données ignorer. En pratique, c'est probablement un mélange 70­30. Soixante­dix, c'est les données, et 30, c'est le jugement, mais les 30 doivent être au­dessus. Apprendre des autres Il y a encore beaucoup à apprendre des spécialistes du marketing traditionnels. Les spécialistes du marketing de base de données traditionnels, qui se concentraient sur les campagnes de publipostage, sont les spécialistes du marketing les plus expérimentés en matière d'analyse prédictive. Parce qu'il est coûteux d'envoyer une carte postale ou un catalogue, les spécialistes du marketing des bases de données utilisent depuis longtemps la probabilité d'acheter des modèles et des clusters pour concentrer leurs expéditeurs sur les segments de réponse les plus élevés. Les spécialistes du marketing numérique et les spécialistes du marketing des bases de données ne passent généralement pas beaucoup de temps ensemble, mais ils devraient ! Les principes utilisés depuis de nombreuses années dans le marketing de base de données s'appliquent directement au marketing moderne axé sur les données. Si vous avez un spécialiste du marketing de base de données actuel ou ancien dans votre équipe, emmenez­le déjeuner et apprenez­en plus sur la segmentation avancée. Si vous n'avez pas de spécialiste du marketing de base de données dans votre équipe, trouvez peut­être quelqu'un dans votre réseau LinkedIn et prenez contact. Machine Translated by Google Conseils de carrière pour les aspirants spécialistes du marketing prédictif Vous n'êtes pas seul à vouloir en savoir plus sur le marketing axé sur les données et le marketing prédictif. Vous n'avez pas besoin de réinventer la roue. Vous pouvez rechercher des entreprises de votre secteur que vous admirez et contacter des pairs via LinkedIn. La plupart seront tout aussi désireux que vous de vous réunir pour comparer vos notes. Créez un groupe de rencontre formel ou informel avec d'autres personnes intéressées par le domaine et réunissez­vous régulièrement pour comparer vos notes. Vous pouvez faire appel à des conférenciers extérieurs pour vous éduquer, vous et vos amis. Vous pouvez même aller plus loin et en faire un rassemblement plus important sous la forme d'une rencontre formelle. Diriger une rencontre peut être un excellent moyen d'augmenter votre visibilité dans l'industrie et d'ajouter une expérience de leadership pertinente à votre CV. Les fournisseurs de technologie qui vendent des logiciels de marketing prédictif constituent également une excellente source d'apprentissage. Ces fournisseurs travaillent avec de nombreuses entreprises de votre secteur et peuvent vous informer sur les meilleures pratiques et les références qui, autrement, pourraient être difficiles à obtenir. Les ventes de logiciels ont beaucoup changé ces dernières années. La plupart des fournisseurs investissent massivement dans le contenu éducatif, la formation, les conférences et même les dîners de l'industrie et vous donnent accès à toutes ces ressources gratuites bien avant qu'ils n'essaient de vous vendre quelque chose. Vous devez absolument profiter de cette opportunité et ne pas hésiter à contacter les entreprises technologiques concernées, y compris notre société AgilOne. Nous serions ravis de vous parler et de vous aider à faire avancer votre carrière! 213 Machine Translated by Google Machine Translated by Google CHAPITRE 17 La vie privée et la Différence entre Délicieux et envahissant C'estetleun moment de concurrentiel se concentrerpersonnel sur le client et le deprocessus. construire Cependant, une marquen'oubliez de valeur avantage dans jamais que vous avez affaire à des données clients et que des problèmes de confidentialité surgiront inévitablement. Les spécialistes du marketing ont aujourd'hui du mal à faire la distinction entre confidentialité et personnalisation, sans se rendre compte que ces objectifs ne doivent pas nécessairement s'exclure mutuellement. En général, les consommateurs sont disposés à partager des informations sur leurs préférences en échange d'avantages apparents, tels que la commodité, résultant de l'utilisation de produits et services personnalisés. Un document de recherche intitulé "Personnalisation versus confidentialité : un examen empirique du dilemme du consommateur en ligne" par la Marshall School of Business a trouvé des preuves que l'intention des consommateurs en ligne d'utiliser des services de personnalisation (et donc leur volonté de partager des informations) est positivement corrélée avec des facteurs qui établir la confiance dans le fournisseur offrant des services de personnalisation. Ces résultats suggèrent que les vendeurs en ligne qui cherchent à tirer parti de leurs stratégies de personnalisation devraient non seulement être conscients des préoccupations de leurs consommateurs en matière de confidentialité, mais devraient également découvrir des moyens par lesquels ils peuvent instaurer la confiance. En fait, la réputation relative des vendeurs en ligne est l'une des raisons pour lesquelles les consommateurs préfèrent utiliser la personnalisation 215 Machine Translated by Google 216 Comment devenir un véritable ninja du marketing prédictif d'un fournisseur tout en ignorant un autre, même si les services sont pratiquement indifférenciés. Deux facteurs importants connus pour établir la confiance sont la familiarité du consommateur avec le vendeur et ses expériences passées avec lui. Voici quelques directives supplémentaires pour traiter les données des clients et instaurer la confiance. Tout d'abord, informez les consommateurs en ligne des informations qui seront collectées, comment et pourquoi. Deuxièmement, donner aux consommateurs en ligne le choix de la manière dont leurs informations seront utilisées et à quelles parties elles seront divulguées. Troisièmement, assurez­vous que vous disposez de mécanismes adéquats pour protéger les informations des consommateurs en ligne contre le vol, la perte accidentelle ou l'utilisation non autorisée. Vous ne voulez pas finir en première page du Wall Street Journal après une infraction. Une protection adéquate exige également qu'il existe une autorité efficace pour appliquer et imposer des sanctions en cas de violations potentielles. Types d'informations personnelles En matière de personnalisation, différents types d'informations sur les clients peuvent être utilisés, et les consommateurs peuvent se sentir différents d'un type d'informations par rapport à l'autre. Informations anonymes. Il fait référence aux informations recueillies sur les visites de pages sans l'utilisation de technologies invasives, généralement les informations standard envoyées avec toute demande Web ou Internet. Ces informations incluent l'adresse IP d'une machine, le type de domaine, la version et le type de navigateur, le système d'exploitation, la langue du navigateur et l'heure locale. Informations personnellement non identifiables. Il fait référence à « des informations qui, prises isolément, ne peuvent pas être utilisées pour identifier ou localiser un individu ». Les informations telles que l'âge, la date de naissance, le sexe, la profession, l'éducation, le revenu, le code postal sans adresse, les centres d'intérêt et les loisirs entrent dans cette catégorie. Le consommateur, par le biais de boutons radio, de menus ou de cases à cocher sur une page Web, doit divulguer explicitement la plupart de ces informations. En plus des informations sollicitées, les informations personnellement non identifiables impliquent souvent l'utilisation de technologies de suivi sophistiquées, par exemple des cookies, des gifs transparents, etc. De telles technologies, bien qu'elles n'identifient pas un client individuellement, permettent à l'entité de collecte d'informations d'esquisser un profil client efficace. Informations personnellement identifiables. Il s'agit d'informations qui peuvent être utilisées pour identifier ou localiser un individu. Il s'agit notamment des adresses e­mail, Machine Translated by Google La vie privée et la différence entre délicieux et envahissant nom, adresse, numéro de téléphone, numéro de fax, numéro de carte de crédit, numéro de sécurité sociale, etc. Invariablement, ces informations sont presque toujours recueillies explicitement auprès du client et sont généralement collectées lorsque les consommateurs s'inscrivent sur des sites Web ou s'engagent dans des transactions financières. Il existe des preuves qu'il existe une différence psychologique importante entre les entreprises avec lesquelles vous avez choisi de faire des affaires en utilisant vos données personnelles identifiables et les entreprises que vous n'avez pas achetées auparavant en utilisant des données, même si elles sont anonymes. Si vous avez déjà mangé dans un restaurant, vous appréciez d'être reconnu à votre retour : si le serveur connaît votre nom et se souvient que vous aimez votre viande mi­saignante, vous serez impressionné. Cependant, si un étranger dans la rue s'adresse