Depuis quelques années, nous entendons parler de big data et splinternet comme de deux phénomènes majeurs du digital marketing. Que cela signifie-t-il concrètement pour les e-marchands et quelles solutions ont-ils pour y faire face ?
D’abord les constats
1/ Avec un peu plus de 2 % de taux de conversion (versus 55 % en distribution physique), la bataille de la rentabilité du e-commerce se joue clairement sur le terrain de l’optimisation de l’efficacité commerciale des sites marchands et de leur capacité à mieux connaître leurs visiteurs et interagir de manière efficiente avec eux… pendant qu’ils naviguent sur leurs sites.
2/ Le nombre de données que doivent traiter les entreprises double tous les 18 mois. Leur capacité à le faire n’augmente que de 3 % dans le même laps de temps. Or le marketing prédictif classique présente un inconvénient majeur : il est surconsommateur d’infrastructures et de ressources de captation-stockage-traitement-analyse de données.
3/ Le rebond et la décision d’achat se jouant en quelques secondes, le caractère opérationnel des techniques prédictives et/ou réactives traditionnelles est sousqualifié. Elles nécessitent des modélisations complexes, lourdes à concevoir et à gérer.
Pour répondre de manière satisfaisante à ces enjeux de big data, il est nécessaire de passer d’une logique de modèles, établis sur des comportements passés, à une logique d’extraction de sens en temps réel à partir de données non structurées. Ainsi les modèles prédictifs devraient céder la place à des moteurs de psychologie artificielle qui permettent de délivrer immédiatement un sens commercialement exploitable.
Passer au marketing temps réel…
Les enjeux économiques sont énormes : il ne s’agit ni plus ni moins, vu du côté e-marchand que de rentabiliser les 98 % d’internautes qui quittent son site sans avoir réalisé un achat et donc les investissements très importants qu’il consent pour générer du trafic sur son site.
Vu du côté de l’internaute, il s’agit de rendre sa visite plus satisfaisante en lui offrant un site « intelligent » qui saura comprendre ses vraies attentes, prendre immédiatement en compte les évolutions de celles-ci et le guider vers leur satisfaction.
Cela passe essentiellement par la capacité à « identifier - comprendre- décider – interagir - évoluer » pendant que l’internaute est en situation de demande, c’est-à-dire tant qu’il est connecté sur le site.
Il faut pour cela :
i) identifier la situation qui conditionne ses comportements futurs,
ii) de cette situation, induire quelles sont ses attentes probables,
iii) décider en temps réel du meilleur input commercial à lui délivrer,
iv) le délivrer,
v) prendre en compte sa réaction pour adapter le prochain input.
Et tout cela, en temps réel, pendant sa navigation.
C’est cela qu’apporte l’analyse situationnelle inductive. Cette nouvelle technologie Big Data Insight travaille :
a) sur des données non stockées – non structurées
b) sans modélisation a priori de l’interaction. Et donc sans maintenance de modèles.
L’analyse situationnelle inductive permet de réduire de manière radicale les coûts de traitement d’une relation one to one tout en augmentant sa pertinence.
Un vrai changement de paradigme…
un datamining omniprésent, la segmentation ne semble pas pouvoir atteindre ce Graal nommé « one to one ». Et en tout état de cause, nous ne savons pas définir et mettre en œuvre des scénarios d’actions tout à la fois pérennes et adaptés à chaque individu.
La chasse aux critères conduit à augmenter sans cesse le nombre d’attributs et leurs valeurs possibles, dans une recherche d’exhaustivité et donc à multiplier les colonnes des tableaux, réduisant d’autant leur maniabilité. Sans oublier que ces techniques ont été mises au point pour travailler la fidélisation (client) et non la conversion (visiteur). Entre un client et un visiteur, chacun peut saisir les quelques nuances qui fondent leur différence… L’une d’entre elles et non la moindre est que si un client est identifié, le visiteur d’un site est, lui, anonyme.
Si le marketing traditionnel voit le client et le prospect comme une collection vectorisée d’attributs, l’analyse situationnelle, elle, part du principe qu’ils sont avant tout des êtres humains, et qu’à ce titre leur comportement est induit par la situation qu’ils vivent.
Nul n’est besoin de creuser et fouiller, il faut observer et anticiper. Un bon vendeur dans un magasin va rassembler des indices sans a priori, identifier la situation grâce à des marqueurs habituels, comprendre les raisonnements de l’acteur, anticiper ses réactions, appliquer une stratégie adaptée et gagnante.
Ce qui différencie un client d’un autre est infiniment plus important que ce qui les rapproche. La singularité est source d’inspiration pour le vendeur attentif qui saura personnaliser son discours.
Autrement dit : rien ne sert de disséquer des milliers d’individus pour savoir quelles sont les attentes d’un individu. Mieux vaut l’observer, lui.
L’analyse situationnelle privilégie la célérité et l’instantanéité
Là où l’on nous a dit qu’il faut analyser a posteriori les attentes des clients pour adapter des scénarios préétablis, l’analyse situationnelle, et sa volonté très opérationnelle nous commandent de faire l’inverse. Cela est d’autant plus pertinent sur le web que la fugacité des visites et l’instantanéité des comportements imposent d’agir en temps réel.
De l’observation des situations émergent de nouveaux phénomènes issus des changements dans les attentes des internautes, de l’influence des environnements média ou du mimétisme social. En s’adaptant dans l’instant, le marketing situationnel développe sa puissance et son agilité au service de l’entreprise. Il opère avec harmonie au cœur des situations des clients, là où l’action issue d’une modélisation préconçue peut se révéler contre-productive, voire intrusive, n’intervenant plus quand l’internaute est en situation d’attente ou de demande.
À consommateur « plastique », c’est-à-dire fugace et multiforme, il faudra des outils agiles assis sur des capacités d’analyse-interaction-correction temps réel plus que sur des potentiels d’analyse statistique « après coup ». La célérité devient plus importante que l’exhaustivité.
Le trop grand nombre de données à « collecter – gérer – exploiter » (big data) ainsi que la fragmentation et la fugacité des comportements d’achats condamneront, sur le plan opérationnel - qui désormais se réduit à l’immédiat - les outils déductifs et statistiques classiques du simple marketing comportemental.