Leur réflexion est motivée par de grands acteurs tels qu’Amazon qui maîtrisent les nouvelles technologies et s'en servent pour perfectionner leurs expériences client (CX). Si cette notion a finalement toujours existé dans le commerce, son importance est désormais vitale pour les marques.

Dans une récente étude, IBM souligne ainsi que près de 2 directeurs marketing sur 3 en font leur priorité dans l’espoir de doper la conquête de nouveaux prospects, la croissance des conversions, et la fidélisation des consommateurs.

Alors que dans notre monde de plus en plus encombré il devient de plus en plus difficile de se faire entendre et d’entrer en contact avec les gens. La technologie nous aidera à créer des contenus attractifs, qui correspondent aux centres d’intérêts et aux préférences des consommateurs.

- Keith Weed, directeur du marketing et de la communication, Unilever

Les retailers deviennent de ce fait avides de données clients pour mieux cerner les parcours d’achat et être capable de les enrichir par l‘intégration de technologies novatrices. Quels impacts ont-elles sur le retail ? Comment être capable d’interpréter les considérables volumes de données collectées ? Et enfin comment peut-on les exploiter pour améliorer la CX ? Eléments de réponses.

L’IA : nouvel eldorado de la data ?

Parmi les nouvelles technologies qui révolutionnent l’usage de la data, l’intelligence artificielle (IA) est probablement la plus brillante. Grâce au Cognitive Computing, technologie qui combine les sciences cognitives à la science de l'informatique, l'IA augmente les capacités humaines et permet aux retailers d'exploiter désormais les données non structurées générées par les consommateurs.

"Les données non structurées sont les données non quantifiables telles que l'humeur, les sentiments, les images, le son, les flux de tweet, posts, blogs... que les retailers ne peuvent pas traiter avec de simples algorithmes informatiques. Avec les systèmes cognitifs comme Watson, la plateforme cognitive industrielle d'IBM reposant sur les algorithmes de Deep Learning et de Machine Learning, les enseignes sont maintenant en mesure d'interpréter tout type de données, structurées et non structurées.  Elles peuvent apprendre de chaque interaction client de manière dynamique pour offrir une expérience enrichie et adaptée en temps réel" explique Olivier Bérard, Business Value Consultant, IBM Cognitive Solutions Team.

Le Cognitive Computing représente une véritable aubaine pour les commerçants qui accèdent de ce fait à de nouvelles sources de données bien plus parlantes pour comprendre le parcours d’achat et les intentions des clients et prospects et à des services disponibles sous forme d'APIs comme l'analyse de personnalité, l'étude des réactions de consommateurs sur les réseaux sociaux, la reconnaissance d'images, etc...

Cependant, les coûts d'apprentissage et le temps d'adoption de ces nouvelles technologies peuvent être perçus comme des risques qui freinent leur adoption par certains retailers. Pour être fonctionnelle, une IA doit être « entraînée », c’est-à-dire accéder à une quantité importante d’informations avant de progressivement apporter des résultats.

"Le retour sur investissement peut être très court ou au contraire très long en fonction des cas d'usage, d'où l'importance cruciale du choix des cas à réaliser en cognitive computing", précise Olivier Bérard, tout en se montrant optimiste : "Si auparavant cette technologie était réservée à de grands comptes, elle tend à se démocratiser grâce à l'accompagnement et aux conseils prodigués par les éditeurs de solutions. Nous travaillons le plus souvent en approche business case afin d’identifier précisément les besoins de nos clients et l’aider à intégrer les services de cognitive computing qui seront rentables dans son activité. De ce fait, on assiste à une baisse globale des coûts d’installation et d’entraînement." 

Autres domaines technologiques qui viennent accroître la quantité de données perçues par les retailers : l’Internet des Objets (IoT pour Internet of Things) et la Blockchain.

IoT : capteurs et senseurs sont les alliés des magasins physiques

Avec l’augmentation du nombre d’appareils connectés entre eux et à Internet, les commerçants ont désormais accès à des capteurs leur permettant de vérifier des données estimées ou bien d’accéder à de nouvelles données.

"Ces capteurs peuvent être disposés des chaînes de fabrication aux magasins physiques, en passant par la chaîne d’approvisionnement. L’exploitation de ces nouvelles données peut déverrouiller de nombreuses opportunités en matière d’expérience client. Notamment en les associant au potentiel de traitement du Cogntive Computing" - Olivier Bérard.

La donnée ne connaît plus de frontières avec la Blockchain

La Blockchain, concept beaucoup plus récent, apporte un fort potentiel de simplification en matière d’échange et de traitement des données entre acteurs du retail à travers le monde.