soudainement à vous par votre nom et vous demande si vous avez apprécié le whisky que vous avez bu la nuit dernière, c'est invasif. Il en est de même sur Internet. Si vous avez déjà acheté chez Gucci, vous apprécierez peut­être qu'ils vous reconnaissent comme un acheteur de grande valeur et vous envoient un cadeau de Noël. Cependant, si le concurrent de Gucci, Versace, vous cible sans relâche avec des publicités display qui vous suivent sur le Web, vous pourriez trouver cela ennuyeux et effrayant. Get Elastic a découvert que 57 % des acheteurs en ligne sont à l'aise pour partager des informations tant que c'est dans leur intérêt, et être suivis sans le savoir sur Internet par des marques inconnues n'est guère un avantage. Dans le même temps, Consumer Reports a constaté que 71 % des consommateurs se déclarent très préoccupés par le fait que les entreprises en ligne vendent ou partagent des informations les concernant sans leur permission, ce qui oblige de plus en plus de spécialistes du marketing à passer du reciblage traditionnel des cookies tiers au premier. ­données du parti. Éviter les situations invasives Faites preuve de bon sens lorsque vous déterminez si une campagne marketing est délicieuse ou effrayante. Considérez le contexte de la situation. Certaines actions qui sont délicieuses dans certaines situations peuvent être carrément effrayantes si vous changez le contexte. Par exemple, si un commercial m'accueille dans le magasin c'est bien, mais si le même commercial vient chez moi à 22h le soir, c'est carrément flippant. Il semble que les clients soient encore plus à l'aise avec les communications asynchrones, comme les e­mails, qu'avec la personnalisation en temps réel comme la publicité display. Nous avons partagé au chapitre 11 que 66 % des consommateurs américains apprécient 217 Machine Translated by Google 218 Comment devenir un véritable ninja du marketing prédictif une offre par e­mail liée à quelque chose qu'ils ont consulté en ligne auparavant, mais seulement 24 % apprécient de recevoir cette même offre sous la forme d'une publicité en ligne. Les perceptions des clients diffèrent considérablement d'un client à l'autre et d'un segment à l'autre. En général, les données de l'enquête Columino menée auprès de 3 000 consommateurs montrent que les consommateurs aux États­Unis étaient beaucoup plus susceptibles de s'attendre à ce que les détaillants en ligne personnalisent leurs expériences que ceux du Royaume­Uni : environ la moitié des Américains souhaitent recevoir un message de bienvenue pour les nouveaux clients, contre seulement 34 % au Royaume­ Uni. De plus, les acheteurs âgés de 18 à 34 ans, appartenant à la génération « millennial », étaient plus susceptibles d'apprécier presque toutes les formes de personnalisation : 52 % des milléniaux s'attendent à ce que les marques se souviennent de leur anniversaire, contre 21 % des acheteurs âgés de 65 ans et plus. Du fait de ces différences, il est très important de ne pas généraliser : certains clients demanderont carrément la personnalisation, alors que d'autres en seront catégoriquement rebutés. Ce qui est important, c'est de développer des profils clients pour chaque client et de suivre dans ces profils le type de personnalisation qu'un client apprécie. Donnez le contrôle aux clients Les consommateurs voudront contrôler leurs propres données, et les entreprises qui donnent le contrôle de leurs données seront gagnantes. De grandes entreprises comme Google et Amazon le font déjà. Donner aux clients une visibilité sur certaines des entrées de l'algorithme rend également l'ensemble du processus d'analyse prédictive beaucoup moins effrayant. Il existe trois façons efficaces de donner aux consommateurs plus de visibilité et de contrôle sur la façon dont vous utilisez leurs données : 1. Modifier les données : offrez aux clients la possibilité de déterminer les données qu'une entreprise peut utiliser pour les recommandations, afin que l'utilisateur puisse effacer un historique spécifique (comme un achat qu'il a effectué pour la baby shower d'un ami) ou désactiver complètement certaines sources de données. 2. Expliquez pourquoi : expliquez pourquoi une recommandation spécifique est faite, afin que l'utilisateur puisse comprendre d'où vient la pertinence. Cette approche simple rend généralement même l'erreur logique et compréhensible pour l'utilisateur. 3. Boucle de rétroaction : permet à l'utilisateur de donner son avis, que la recommandation soit bonne ou mauvaise. Ceci est également appelé apprentissage par renforcement qui apprend non seulement en observant le comportement de l'utilisateur (apprentissage implicite), mais en recevant des informations (apprentissage explicite). Machine Translated by Google La vie privée et la différence entre délicieux et envahissant Limites rigides et législation gouvernementale Au­delà des saines pratiques commerciales, il existe également des limites strictes en matière de confidentialité. Par exemple, dans certains cas, vous ne pouvez pas collecter et vendre des informations sans l'autorisation du client. Il existe différentes règles de l'industrie et législations visant à prévenir la divulgation ou la perte accidentelle d'informations. Dans l'Union européenne, la confidentialité des données est régie par la directive sur la protection des données. Entreprises américaines voulant faire des affaires en Europe sont tenus de suivre les principes de confidentialité US­EU Safe Harbor. N'importe quel les entreprises traitant des informations de carte de crédit doivent se conformer à la Norme de sécurité des données de l'industrie des cartes de crédit. Les principes de confidentialité US­EU Safe Harbor permettent aux entreprises américaines de se conformer à la directive européenne 95/46/CE sur la protection des données personnelles. Les principes de la sphère de sécurité sont conçus pour empêcher la divulgation ou la perte accidentelle d'informations. Les entreprises opérant dans l'Union européenne ne sont pas autorisées à envoyer des données personnelles à pays en dehors de l'Espace économique européen, à moins qu'il n'existe une garantie qu'il bénéficiera d'un niveau de protection adéquat. Il y a aussi exigences pour assurer une formation appropriée des employés et un mécanisme efficace de règlement des différends sont en place. La norme de sécurité des données de l'industrie des cartes de crédit, appelée PCI DSS, a été développé par l'industrie des cartes de crédit. Tous les marchands qui gèrent les informations de carte de crédit sont nécessaires pour se conformer à cette norme, mais dans cercles de sécurité la norme est également largement considérée comme une référence de bon sens pour la protection des données. Même si vous n'êtes pas soumis au PCI DSS, vous pouvez consulter ce cadre pour avoir une idée de la meilleure façon de protéger les données des clients. Certaines des fonctionnalités requises avec PCI Les DSS sont l'exigence d'installer et de maintenir un pare­feu, de chiffrer transmission des données de titulaire de carte, et de suivre et de surveiller tous les accès à ressources réseau et données de titulaire de carte. Au total, la norme spécifie 12 exigences de conformité. Dans certains pays, comme le Royaume­Uni, l'Espagne et le Portugal, le consentement de la personne est requis pour collecter et traiter les informations, et dans le cas d'informations personnelles sensibles, le consentement explicite est requis. Les lois aux États­Unis sont en quelque sorte un patchwork d'un État à l'autre, mais de manière générale, les États­Unis ont le moins de restrictions en matière de confidentialité des données. Consultez un expert juridique, en particulier lorsque vous faites affaires dans différents pays, car les lois et réglementations locales changent fréquemment, et de nombreuses régions, dont les États­Unis et l'Europe, envisagent des lois plus strictes sur la protection des données. 