Il fournit au Marketing des données essentielles aux campagnes. Avant, on créait un produit, puis on allait vers les clients. Aujourd’hui, on va d’abord vers le client, on le sonde, puis on crée le produit ou service dont il a besoin. On parle de l’approche Customer centric. Le marketing moderne place le consommateur au centre des préoccupations.
Le Big Data appliqué au marketing offre désormais bien plus de possibilités qu’une bonne expérience. Découvrez trois (3) cas d’usage du Big Data où l’analyse marketing prédictive pourrait influencer votre stratégie globale.
Cas d’usage Big Data 1 – Amazon : Automatiser la logistique pour personnaliser le service
Si votre entreprise comprend une branche retail, celle-ci peut s’insérer beaucoup mieux dans votre stratégie marketing, grâce au Big Data et le machine learning…
L’approche consiste en effet à proposer une expérience de livraison ultra-personnalisée, avec des prévisions logistiques qui intègrent dans leurs calculs les événements extérieurs. Soit les données de circulation en direct, les données météorologiques, les données géographiques liées à votre client ou des informations sur ses capacités de mobilité (âge, profession, isolement géographique ou présence de commerces à proximité autorisant le dépôt de colis…).
Vous pouvez encore ajouter un facteur de maintenance prédictive (pannes ou défaillances possibles sur la chaîne de livraison pour optimiser le service.
Lire ici notre article sur les cas d’usage Big data en matière de maintenance
Il s’agit donc de choyer le client à l’extrême, en imaginant par exemple une livraison exceptionnelle à domicile par temps de pluie et à l’heure des travaux sur la voie publique.
- Anticiper les expéditions
Amazon utilise les mégadonnées pour prédire les produits que vous envisagez d’acheter, la date et lieu où vous pourriez en avoir besoin. En fonction de la prédiction, les articles sont envoyés dans un entrepôt et n’attendent que vous les commandiez. Conséquence: augmenter ses ventes en réduisant le délai de livraison et ses dépenses.
Accéder au replay du meet-up sur le green IT
Cas d’usage big data 2 – Netflix : Optimiser le parcours utilisateur pour booster la production de contenu
Plus l’expérience utilisateur est confortable et intuitive, plus vos clients vous donnent des données. C’est le postulat de Netflix qui maintient ses utilisateurs attentifs et connectés, tout en tirant de leur usage un enseignement productif.
- Fidéliser les utilisateurs
La plateforme de streaming a réussi à fidéliser sa communauté en créant un véritable esprit d’appartenance. La diffusion simultanée et intégrale de ses contenus dès le premier jour de sortie a rendu actifs ses consommateurs. En effet, les spectateurs peuvent choisir quand regarder leur série, ils peuvent regarder tous les épisodes en un temps restreint.
La fidélisation des utilisateurs a même amené Netflix à capitaliser sur la « Fear of Missing Out », c’est-à-dire avoir l’impression de ne pas être à la mode lorsqu’on n’a pas vu un programme. D’où l’engagement de l’audience autour d’un contenu.
Netflix génère à la fois une habitude d’usage pour ses consommateurs et une source d’inspiration pour ses futures productions. L’entreprise s’appuie sur une collecte de données telles que le type de programmes suivis par un utilisateur, le moment auquel il le met en pause, le support choisi pour le visionnage, les extraits vidéos les plus reproduits, etc., pour prédire les contenus qui fonctionneront par la suite.
Autrement dit, il s’agit de proposer en direct le bon contenu à son utilisateur, et de préparer en même temps sa campagne d’acquisition de catalogue (achat de contenu et production).
- Créer automatiquement les contenus personnalisés
En raison de la multitude des formats digitaux et des paramètres de création, les méthodes classiques de pré-test et de post-test ne suffisent plus. D’où l’intervention de l’IA : elle aide dans un premier temps les marques à connaitre continuellement leurs audiences et dans un second temps, elle permet d’ajuster habilement les blocs créatifs (format, image et texte des communications) en fonction des KPI.
Grâce à l’IA, on peut détecter à travers les comportements de navigation les appétences des consommateurs, et adapter automatiquement les blocs d’une création à chaque utilisateur. Cette technique est appelée DCO (Dynamic Créative Optimization).
- Faire de la publicité ciblée
Le 1er novembre, Netflix lancera des offres d’abonnement avec publicité. Afin d’éviter d’envahir ses utilisateurs, la maitrise parfaite de la Data permettra à Netflix de faire de la publicité ciblée. De même que la plateforme personnalise ses contenus, elle aura également la possibilité de cibler les contenus dans lesquels elle pourrait introduire de la pub. Les annonces pourraient par exemple être absentes des fictions originales les plus récentes et des programmes dédiés aux enfants. Le géant du streaming pourrait aussi se réserver le droit d’ajouter de la publicité à ses films et séries exclusives plusieurs jours.
Cas d’usage big data 3 – Uber : Le marketing prédictif et évolutif avec l’IA
- Prédire la demande
Tout marketeur aimerait prédire l’avenir, en particulier le comportement de ses clients, leurs attentes, leur désir d’achat, etc. Cela devient possible grâce au Big Data et à l’évolution de l’intelligence artificielle.
Uber dispose d’une énorme base de données de conducteurs. La société stocke et analyse des données sur chaque trajet effectué par les utilisateurs. Celles-ci sont sont exploitées pour prédire la demande de voitures, fixer les tarifs et allouer des ressources suffisantes. Au moment où un utilisateur demande une voiture, leurs algorithmes correspondent à un utilisateur avec le conducteur le plus approprié dans une fenêtre de 15 secondes jusqu’au conducteur le plus proche. L’équipe de science des données d’Uber effectue également une analyse approfondie des réseaux de transports publics dans différentes villes afin qu’elle puisse se concentrer sur les villes où les transports sont médiocres et tirer le meilleur parti des données pour améliorer l’expérience du service client.