"A l’heure actuelle, les échanges d’informations sont normalisés par des organises assujettis aux lois et cultures des pays qui les hébergent. Ce qui crée des standards différents d’un pays à l’autre et freine les échanges. La Blockchain permet de créer une chaîne d’échanges uniformisés entre toutes les plateformes géographiques."

De ce fait la blockchain pourrait s’imposer comme un allié indéniable des retailers opérant des stratégies de mutualisation des données et leur permettre d’accéder aux sources d’acteurs étrangers sans difficulté. Dans un périmètre géographique local, la Blockchain favorise l’échange de données sécurisé, permettant ainsi aux retailers d’orchestrer les transactions et d’opérer une supply chain réactive et transparente en parfaite symbiose avec leur écosystème étendu : fournisseurs, prestataires logistiques, clients finaux. A la clé : une réduction des coûts et une amélioration de l’efficacité opérationnelle et du niveau de prédiction.

Comprendre la data et accroître sa qualité

Les nouvelles technologies permettent aux marques de percevoir toujours plus de données sur leurs clientèles. Cependant, la complexité de ces données peut très vite rendre leur interprétation difficile, voir impossible, pour les retailers. Se présente alors un nouveau dilemme : doit-on prioriser la quantité de données clients pour identifier de nouvelles opportunités, ou bien la qualité de ces données pour être capable de les exploiter ?

« On a souvent tendance à opposer qualité et quantité de données. Cependant il est indéniable qu’un plus grand volume de données peut aussi permettre de révéler des tendances (plus marginales), d’affiner des algorithmes et ainsi d’assoir sa position stratégique et sa portée. » Précise Jean-Laurent Vidal, Directeur Général de Pitney Bowes Software France. « Il est donc surtout important de mieux gérer les données pour baisser les coûts de traitement et en améliorer le retour sur investissement en les exploitant pleinement. »

Pour Pitney Bowes Software, qui propose à ses partenaires des systèmes de gestion de l’information client, ce dilemme n'a pas lieu d'être. Les véritables enjeux sont de savoir standardiser et agencer les données (éliminer les erreurs, les doublons, etc...) En effet, l'organisation des entreprises conduit le plus souvent à une répartition en silo des données : certaines sont exploitées par les outils de CRM, d'autres par la DMP, d'autres encore par les ERP... Il peut ainsi devenir très compliqué de recouper ces données et d'obtenir une vue d'ensemble ergonomique et exploitable par l'ensemble des collaborateurs.

"Si l’on devait faire une analogie, ce serait comme faire un inventaire en magasin. C'est plus facile lorsque vous pouvez retrouver toutes vos informations dans votre listing plutôt que de passer au crible chaque rayon du magasin."

- Jean-Laurent Vidal

Exemple de standardisation et d'agencement ergonomique de la data, quels que soient les points de contact exploités au cours du parcours client.

 Pitney Bowes Software propose l’adoption d’une interface 360°, au sein de sa plateforme de solutions Spectrum, reposant sur la "vue client unique" et le modèle graphe afin de connecter ces données en silo et modéliser facilement toutes les informations dont le retailer dispose à propos d’un client. Cette ergonomie d'usage permet à termes une plus grande agilité d'exploitation, et même de découvrir de nouvelles manières d'exploiter la data.

Cette méthode est applicable aux systèmes existants et n’impose donc pas de migration technologique complexe.

« Bien trop souvent, les données client sont dispersées dans des silos déconnectés les uns des autres. Au final, le résultat est imprécis et peu fiable, et vous ne disposez pas des renseignements dont vous avez besoin. » Précise Jean-Laurent Vidal, avant d’ajouter : « la vue client unique change la donne. Avec des profils client à jour, plus précis et détaillés, vous obtenez de nouvelles informations qui contribuent à créer une véritable expérience omnicanale. »

Exemple simplifié d'une modélisation graphe des données relatives à un même client

RGPD : la loi vous force à harmoniser vos données

Dès le 25 mai 2018, le Règlement Général sur la Protection des Données (RGPD) entrera en vigueur dans l’Union Européenne. Celui-ci amènera avec lui nombre de lois qui vont complexifier la collecte, le stockage et l’emploi des données clients par les retailers. Comment les commerçants peuvent-ils se préparer au mieux à ce changement radical qui va s'imposer dans leur stratégie data ? Pour Jean-Laurent Vidal, cette préparation doit se réaliser en trois étapes :