219 Machine Translated by Google 220 Comment devenir un véritable ninja du marketing prédictif Nous espérons que les entreprises feront ce qu'il faut pour que le gouvernement n'intervienne pas avec une législation trop envahissante. Une chose est claire : pour renforcer la confiance des consommateurs, les entreprises doivent protéger et traiter les données des clients comme si elles étaient les leurs. Les entreprises doivent considérer la confidentialité des données non pas comme une activité de back­office pour la conformité, mais comme un différenciateur concurrentiel qui améliore l'expérience client. Machine Translated by Google CHAPITRE 18 L'avenir du prédictif Commercialisation En entrant dans magasin Rebecca Minkoff New York San tactile Francisco, la un toute première chose qu'un clientàrencontre estou unàécran de la longueur d'un mur qui propose des boissons gratuites. Vous aurez la possibilité de commander gratuitement de l'eau, du thé, du café ou un expresso. On leur demande un numéro de téléphone où ils recevront un SMS dès que leur boisson sera prête. Cet avantage n'est pas seulement dû à la bonté du cœur de Minkoff. Ce numéro de téléphone sert de signature numérique, qui les suit dans tout le magasin. Ce grand écran tactile leur permet également de parcourir le catalogue de la marque et de composer des tenues. Bien que les acheteurs ne le sachent pas, les employés du magasin sont connectés à des applications mobiles, qui les tiennent au courant de qui se trouve dans le magasin et des données qui sont entrées dans ce mur vidéo géant. Ensuite, lorsque les clients entrent dans les vestiaires, les choses deviennent intéressantes. Tous les vêtements et accessoires des nouveaux magasins de Minkoff sont équipés d'étiquettes RFID, des étiquettes émettant des signaux radio fréquemment utilisées dans les bracelets d'accès aux parcs à thème et dans les cartes de crédit. Les cabines d'essayage des nouveaux magasins de Rebecca Minkoff à New York, Los Angeles, San Francisco et Tokyo sont équipées de boucliers RFID qui leur permettent d'identifier les vêtements que les clients apportent dans cette cabine d'essayage spécifique. Les vestiaires eux­mêmes ont des miroirs qui se doublent de grands écrans tactiles. Un ordinateur établit automatiquement un inventaire, basé sur les étiquettes RFID, des vêtements qu'un client a apportés avec lui. 221 Machine Translated by Google 222 Comment devenir un véritable ninja du marketing prédictif L'écran tactile permet au client de passer à une série de configurations d'éclairage d'ambiance et, surtout, intègre l'opération de commerce électronique de Minkoff dans la cabine d'essayage. Les différentes tailles et couleurs des articles qu'un client apporte s'affichent automatiquement à l'écran. Si quelque chose ne convient pas, ils peuvent commander une version de taille différente à ajouter à leur panier en ligne pour un paiement ultérieur. Chaque vêtement qu'ils ont apporté et qu'ils n'ont pas essayé est converti en piste. L'innovation permet aux détaillants comme Minkoff de voir quels articles les clients individuels n'achètent pas . Cela permet aux détaillants d'envoyer ensuite des e­mails aux clients les invitant à revenir et à revoir les vêtements qu'ils n'ont pas achetés. Dans ce livre, nous n'avons fait qu'effleurer la surface de ce que l'analyse prédictive peut apporter aux spécialistes du marketing. Nous prévoyons qu'il y aura de plus en plus de cas d'utilisation de l'analyse prédictive dans le marketing. Les modèles prédictifs deviendront plus facilement accessibles et disponibles pour tous les spécialistes du marketing, dans les grandes et petites entreprises, au fil du temps. En outre, les modèles prédictifs alimenteront de plus en plus les communications personnalisées en temps réel avec les clients, tant dans le monde numérique que physique. Le magasin du futur sera très différent du magasin que nous connaissons aujourd'hui, comme nous l'avons vu dans l'histoire de Rebecca Minkoff. Enfin, nous pensons que la généralisation de l'accessibilité des mégadonnées et de l'apprentissage automatique suscitera un véritable changement de culture consistant à reconstruire les pratiques marketing autour du client, plutôt qu'autour des produits ou des canaux de vente. Modèles avancés d'analyse prédictive Dans ce livre, nous choisissons de nous concentrer sur les modèles prédictifs qui peuvent avoir le plus grand impact sur la valeur client dans les plus brefs délais et qui sont les plus largement utilisés par les premiers utilisateurs du marketing prédictif. Cependant, il existe de nombreux autres modèles prédictifs que les spécialistes du marketing avancés pourraient utiliser. Voici quelques exemples pour vous donner une idée de l'étendue de ces techniques. Un modèle de propension à l'engagement prédit la probabilité qu'un client s'engage avec une marque. L'engagement peut être défini de différentes manières, mais la plupart du temps, il décrit des événements tels que l'ouverture d'un e­mail, le clic sur un e­mail ou la visite du site Web d'une marque. À l'aide d'un modèle de propension à l'engagement, les spécialistes du marketing peuvent déterminer la bonne fréquence d'e­mails en limitant le nombre d'e­mails qu'une personne reçoit en fonction de cette fréquence. Machine Translated by Google L'avenir du marketing prédictif propension à l'engagement. Vous pouvez également inclure un indicateur directionnel au modèle d'engagement pour montrer si un client s'engage plus ou moins avec la marque. Les spécialistes du marketing peuvent utiliser ce modèle pour cibler les clients à la baisse avec des messages et des offres spéciaux pour les empêcher de quitter la marque. Un modèle de taille totale de portefeuille peut prédire les dépenses maximales possibles pour chaque client. Ceci est souvent appelé taille du portefeuille ou marché total adressable (nous utiliserons l'acronyme TAM pour Total Addressable Market) et est défini comme la dépense annuelle totale d'un seul client sur les produits/services vendus par une entreprise. Une prédiction TAM peut également être faite pour une catégorie de produits spécifique. Les spécialistes du marketing peuvent utiliser ces modèles pour identifier les clients susceptibles de dépenser plus avec la marque. Comme pour l'engagement, vous pouvez compléter un modèle TAM avec un modèle Direction of TAM. Un modèle Direction of TAM prédit si le marché adressable total pour un client donné augmente ou diminue. Par exemple, une start­up à chaud peut avoir un faible TAM sur les serveurs aujourd'hui, mais sa direction de TAM peut être très élevée, indiquant qu'elle se développe rapidement et pourrait bientôt devenir une perspective importante. Les spécialistes du marketing peuvent utiliser ce modèle pour identifier les prospects chauds. Un modèle d'optimisation des prix prédit le prix qui stimule le mieux les ventes, le volume ou la rentabilité. Le modèle doit être personnalisé en fonction de ce que vous optimisez : ventes, bénéfices, volume ou tout autre facteur. Un spécialiste du marketing peut utiliser un modèle d'optimisation des prix pour décider du meilleur prix pour un produit ou un service donné pour chaque client. Un modèle différent peut être développé pour chaque produit pour lequel vous souhaitez le faire, ou un modèle plus générique peut être utilisé qui prédit la sensibilité au prix d'un client en général. De même, un modèle d'optimisation des offres peut déterminer quelle offre aura le plus d'impact sur quel client. Ce type de modèle peut être configuré pour maximiser la conversion, les revenus ou la marge. Ce modèle aide les spécialistes du marketing à envoyer les bonnes offres aux bonnes personnes. Un modèle de recommandation mot clé à contact peut prédire l'affinité d'un client avec certains contenus, tels qu'une newsletter ou un e­mail, en fonction d'éléments tels que le comportement Web ou les achats antérieurs. De même, un modèle de détection de sujets d'actualité prédirait quels sont les sujets d'actualité ou les produits d'actualité qui intéressent les clients en fonction de l'analyse de l'activité sociale d'un client, des journaux de sites Web, des ventes et d'autres sources. Les spécialistes du marketing pourraient utiliser ces prédictions pour décider des sujets de marketing de contenu pour des clients spécifiques. 223 Machine Translated by Google 224 Comment devenir un véritable ninja du marketing prédictif Un modèle de clustering prédictif prédit dans quel cluster un client appartiendra à l'avenir. Les spécialistes du marketing peuvent utiliser ces prédictions pour commencer à différencier le traitement des clients juste après leur acquisition. Il n'est plus nécessaire d'attendre qu'ils expriment leur comportement pour comprendre qui ils sont. Au lieu de cela, les spécialistes du marketing peuvent réagir avant qu'il ne soit trop tard lorsque les clients se déplacent vers des groupes de clients de moindre valeur. Pensez comme un spécialiste du marketing prédictif Quelque chose nous a frappés dans notre travail avec les premiers utilisateurs réussis du marketing prédictif. Ces personnes ont adopté une approche différente. Il y a ici un fort gagnant­ gagnant pour les consommateurs, les entreprises et les spécialistes du marketing. La satisfaction des clients est en hausse, les entreprises se sont transformées autour du client et les spécialistes du marketing ont acquis une plus grande visibilité dans leurs entreprises. Une entreprise avec laquelle nous avons travaillé a pu doubler son chiffre d'affaires global en augmentant ses revenus en ligne autour d'une marque ancrée dans les magasins. Les achats en ligne sont passés de 20% à 80% des revenus dans le processus. Nous terminons donc par quelques conseils, non pas sur quoi faire, mais sur comment être. Voici quelques leçons tirées des spécialistes du marketing prédictif qui vous aideront à faire cette transition étonnante. Premièrement, s'il n'y a qu'une seule leçon que vous retenez de la lecture de ce livre, c'est de vous concentrer sur le client et d'organiser votre réflexion autour du client. L'orientation client n'est pas un nouveau concept. En fait, les spécialistes du marketing se sont efforcés de se concentrer sur le client depuis l'aube du marketing. Ce n'est pas parce que le concept existe depuis longtemps qu'il a été mis en œuvre avec succès. Et ce n'est pas parce que votre entreprise n'a pas réussi à créer une véritable culture centrée sur le client que vous ne devriez pas réessayer. Le Big Data et l'analyse prédictive permettent véritablement une organisation centrée sur le client d'une manière qui n'était pas possible auparavant. Deuxièmement, concentrez­vous sur les actions, pas sur l'analyse. Trop de projets d'analyse échouent parce que les entreprises sont bloquées dans la phase proverbiale de paralysie de l'analyse. Une fois que vous vous êtes habitué aux chiffres, vous pouvez devenir accro à eux. Chaque révélation sur vos clients suscitera une autre question. Nous n'avons qu'un faible pourcentage d'acheteurs réguliers. Pourquoi donc? Sont les Machine Translated by Google L'avenir du marketing prédictif transfuges jeunes ou vieux ? Avons­nous plus de défections en magasin qu'en ligne ? Y a­t­il certains produits qui attirent plus de clients fidèles ? Les transfuges renvoient­ils plus de produits que les autres ? Il n'y a pas de fin aux questions que vous pourriez poser, et répondre, en utilisant les données client. Cependant, il y a un risque réel à poser trop de questions à la fois. Le risque est que vous ne fassiez rien avec les données. Le simple fait d'avoir des données seules ne changera rien. Ne posez que des questions qui mèneront à une action, sinon, c'est bon à savoir. C'est ce que font beaucoup de consultants, des pages d'analyse sans aucune action, tous des faits intéressants. Vous n'améliorerez l'expérience client, les revenus à vie et les performances financières de votre entreprise que si vous agissez sur les données client. Cela signifie utiliser ne serait­ce qu'un seul aperçu client pour changer quelque chose, pour lancer une campagne qui pourrait améliorer les choses. Dans cet exemple, il s'agit peut­être de lancer ou d'améliorer une campagne d'accueil client avec des recommandations post­achat et de voir si cela fait une différence. Plus tôt vous commencerez à agir sur les données client, plus vite le marketing basé sur les données deviendra un mode de vie. En outre, il est utile d'avoir des gains rapides, sous la forme d'une amélioration de la satisfaction client et des revenus, pour vous donner le mandat au sein de votre entreprise de poursuivre vos explorations de données. Troisièmement, commencez dès aujourd'hui, restez simple et itérez. Il est vrai que le paysage technologique des fournisseurs prenant en charge le marketing prédictif évolue rapidement. De nouvelles et meilleures technologies seront disponibles chaque année. Cependant, ce n'est pas une bonne raison de s'asseoir et d'attendre. Il y a un énorme avantage à être un précurseur. Les entreprises présentées dans ce livre le savent. Un défi majeur que nous avons eu en écrivant ce livre était d'amener les spécialistes du marketing à accepter de partager les résultats qu'ils ont obtenus grâce au marketing prédictif. Nous avons souvent entendu : « Nous ne voulons pas que nos concurrents sachent pour l'instant à quel point le déploiement du marketing prédictif est avantageux » ou : « Nous considérons nos initiatives de marketing prédictif comme un avantage concurrentiel majeur et nous ne voulons pas que d'autres le sachent. ce." Cela vous dit quelque chose. Prenez un risque et lancez­vous dans le marketing prédictif, même à petite échelle. Il faudra un certain temps à votre entreprise pour s'habituer à la nouvelle façon de penser requise pour le marketing prédictif, donc plus tôt vous pourrez commencer ce processus de transformation et d'apprentissage, mieux vous vous porterez. Finalement, vos clients exigeront que vous leur proposiez un contenu plus pertinent, et au fur et à mesure que vos concurrents déploient 225 Machine Translated by Google 226 Comment devenir un véritable ninja du marketing prédictif marketing prédictif, vous pourriez commencer à leur faire perdre des clients. Si vous savez que vous devrez de toute façon adopter le marketing prédictif, pourquoi ne pas commencer dès aujourd'hui et acquérir un avantage concurrentiel ? Quatrièmement, essayez fréquemment de nouvelles choses et mesurez tout. Ne vous attendez pas à craquer du premier coup sur le marketing prédictif. Il faudra quelques essais et erreurs pour trouver les données et les campagnes qui fonctionnent pour votre entreprise, mais la seule façon de l'apprendre est de commencer. Cependant, assurez­vous de formuler une hypothèse claire pour chaque expérience et testez votre hypothèse par des tests A/B ou en incluant toujours un groupe exclu qui ne reçoit pas le nouveau traitement. Améliorez­vous progressivement en testant de nouvelles choses. Être patient. Cela peut prendre un certain temps avant que votre entreprise ne s'en rende compte. Ne vous arrêtez pas après la première expérience ratée. Certains de nos clients les plus performants organisent des centaines de campagnes, chacune contribuant pour un petit pourcentage à l'expérience globale et à la valeur à vie de leurs clients. Comme le football, le marketing prédictif est un jeu de pouces. Chaque jeu de marketing aide à faire avancer la balle sur le terrain, vers l'objectif de clients fidèles et rentables. Cinquièmement, communiquez les réussites à l'intérieur et à l'extérieur de votre entreprise. Lorsque vous commencez à voir des résultats avec le marketing prédictif, partagez­les avec le monde. Il y a un réel avantage à trouver un groupe de spécialistes du marketing partageant les mêmes idées ­ au sein de votre secteur ­ et à comparer les notes. Vous pouvez peut­être trouver des spécialistes du marketing dans des entreprises ou des marques avec lesquelles vous avez beaucoup en commun mais qui ne sont pas directement en concurrence. Votre apprentissage s'accélérera si vous n'avez pas à inventer la roue par vous­même. Le marketing prédictif est en train de devenir un mouvement puissant, et trouver des praticiens partageant les mêmes idées peut être à la fois rentable et amusant. Nous vous recommandons également d'informer les clients de vos expériences, peut­être en utilisant votre blog ou en faisant un communiqué de presse. Nous serions heureux de vous mettre en contact avec des journalistes désireux d'écrire sur ce mouvement. Les clients aimeront lire sur le fait que vous investissez pour mieux les comprendre et les servir, ainsi que sur les efforts visant à éliminer les pratiques de marketing de masse non pertinentes. Enfin, bloguez ou tweetez sur vos succès afin d'obtenir le crédit que vous méritez en tant que spécialiste du marketing moderne et avant­gardiste. Pourquoi ne pas construire votre propre réputation en adoptant le marketing prédictif ? Ce sont les principes du marketing prédictif. Nous sommes très chanceux d'assister à l'une des révolutions technologiques et culturelles les plus profondes de l'histoire. Aspirez à ces qualités et vous pouvez utiliser les stratégies que nous avons élaborées à votre avantage ou inventer les vôtres. tu pourras Machine Translated by Google L'avenir du marketing prédictif capitalisez sur vos réussites, tant auprès des clients qu'au sein de l'entreprise. Et puis, à mesure que le marketing prédictif monte et devient omniprésent, vous serez prêt. Le marketing est à l'avant­garde d'une révolution beaucoup plus vaste. L'apprentissage automatique finira par imprégner tous les horizons de la vie et améliorera la qualité de l'éducation, de la philanthropie et des soins de santé, entre autres. En tant que spécialistes du marketing, nous sommes les pionniers qui explorent la meilleure façon d'utiliser l'intelligence des machines pour améliorer nos vies, sans envahir la vie privée de manière indésirable. Ce que vous faites compte vraiment. Nous vous souhaitons bonne chance dans vos efforts de marketing prédictif et vous encourageons à nous faire part de vos expériences : Site Web : www.predictivemarketingbook.com Livre sur le marketing prédictif Groupe LinkedIn : www.linkedin.com/groups? gid=8292127 Twitter : twitter.com/agilone Restez en contact et rejoignez la conversation ! 