• Découvrir : "Systèmes, Plates-formes, Bases de données. Les données d'un client peuvent se trouver à de nombreux endroits au sein de l’organisation. Avec le RGPD, les entreprises doivent être capables d'identifier chaque instance des données personnelles de chaque client de l'UE, quelle que soit leur localisation dans le monde." Ce qui est bien plus aisé lorsque la data est organisée de manière ergonomique comme le propose l’ensemble de solutions Spectrum de Pitney Bowes Software.
• Se préparer : "Le RGPD oblige les enseignes à agir rapidement lorsque leurs clients leur demandent l'accès, la mise à jour ou la suppression de leurs données. Elles doivent également appliquer ces modifications à l'échelle de leur organisation. Nous les aidons à identifier leurs données pour un accès et une mise à jour faciles sur l'ensemble de leurs systèmes et sources de données."
• Agir : "Nous aidons les retailers à atteindre le bon niveau de gouvernance des données. Grâce à la simplicité inspirée des moteurs de recherche ils trouvent rapidement et agissent sur les données dont ils ont besoin. Ils comprennent intégralement la relation qui les lie à chaque client afin de faciliter la mise en conformité (gestion des droits d’accès, rectifications, suppression, minimalisation des données…)"

« La personnalisation n’est plus une option »

Une fois la data client utile acquise par les retailers, il est temps de l’exploiter pour concevoir cette fameuse expérience client.

"Un retailer doit être en mesure de présenter à chaque visiteur une expérience sur mesure, c'est-à-dire cohérente en fonction de son historique et de son parcours cross-device. S'il est déçu par l'expérience qu'il a vécu sur votre site, fort est à parier qu'il n'y reviendra pas. Dans un monde où vos concurrents (et on pense, disons-le, à des monstres comme Amazon) maitrisent cette discipline, la personnalisation n'est plus une option" - Jean-René Boidron, président de Kameleoon, plateforme d’optimisation de l’expérience utilisateur.

Exemple de parcours client, combinant des points de contact physiques et digitaux, que l'expérience doit enrichir.

La première étape pour bâtir une expérience personnalisée réside dans la construction d'une stratégie de segmentation : l’activation et l’analyse en temps réel de la data permet d’améliorer la compréhension du consommateur et de son parcours d’achat. En conséquence de quoi il devient possible d’affiner les segments cibles de toute stratégie marketing. L'intelligence artificielle (par l'intermédiaire des algorithmes de machine learning) joue désormais un rôle important dans ce travail d'identification et d'exploitation des segments, comme en témoigne Kameleoon qui a mis au point son propre algorithme de machine learning :

"Il s'agit d'un algorithme qui permet de faire du ciblage prédictif en brassant une quantité très importante de données 24h/24 et 7j/7. Elle est en cela supérieure à l'humain qu'elle permet de repérer des micro-signaux et d'établir des corrélations entre eux pour faire des prédictions dont le cerveau humain est incapable. Ainsi, l’algorithme est en mesure de déterminer dès les premières secondes d'une visite si un visiteur est particulier ou professionnel, vendeur ou acheteur, ou encore quelles sont ses probabilités de convertir à un instant T."

Les bénéfices à la clé ? L’automatisation de l'identification des segments cibles, et ce, à des niveaux de précision inégalables autrement. Surtout, la vitesse de traitement de l’IA lui permet d’anticiper sur les actions d’un consommateur potentiel, afin de déterminer son appétence à une offre et permettre à l’annonceur de lui adresser des messages personnalisés en adéquation avec ses intentions. La personnalisation de la CX commence. Campagnes d’emailings, mise en page des sites Internet et mobiles, … la data client permet au marketer disposant d’outils CRM et/ou DMP exploitant ces données d’influencer nombre de points de contacts et de fonctionnalités qui composent le parcours d’achat.

Toyota exploite l'IA prédictive pour pousser des offres d’essai de véhicules aux visiteurs ayant le plus haut score d’appétence avec la marque.

"L'algorithme est nourri des critères de segmentation définis par les équipes marketing de Toyota, et parvient, en quelques semaines à identifier précisément qui sont les visiteurs qui ont de forte chance de convertir, puis à leur pousser une offre d'essai de véhicule personnalisée. Ainsi l'algorithme génère deux fois plus de leads qualifiées que ce qui était auparavant fait manuellement.", vante Jean-René Boidron.

Pour plus d'informations sur les solutions et stratégies de personnalisation de l'expérience client, rendez-vous au HUBDAY Future of Retail & E-commerce le 31 janvier 2018.