227 Machine Translated by Google Machine Translated by Google ANNEXE Présentation du client Types de données Achats et transactions Vous pouvez suivre les achats en ligne grâce à une balise que vous installez sur votre site Web ou directement à partir de votre système de gestion des commandes, qui peut être votre plateforme de commerce électronique. Vous pouvez suivre les achats en magasin depuis votre application de point de vente (POS) ou un système de gestion des commandes. Souvent, les achats en magasin sont collectés par un système différent de celui des achats en ligne ou par téléphone. Il est extrêmement important de pouvoir lier tous les achats à la même personne. Par exemple, si vous envoyez des rappels de panier abandonné sans rapprocher les achats en ligne et par téléphone, les personnes qui ont abandonné un panier en ligne, mais qui ont effectué l'achat par téléphone, peuvent recevoir un coupon de réduction pour vérifier leur panier abandonné. Ces clients vont s'énerver et se plaindre : « Vous voulez dire que si j'avais attendu, j'aurais pu bénéficier d'une remise sur mon article ? Comportement Web et en ligne Si vous êtes un professionnel du marketing, le comportement de navigation sur le Web et l'interaction par e­mail peuvent être encore plus importants que les achats. Ces deux points de données comportementaux vous donnent une bonne idée de l'intention future d'un prospect ou d'un client. Les achats seuls ne vous donneraient pas suffisamment d'informations en affaires, étant donné qu'il y a généralement beaucoup moins d'achats qu'en 229 Machine Translated by Google 230 Présentation des types de données client commercialisation auprès des consommateurs. D'un autre côté, le cycle de décision dans le marketing d'entreprise est beaucoup plus long, il y a donc plus de ces points de données de préachat. En fait, prédire qui achètera dans le marketing d'entreprise est si lucratif qu'une industrie artisanale de fournisseurs spécialisés dans la "notation prédictive des prospects" a vu le jour pour aider les spécialistes du marketing à savoir quels prospects se préparent à faire un achat. Avec ces informations en main, les entreprises peuvent concentrer leurs ressources commerciales limitées sur les clients les plus importants. Vous ne pourrez peut­être pas reconnaître tous les visiteurs lors de leur première visite ; Cependant, en utilisant des cookies ­ des balises placées sur l'activité de navigation d'un client ­ vous pouvez commencer à suivre le comportement même pour les visiteurs anonymes et le lier ultérieurement à de vraies personnes. Vous saurez qui sont les personnes lorsqu'elles s'identifient, par exemple en effectuant un achat ou en s'inscrivant à votre newsletter, ou en remplissant un formulaire avant de télécharger un livre électronique ou de regarder une vidéo de votre site Web. Vous pouvez utiliser le profilage progressif pour collecter des informations sur les clients sans nuire aux taux de conversion. Au lieu d'avoir à remplir 15 champs de formulaire pour s'inscrire, un visiteur du site ne visite que quelques champs à la fois. Par exemple, la première fois que les clients viennent sur le site, ils ne remplissent que le prénom, le nom et l'adresse e­mail et lors de la deuxième visite, on leur demande un numéro de téléphone et un code postal, etc. Comportement des e­mails Les ouvertures d'e­mails et les clics peuvent être un signal important de l'engagement des utilisateurs et de la probabilité d'achat. Vous pouvez en apprendre beaucoup sur les clients en analysant les e­mails qu'ils lisent et la fréquence à laquelle ils ouvrent votre courrier. Ces informations peuvent même être utilisées pour faire des prédictions sur la probabilité qu'un individu se désabonne de votre liste de diffusion. Les désinscriptions sont apparemment anodines, mais sont en réalité très coûteuses. Nous revenons sur l'optimisation de la fréquence des e­mails au chapitre 9 du livre. Regroupement de ménages et de comptes Le ménage était une étape importante du traitement des données dans le marketing par catalogue, où les spécialistes du marketing ne voulaient pas envoyer le même catalogue deux fois pour deux acheteurs du même foyer. Non seulement le ménage aide à réduire les coûts de publipostage, mais il vous aide à mieux comprendre les clients vraiment précieux. Par moi­même, je ne ressemble peut­être pas à un client très précieux, mais Machine Translated by Google Présentation des types de données client 231 si j'influence directement les achats d'un certain nombre de membres du ménage, je peux très bien être un VIP. La relation entre les individus et les ménages auxquels ils appartiennent n'est pas toujours facile à voir. En utilisant le nom et l'adresse de la personne, des relations probables entre les membres de la famille peuvent être établies. Le logiciel peut même être utilisé pour attribuer automatiquement un chef de ménage, qui est la personne jugée la plus influente dans ce ménage lorsqu'il s'agit d'acheter auprès de votre marque. En marketing d'entreprise, la relation entre un contact (un prospect ou un client) et l'entreprise pour laquelle il travaille est souvent enregistrée dans le système de gestion de la relation client de l'entreprise. Pour les nouveaux prospects, vous devrez peut­être investir dans du code personnalisé ou des outils tiers pour lier automatiquement les contacts au compte auquel ils appartiennent. Emplacement Une fois que les clients ont effectué leur premier achat, leur adresse personnelle peut être dérivée de l'adresse de facturation ou de livraison. Il est utile que le logiciel calcule et ajoute automatiquement la longitude et la latitude de l'emplacement de l'adresse du domicile d'un client. Cela vous permettra d'effectuer d'autres calculs ultérieurement et de cibler les clients en fonction d'attributs tels que leur proximité avec un certain magasin. Par exemple, lorsque vous ouvrez un nouveau magasin, vous pouvez envoyer à tous les clients dans un rayon de 10 miles une invitation par carte postale à venir découvrir votre nouvel emplacement. Lorsque 100 % Pure, un détaillant de cosmétiques qui a commencé comme une marque uniquement en ligne, a décidé d'ouvrir des magasins physiques, il s'est tourné vers les données collectées sur les clients existants. Sur la base de leurs adresses de livraison et de facturation collectées lors de l'achat de produits en ligne, l'entreprise a choisi ses nouveaux emplacements de magasins physiques. Vous pouvez en savoir plus sur les expériences 100% Pure avec le marketing prédictif au chapitre 12. Pour le marketing d'entreprise, l'adresse de l'entreprise est également très importante, car les vendeurs sont souvent affectés en fonction de l'emplacement d'un client. Au­delà de l'adresse personnelle d'un client, il est également utile de collecter des informations de localisation plus temporelles. En d'autres termes, il est utile de savoir où se trouve le client en ce moment. Les journaux Web peuvent être utilisés pour rechercher le numéro IP d'un client et les spécialistes du marketing peuvent déterminer l'emplacement d'un client en fonction de cela. Vous avez peut­être expérimenté cette technologie de la manière la plus vivante Machine Translated by Google 232 Présentation des types de données client lorsque vous voyagez à l'étranger et que Google vous demande si vous souhaitez changer la langue par défaut de votre moteur de recherche. Les technologies mobiles telles que iBeacon déterminent l'emplacement d'un smartphone avec une grande précision. Des supermarchés tels que Marsh et Safeway ont été les premiers à adopter la technologie iBeacon. Des études menées par Coca­Cola et Procter & Gamble entre autres montrent une immense différence d'efficacité entre les offres qui sont faites aux consommateurs directement en magasin versus à domicile ou ailleurs. Le pouvoir d'achat au moment de l'achat est très important. Par exemple, les balises des magasins Marsh pourront déclencher des alertes telles que des listes de courses, des publicités et d'autres contenus pour les clients qui utilisent l'application mobile de Marsh. Et parce que les balises sont plus précises que le GPS, il peut envoyer les alertes lorsque vous êtes dans la bonne allée. Interactions du centre d'appels, réunions et réseaux sociaux Interactions Les clients peuvent passer des appels téléphoniques à votre entreprise, fournissant des points de données encore plus importants. Un nouveau logiciel d'analyse de texte peut vous aider à enregistrer et à analyser la durée et la fréquence des appels, ainsi que les sujets de conversation et le sentiment des clients. Le moyen le plus simple d'intégrer les interactions du centre d'appels consiste à classer chaque appel dans une catégorie et à ajouter cette catégorie à chaque profil de données client. Surtout pour le marketing d'entreprise, le fait qu'un prospect ou un client accepte de vous rencontrer par téléphone ou en personne est un signal d'achat fort et vous souhaitez l'enregistrer dans votre base de données. Comme pour les achats et les interactions avec le centre d'appels, il existe un grand nombre de points de données, directs et dérivés, qui peuvent être enregistrés à propos de chaque réunion. Pensez à l'heure, au lieu et à la durée de la réunion, ainsi qu'au sentiment du client pendant la réunion. L'interaction sociale pose les mêmes problèmes que les données des centres d'appels. Il s'agit généralement de conversations textuelles naturelles, et pour ajouter des informations exploitables à un profil client, vous devrez classer ou étiqueter l'interaction sociale. Les vendeurs essaient d'extraire les sentiments des commentaires sociaux, par exemple si un client fait un commentaire positif ou négatif. Jusqu'à présent, le problème a été que la plupart de ces packages d'analyse des sentiments sont très imprécis et peuvent donner aux spécialistes du marketing plus d'informations erronées que de points de données utiles. Les grandes marques grand public souvent Machine Translated by Google Présentation des types de données client recourir à l'affectation de personnel du service client pour surveiller les flux sociaux et pour classer et attribuer manuellement les conversations. Retours, réclamations et avis Les retours et les plaintes contiennent des informations très riches sur la rétention et la défense probables des clients. Peu de clients reviennent ou se plaignent et il s'agit donc de données rares, mais il convient d'y prêter une attention particulière. Par exemple, il s'avère que pour prédire la valeur à vie des clients ou la fidélisation des clients, les retours ou les plaintes font partie des cinq variables les plus importantes. Les examens et les enquêtes peuvent fournir des informations tout aussi précieuses pour les réclamations et les retours. La raison pour laquelle nous vous recommandons de ne pas commencer par analyser les avis lorsque vous envisagez le marketing prédictif est que les avis et les enquêtes sont souvent laissés sur des sites tiers. Il est plus délicat de s'intégrer à ces sites et de lier les avis à un client spécifique. Certains d'entre eux pourraient violer la vie privée des clients, et tous les clients ne sont pas à l'aise avec cela. Le genre La segmentation de vos clients par sexe est l'une des segmentations les plus élémentaires que vous puissiez effectuer. Il est facile de créer une newsletter avec un en­tête dynamique qui changera en fonction du sexe du destinataire. Cela s'est avéré augmenter considérablement les taux de clics et de conversion. De plus, il ne sert à rien d'envoyer des promotions de produits féminins aux hommes et des promotions de rasage aux femmes. En règle générale, le sexe des clients n'est pas collecté spécifiquement dans le cadre d'un achat, mais les algorithmes logiciels peuvent automatiquement reconnaître la plupart des noms et identifier un grand nombre de vos clients comme étant des hommes. ou des femmes. Au­delà du ciblage des hommes et des femmes avec un marketing et des offres différents, les hommes et les femmes ont également des comportements d'achat différents. Nous avons récemment analysé 1 million de consommateurs visitant des sites de cadeaux et de variétés et avons trouvé les différences suivantes : • Les hommes ont une valeur à vie de 24 % supérieure à celle des femmes parce qu'ils magasinent plus souvent et effectuent des transactions plus importantes. • Les hommes sont deux fois plus susceptibles d'acheter en utilisant des points de récompense que les femmes. 233 Machine Translated by Google 234 Présentation des types de données client • Les hommes sont légèrement plus chers à entretenir, avec des marges pour les hommes inférieures de 4 % à celles des femmes, car ils utilisent plus de récompenses et plus de remises. • Les hommes sont légèrement plus susceptibles d'acheter dans plusieurs catégories de produits, comme les chaussettes, les pantalons et les montres, plutôt que d'acheter uniquement des pantalons. • Les hommes sont légèrement plus susceptibles d'acheter sur Amazon que sur un directement sur le site de la marque ou du revendeur spécialisé. Si vous êtes un spécialiste du marketing pour l'un de ces sites, vous voudrez peut­être offrir des points de récompense aux clients masculins, car ils sont très réceptifs aux programmes de récompenses. Vous pouvez également concentrer votre budget de fidélisation sur les clientes qui sont plus susceptibles de revenir et d'acheter fréquemment. Données du recensement américain Les informations du recensement américain offrent une importante source d'enrichissement des données qui est souvent négligée. Les données du recensement américain sont librement accessibles à tous et peuvent être associées à vos enregistrements clients en fonction du code postal. Si vous savez combien de personnes vivent dans une certaine zone, vous pouvez comparer cela au nombre de clients que vous avez dans cette zone. Alors maintenant, vous pouvez essentiellement calculer votre pénétration du marché pour une région spécifique. Sur la base de ces informations, vous pouvez décider d'augmenter votre budget d'acquisition pour les régions à faible pénétration. Vous pouvez apprendre à partir des données du recensement américain quel type de logement est le plus populaire dans un quartier spécifique. Surtout si vous commercialisez des tondeuses à gazon, il peut être très important de savoir s'il s'agit d'un quartier d'appartements ou de maisons unifamiliales. Vous pouvez estimer le revenu du ménage en fonction du code postal d'un client. Le revenu du ménage s'est toujours avéré important pour comprendre le comportement des clients. Verticale et Taille En marketing d'entreprise, la taille et le secteur d'activité d'une entreprise sont probablement les données démographiques les plus fréquemment utilisées pour la segmentation après localisation. Les bases de données tierces peuvent vous aider à augmenter vos données avec la bonne taille d'entreprise, la bonne verticale et le bon nombre d'employés. Traditionnellement les entreprises Machine Translated by Google Présentation des types de données client comme Dunn et Bradstreet et Harte Hanks ont fourni ces données. De plus en plus, la vue la plus précise et la plus à jour de la taille de l'entreprise, du moins du nombre d'employés, est LinkedIn. LinkedIn n'aura pas de données sur les revenus, mais a probablement un décompte à jour du nombre d'employés. La taille verticale de l'industrie et la taille des employés dans le marketing d'entreprise deviennent très importantes lors du calcul du marché total disponible ou de la part du portefeuille ou de la part de marché. Les spécialistes du marketing ne se soucient généralement pas de la pénétration globale d'un marché, mais de la pénétration d'un segment de marché spécifique, par secteur vertical ou taille d'entreprise. Autres points de données client La quantité de données que vous pouvez collecter sur les clients n'a vraiment pas de fin. Par exemple, il existe de nombreuses sources de données tierces qui pourraient être exploitées pour enrichir vos données clients. Un exemple populaire consiste à mélanger l'emplacement d'un client avec la météo prévue pour cette région. Si vous pouviez collecter les deux en temps réel, vous pourriez afficher des parapluies sur la page d'accueil de votre site Web, tout comme vous le feriez dans un magasin physique pendant les périodes de pluie. Un détaillant avec lequel nous travaillons a expérimenté des campagnes basées sur la météo, mais n'a pas encore trouvé de moyen rentable de les exploiter sur son site. Premièrement, il n'est pas anodin de créer des campagnes à la volée en réponse à la météo, et deuxièmement, il n'a pas encore été constaté que cela augmente sensiblement les ventes. 235 Machine Translated by Google Machine Translated by Google INDICE REMARQUE : Les renvois aux pages en italique renvoient aux figures. Programmes de chariots abandonnés, 24, 148–149 Alain Afflelou, 139 ans Amatriain, Xavier, 4 Accenture, 54 Amazone, 4, 33–34, 113 Regroupement de comptes, 47 Visiteurs anonymes du site Web, Acquisition reconnaissance, 147, 216 gestion des clients, 70, 70–71 optimisation Pomme, 111, 144 des dépenses marketing pour, 78–86, 79, 80, Interface de programmation d'applications 81, 82, 83, 84, 85 utilisation de clusters pour améliorer, 99–100 marketing basé sur la valeur pour, 115–116, 116 (API), 192 Campagnes d'appréciation, 161–163 Arcelik, 94, 125 Artun, Omer, 19 ans Public, compréhension, 187. Clients actifs, stratégies pour, 112–113 Revenu moyen par utilisateur (ARPU), 72 Adresses collectant des données, 231–232 Institut Baymard, 148 validant des données, 52–53 Comportement des clusters Indicateur de type d'adresse, 52 Analyses avancées, 204 Dépenses publicitaires, taux de conversion et, 81, 81–83, 82, 83 AgilOne sur panier abandonné/recherche 148, 149 sur l'adoption du marketing prédictif, 14, 16, 18 sur basés sur le comportement des clients, 94, 97–99, 98 comportement d'achat et détection des valeurs aberrantes, 37 comportement et données des e­mails collection a, 47 probabilité d'engager des modèles et, 130–136, 132, 133, 134, 136 l'augmentation de la valeur client, 156 création de, 19 sur l'optimisation des dépenses marketing, 74 Analyse comparative, pour les dépenses de marketing, 80, 81 Meilleur achat, 19 « Dilemme biais­variance », 39 237 Machine Translated by Google 238 Indice (clients de grande valeur), questions à poser aux vendeurs, 191–196 162, 163 Big data, 3–21 capacités techniques pour le marketing Segment Big­Big­but­do­not­return prédictif, 187–191 Birge, Robert, 139 Anniversaires, de clients, 38 Blattberg, Robert C., 120 Bosch, 43– 44 Clusters basés sur la Baratte programmes de gestion du désabonnement, 174–175, 175 marque de gestion de marque, 94– 97, 97 relations clients et, 14–20 différences dans, 172, 172–174, 173 concept de désabonnement négatif, 170 prévention, 74 Voir aussi Rétention Navigation, abandonné, 150­151 Classificateur et conception de système, 39–40 Usine de manteaux de Burlington, 106 Clientèle, 49–53 Modèles commerciaux, rétention Options cloud, 199–200 et, 171, 171 Compréhension commerciale, besoin de, 210 Clustering évitant les erreurs et, 100 cluster ADN, 94 défini, 23, 25 pour améliorer l'acquisition de clients, Centres d'appels, collecte de données et, 47 Automatisation des campagnes, 190–191, 199–200. Voir aussi Technologie de l'information (TI) 99–100 aperçu de, 101 modèles, 25–28, 27 vue d'ensemble, 93–94 modèle de clustering prédictif, 224 segmentation par rapport à, 26– 28 types de, 94–99, 96, 97, 98 Chariots, abandonnés, 148–149 Certification CASS, 52 Central Desktop, 175–176 Cetiner, Bora, 94 Canaux trouvant des canaux qui apportent des clients à forte valeur ajoutée, 88–89 attribution de dernière touche, 89–92, 91 pour faire des recommandations aux clients , 144 CMO Club, 54 ans Recommandations de filtrage collaboratif, présentation, 33–34 types de modèles de recommandation, 34–36, 35 marketing omnicanal, 166–167 questions pour la collecte de données, 60–61 Plaintes, collecte de données et, 47 assistance fournisseur pour, 191 Liste de Conlumino, 146, 218 contrôle des capacités de marketing prédictif, 185–196 capacités organisationnelles, Détermination du contenu, 185–187 187 recommandations, 143–144 Contexte, clients et, 141–142 Conversion, 145–154 vue d'ensemble, 188 campagnes de navigation abandonnées, 150–151 Machine Translated by Google 239 Indice campagnes de panier abandonné, 148–149 campagnes de recherche abandonnées, 149–150 taux de conversion et marketing collaboration avec le service informatique sur l'intégration des données, 43, 54–57, 55 Gestion de la relation client (CRM), 203–204 Clients dépenses, 81, 81–83, 82, 83 ciblage similaire et, 151–154, 152 orientation client, 224 parcours de valeur client, 83–84, 84 pouvoir du capital client, 8–10, 11 popularité du campagnes de reciblage (remarketing), 145–147 Costco, 106 Coûts, de marketing. Voir Dépenses marketing Ventes croisées, 138–139 Parcours client, 103–114 marketing prédictif et, 3 cas d'utilisation du marketing prédictif, 11– 12, 13 confidentialité de, 215–220 questions pour la collecte de données , 58–60 première valeur, 105–107 « donner pour obtenir », 103, 155 stratégies marketing du cycle de vie, 109–114, 110 nouvelle valeur, 108–109 vue d'ensemble, 103– 105, 104 recommandations faites au cours Voir aussi Comportement des clients ; Conversion; Parcours client ; Personnalités client ; Profils clients ; Croissance; valeur à vie ; Analyses prédictives; Réactivation; cycle de vie client, 140–141 valeur récurrente, 107–108 Rétention; Marketing basé sur la valeur Personnalités client, 93–101 éviter les erreurs lors de l'utilisation des clusters, 100 insights, 101 vue d'ensemble, 93– 94 types de clusters, 94–99, 96, 97, 98 utilisation des clusters pour améliorer l'acquisition, 99–100 Profils clients, 43–61 préparation de l'analyse des données, 50– 54, 51 conception de la collecte de données, 45–47, 46 types de collecte de données, 47, 47–57, 48 analyse des données contrôle client et, 218 besoin de, 20, 20–21 préparation des données pour, 50–54, 51 support fournisseur pour, 193–194 Collecte de données nettoyage et préparation, 37 besoin de, 20, 20–21 support fournisseur pour, 191–193 Marketing axé sur les données (Jeffrey), 16–17 Liste de contrôle de l'intégration des données pour, 189 besoin de, 18–21, 20 aperçu, 43–45 questions à utiliser pour les données, 57–61 Plateformes de gestion de données (DMP), 202 Machine Translated by Google 240 Indice Directive sur la protection des données (UE Union), 219 Norme de sécurité des données, paiement Entenmann, 121 Passionnés (abonnés par e­mail), 131– 136, 132, 133, 134, 142 Industrie des cartes de crédit (PCIDSS), 219 Déduplication, 53–54 Deighton, John, 120 ans Validation des points de livraison (DPV), 52 Principes de conception, pour la collecte de données, 45–47, 46 Publipostage, pour les campagnes de bienvenue, 158 Les "junkies" du discount, 24 Remises, probabilité d'achat et, 126–128, 127 Facebook, exemple de ciblage similaire, 152, 158–153 Segment tombé en disgrâce (clients de grande valeur), 163 Génération/extraction de fonctionnalités, 38–39 Première société de Chicago, 122 Données de première partie, 45 Primo­acheteurs, probabilité d'achat, 124– 125 Première Union Bank, 122 Première valeur, 105–107 Marketing prédictif à faire soi­même, 197–198 Fordham, Marc, 175­176 Forestier, 142 Dunn et Bradstreet, 234–235 Offres d'adhésion gratuites, 23 Dursun, Bulent, 6 Modèle économique gratuit, 106, 142 Fréquence, des e­mails, 133, 139–136, 134, 136, Popularité du marketing prédictif des premiers utilisateurs 187 Appariement flou, 53–54 et, 3 valeur du marketing prédictif et, 16–17 Arrêt de jeu, 165–167 Industrie du jeu, 4–5 Lien terrestre, 17 Gaston, Katie, 175­176 Einstein (First Union Bank), 122 Gates, Bill, 16 ans Marketing par e­mail Genre, collecte de données sur, 233–234 pour les campagnes de paniers abandonnés, 148–149 livraison, Obtenez élastique, 217 194 fournisseurs de services de ''Donner pour obtenir'', 103, 155 messagerie (ESP), 202–203, 209 Google AdWords, 47, 150 fréquence des e­mails, 133, 139– 136, 134, 136, 187 probabilité d'engager des modèles, 130–136, 132, 133, 134, 136 problèmes de confidentialité et, 215–220 reciblage avec, 145–147 validation des adresses, 53 Législation gouvernementale, questions de confidentialité et, 219–220 Croissance, 155–167 campagnes d'appréciation des clients, 161– 163 transaction initiale et, 155–156, 156 programmes de fidélisation, 163–166 gestion des clients et, 70, 71 concept de Modèle de propension à l'engagement, 222–223 désabonnement négatif et, 170 Machine Translated by Google 241 Indice introductions de nouveaux produits, 160–161 gestion de la relation client marketing omnicanal, 166–167 programmes intégration de données et, 43, (CRM), 203–204 54–57, 55 plateformes post­achat, 157–159 campagnes de réapprovisionnement et programmes d'achat de gestion de données (DMP), 202 répété, 159–160 marketing prédictif à faire soi­ même, 197–198 marketing basé sur la valeur pour les clients de valeur moyenne, 120–121 programmes fournisseurs de services de messagerie (ESP), 202–203, 209 débuter de bienvenue, 157–158 avec le marketing prédictif, 205–207 Divertissement de Harrah, 5 apprentissage automatique, 7–8, 16, Harte Hanks, 234–235 27–28 externalisation auprès de prestataires Harvard Business Review, 120, 121 de services marketing (MSP), 198–199 objectifs pour, 204–205 Clients de grande valeur Campagnes d'appréciation des clients pour, 161–163 dépenses marketing pour, 86, 92–93, 91 aperçu, 201 popularité du marketing prédictif et, 3, 17–20 capacités techniques pour le marketing prédictif, 187–191 support des fournisseurs et, 194–196 analyse Web, 202 marketing basé sur la valeur pour, 115–120, 116, 117, 118, 119 Valeur à vie historique (LTV), 64–65 Transaction initiale, importance de, 155– 156, 156 Adresses personnelles, collecte de données sur, 231–232 Joie du foyer, 158 Numéros IP, collecte de données sur, 231–232 Honda, 121 Ménage, 230–231 Jeffrey, Marc, 16–18 iBeacon, 53 Karabuk, Tulin, 94 Informations identifiables, des Kayak, 139 Modèle de clients, 216 recommandation mot­clé­ contact, 223 KIDS/Fashion Delivers, Imputation, 38 Clients inactifs, stratégies pour, 113–114 106 Technologies de l'information (IT), 197–207 analyses avancées, Clients périmés 204 gestion de campagnes et stratégies pour, 107 marketing basé sur la valeur pour, 118–119, 119 options de cloud marketing, 199–200 Voir aussi Réactivation '' Problème du dernier kilomètre '', 40–41 Machine Translated by Google 242 Indice Attribution de dernière touche, 89–92, 91 Notation des pistes, prédictive, Programmes de fidélité collecte de données sur le profil client, 49 valeur client croissante et, 163–166 128–130, 129, 130 Questions juridiques, de la vie privée, 219­220 montée en puissance du marketing prédictif et, 5–6 Valeur à vie, 63–74 défini, 64 valeur à vie historique (LTV), 64–65 en augmentation, pour tous les clients, Lululemon, 106 Apprentissage automatique, 7–8, 16, 27–28 Mainstreet (abonnés par e­mail), 131– 73–74, 74 croissant, pour un client, 70, 70–73 136, 132, 133, 134, 142 '' Gérer le marketing par le Test d'équité client » (Blattberg, Deighton), 120 aperçu de l' optimisation (Voir 64 valeur client prévue, 66–68 Marketing, comme art et science, 211­212 valeur à vie supérieure, 68–70 Ingénierie de l'entonnoir Dépenses marketing), 63– marketing, 81, 81–82 Voir aussi Parcours client ; croissance de la valeur client et, 155– 156, 156 par cycle de vie, 82, Croissance; Rétention Modèles de probabilité défini, 123–124 probabilité d'engager des modèles, 130–136, 132, 133, 134, 136 prédictions, 124–130, 127, 129, 130 Voir aussi Modèles de propension LinkedIn, 113, 235 Liaison, 53–54 Emplacement, collecte de données sur, 231–232 82–83 Fournisseurs de services marketing (MSP), externalisation vers, 198–199 Dépenses marketing, 77–92 pour l'acquisition, la rétention, la réactivation, 78–86, 79, 80, 81, 82, 83, 84, 85 canaux pour l'attribution de dernière touche, 89–92, 91 canaux qui apportent des clients de grande valeur, 88–89 taux de conversion et, 81, 87–83, 82, 83 Revenus des e­mails à long terme, 133, 133–136, 134, 136 Ciblage similaire défini, 151–152 pour la fidélisation de la clientèle, 177–178 différenciation, basée sur la valeur client, 86, 86–87 aperçu, 77–78 produits qui apportent des clients de Exemple Facebook, 152, 152–153 grande valeur, 87, 88 au service de faible optimisation de la similarité ou de la portée, 153–154 valeur Clients à faible valeur, basés sur la valeur marketing pour, 115–119, 116, 117, 118, 119, 122 clients, 122 École de commerce Marshall, 215 Machine Translated by Google 243 Indice Mavi, 5–6, 17, 49, 121, 164–165 Capacités organisationnelles, liste de contrôle McDonald's, 120 Campagne ''Mean Stinks'' (Procter & Pari), 105 Clients de valeur moyenne, marketing basé sur la valeur pour, pour, 185–187 Détection des valeurs aberrantes, 37–38 Externalisation de la science des données et, 206 à des prestataires de services marketing 115–119, 116, 117, 118, 119, 120–121 Réunions, collecte de données et, 232–233 (MSP), 198–199 PCI DSS (Data Security Standard, Payment Credit Card Industry), 219 « Algorithmes métaphoniques, 52 Micro­entrepôt, 198 Technologie mobile, profils clients et, 232 Moosejaw, 111­112 Personnalisation versus confidentialité » (Marshall School of Business), 215 Recommandations personnalisées. Annexe MSA/région, 52 Attribution multipoint, 89–92, 91 Voir les recommandations PetCareRx, 114, 123 Fantômes (abonnés par e­mail), 131– Changement d'adresse nationale (PNAC), 52 136, 132, 133, 134, 142 Stratégie d'intégration progressive des données, Notion de désabonnement négatif, 170 Netflix, 4 47, 47–48 Pingree, Dan, 112 Débutants (abonnés par e­mail), Cadre de gestion du poolcycle, 73, 74 131–136, 132, 133, 134, 136 Nouveaux clients, stratégies pour, 111–112 Programmes post­achat, 157–159 Lancements de nouveaux produits, 160–161 Récompenses PowerUp (GameStop), 165–166 Nouvelle valeur, 108–109 Valeur client prévue, 66–68 New York Times, 125 Analyse prédictive, 23–41 liste de Recommandations de vente suivante, 140 contrôle pour, 190 définition, Télégraphe et téléphone nippon 24–25 aperçu, 23–24 (NTT), 211 Théorème du « pas de repas gratuit », 39 processus, 36, 36–41 apprentissage par renforcement et filtrage collaboratif, 33–36, 35 Obama, Barak, 125 ans apprentissage supervisé, Segment de la vieille école (clients à 28–32, 29, 30 apprentissage forte valeur), 163 non supervisé , 25–28, 27 Marketing omnicanal, 166–167 100 % pur, 167, 231 Modèle de clustering prédictif. Voir Oner, Elif, 6 ans Orange, 71–73 Ordre d'exécution, 90 Clustering Marketing prédictif, 3–21 blocs de construction pour, 20, 20–21 Machine Translated by Google 244 Indice Marketing prédictif (suite) carrières probabilité d'engager des modèles, dans, 209–213 avenir de, 221–227 130–136, 132, 133, 134, 136 puissance de l'équité client, 8–10, déciles de propension, 29– 11 problèmes de confidentialité, 215– 220 marketing relationnel avec, 6–8, 8 montée de, 3–6, 14 – 20 cas d'utilisation, 11–12, 13 31, 30 Modélisation RFM comparée à, 31–32 apprentissage supervisé, 28–32, 29, 30 périodes de formation et de test, 29, 29 Conversion de clients Voir aussi Comportement des clients ; Liste de contrôle des capacités de marketing prédictif ; Conversion; Parcours client ; potentiels, 145–151 ciblage similaire, 151–154, 152 stratégies pour, 109–111 Achats Personnalités client ; données sur, 47–50, Profils clients ; Croissance; 48 faire des recommandations au moment valeur à vie ; Analyses de, 138–139 prédictives; Réactivation; Rétention; Marketing basé sur la valeur Réactivation campagnes pour, 180–182 Modèle d'optimisation des prix, 223 des clients inactifs, 74 Confidentialité, 215–220 optimisation des dépenses marketing Gestion proactive de la rétention, 175– 180 Procter & Gamble, 105 pour, 78–86, 79, 80, 81, 82, 83, 84, 85 marketing basé sur la valeur pour, 118–119, 119 Des produits trouver des produits qui apportent des clients de grande valeur, 87, 88 introductions de nouveaux produits, 160– 161 clusters basés sur des produits, 94, 95, 96 recommandations produit à produit, 34–35, 35, 141–142 produit à utilisateur types de recommandations, 35 questions pour la collecte de données, 61 Rebecca Minkoff (magasins), 221 Recommandations, 137–144 canaux pour, 144 choix de clients ou de segments, 138–141 contenu et, 143–144 aperçu, 33–34, 137–138 types de modèles, 34–36, 35 comprendre le contexte client, 141–143 Valeur récurrente, 107–108 Reichheld, Frederick F., 121 Apprentissage par renforcement Modèles de propension, 123–137 définition, 28–29, 123–124 Probabilité d'acheter des prédictions, 124–130, 127, 129, 136 filtrage collaboratif et, 33–36, 35 défini, 25 Machine Translated by Google 245 Indice Probabilité d'achat des Ventes, questions pour la collecte de données, 57–58 clients réguliers, 126 stratégies pour, 112–113 Récupérateur d'épargne (Walmart), 50 ans Programmes d'achats répétés, 159–160 Recherche, abandonné, 149­150 Programmes de réapprovisionnement, Secret (Procter & Gamble), 105 24, 159–160 Modèles de réponse. Voir les modèles de Recommandations de segmentation et propension choix des clients ou des segments, 138–141 assistance Présentation des campagnes de reciblage (remarketing), 145 déclencheurs pour, 146–147 fournisseur pour, 193–194 Voir aussi Clustering ; Profils clients Rétention, 169–182 modèles commerciaux et, 171, 171 différences Shaklee, 21 ans d'attrition, 172, 172–174, 173 programmes de Shazam, 113–114, 186 gestion de l'attrition, 174–175, 175 gestion des clients et, 70, 71 collecte de Shehata, George, 21 ans Revenus des e­mails à court terme, 133, 139–136, 134, 142 données et, 49 optimisation des dépenses marketing pour, 78– 86, 79, 80, 81, Données de taille, collection de, 234–235 82, 83, 84, 85 concept de désabonnement Taille du portefeuille, 68–70, 178, 223 négatif, 170 gestion proactive de la rétention, Sleepies (abonnés par e­mail), 131– 136, 132, 133, 134, 136 SourireTrain, 111 175–180 Interactions sociales, collecte de données et, 232–233 campagnes de réactivation, 180–182 comprendre le taux de rétention, 169 marketing basé sur la valeur pour les clients à forte valeur ajoutée, 119–120 Spotify, 142–143 ''Coûts irrécupérables'', 85 Apprentissage supervisé défini, 25 modèles de propension, 28–32 Retour par les clients, 25 Enquêtes, collecte de données et, 233 collecte de données et, 233 Examens, collecte de données et, 233 Segment des accros aux récompenses (clients à forte valeur), 162–163 RFID, 221–222 Rosling, Hans, 26 ans Cibler l'amélioration de la précision de, 11–12 prise en charge des fournisseurs pour, 193–194 Campagne Tchin Tchin (Alain Afflelou), 139 Tech Crunch, 142 Données tierces, 43, 235 Principes de la sphère de sécurité, 219 Magasins Sainsbury, 17 Marché adressable total (TAM), 223 Machine Translated by Google 246 Indice Récompenses totales (Harrah's Divertissement), 5 Matrice de transition, 117, 117–118, 118 réduction des coûts pour servir les clients à faible valeur, 122 fidélisation des clients à valeur élevée, 119–120 Migration de valeur, 64–65, 174 Marge de contribution variable, 86 Fournisseurs, questions à poser, Biens inhabituels, 131 191–196 Données verticales, collecte de, 234– Informations non identifiables, sur les 235 clients VIP. Voir Haute valeur clients, 216 Modèles de clustering d'apprentissage non supervisé, 25–28, 27 définis, 25 Vente incitative, 138–139 Valeur à vie supérieure, 68– 70 Données de recensement américaines, clients collecte de, 234 Recommandations utilisateur­produit , 142 US­EU Safe Harbor Privacy Principles, 219 US Postal Service, 52 Analyse du portefeuille, 68–70, 178, 223 Wal­Mart, 50 Signes avant­coureurs du mécontentement des clients, 176–180 Web analytique, 202 Comportement Web, collecte de données sur, 229–230 Validation, des données clients, 51–54 Marketing basé sur la valeur, 115–122 Programmes d'accueil, 157–158 ''Les baleines'', 120 défini, 115 clients de valeur moyenne en croissance, 120–121 York, Jerry, 198 aperçu, 115–119, 116, 117, 118, 125 Zapos, 7, 146, 164 Bureau Zen, 110 Machine Translated by Google CONTRAT DE LICENCE UTILISATEUR FINAL WILEY Rendez­vous sur www.wiley.com/go/eula pour accéder au CLUF en ligne de Wiley.
