Retailers : définissez une stratégie Big Data ou mourrez…

Les retailers doivent mettre en place une stratégie Big Data pour gérer et tirer profit des objets connectés. Ne pas amorcer cette transformation digitale, c'est mettre son Business en danger...


En 2020, la planète comptera plus de 30 milliards d’objets connectés. Ce n’est pas une évolution qui est en marche, mais une véritable révolution. Les retailers ne peuvent pas se permettre de passer à côté. Les entreprises ne peuvent pas éviter de ce virage technologique. Elles doivent entièrement repenser leur modèle pour pouvoir intégrer ces objets connectés, et notamment, pour gérer et tirer profit des données qu’ils génèrent. La donnée doit désormais être au centre de la stratégie de l’entreprise. Le secteur du retail n’est pas en reste : c’est simple, les entreprises qui ne définiront pas une stratégie Big Data verront leurs clients aller à la concurrence qui, elle, aura su amorcer cette transformation digitale. En effet, opter pour une stratégie Big Data c’est améliorer la satisfaction client, et un client satisfait est un client fidèle, qui multiplie ses achats…
La même UX en magasin physique qu’en ligne
Les clients des retailers ont déjà amorcé leur propre transformation digitale depuis un certain temps maintenant. Les sites e-commerçants sont familiers au plus grand nombre d’entre-nous à tel point que les achats en ligne font partie de notre quotidien, au même titre que d’aller faire ses courses dans un supermarché. Switcher de la sphère physique à la sphère numérique n’est plus un problème pour la plupart. Le client est roi, et que veut le client ? Pour une même marque, il souhaite vivre la même expérience client, que ça soit en magasin, ou sur le site e-marchand. C’est-à-dire que le client veut pouvoir utiliser la même carte de fidélité, retrouver les mêmes produits, les mêmes promotions, etc. 
A priori, ce n’est pas tâche facile. Sur le web, il est possible de proposer des suggestions d’achat, avec ou non des promotions, en fonction du panier du consommateur, par exemple. Alors qu’en magasin, les offres possibles seront des coupons réduction, des bons d’achat, ou des points supplémentaires sur la carte de fidélité, mais qui ne ciblent pas un produit en particulier.
De ce constat, comment faire pour que l’expérience client soit la même dans les deux environnements ? La clé, c’est « la connaissance client ». Il faut en effet connaître par cœur son client : ses habitudes de consommation, sa sensibilité à telle ou telle offre ou promotion, savoir quand il est dans le magasin ou connecté… et ce, dans les deux environnements. C’est là qu’intervient la stratégie Big Data et les outils informatiques qui en découlent. Il va être possible de gérer, et d’analyser les données clients pour ensuite en tirer profit grâce à un outil informatique spécifique : une plateforme de machine learning et d’analytics. Pour commencer, le retailer doit unifier ses bases de données clients « magasin physique » et « e-magasin » en une seule et même base de données. Ensuite, il faut unifier la connaissance client, c’est-à-dire que, pour chaque client, il faut associer les données issues de la carte de fidélité, avec l’historique de navigation, les préférences d’achats, etc. Il ne doit plus y avoir de données sur un client physique d’un côté, et d’un autre, des données sur un e-client, alors qu’au final, c’est le même consommateur.
Un client reconnu, un client fidèle
En unifiant ces données, il sera possible de proposer au client la même expérience utilisateur dans les deux environnements grâce à des offres hybrides. Le smartphone va être notamment un des outils à privilégier. Le client recevra ainsi des promotions personnalisées par exemple, qui seront transverses aux deux canaux. Ainsi, le client bénéficiera d’une meilleure expérience d’achat et il n’y aura pas de perte du suivi client. Ou encore, le retailer pourra réaliser des campagnes d’e-mailings de meilleure qualité car ultra ciblées. De ce fait, la fréquence pourra être réduite au profit d’une augmentation du taux de clics. Le client « attendra » volontiers la newsletter hebdomadaire par exemple, et ne la considérera pas comme spam. Également, le fait de savoir quand un client s’est connecté sur le site e-marchand, et s’il a hésité à acheter un article, permet par la suite de réaliser de la publicité ciblée, ou de faire un envoi d’e-mail avec le produit en question pour l’inciter à l’achat. Mais aussi, en magasin physique, il sera possible de suivre le parcours du client, grâce au smartphone toujours, ou aux puces RFID présentes sur les produits qui permettent de tracer le panier, et de lui faire des offres personnalisées par mail ensuite. Au final, le client se sentira reconnu peu importe l’environnement, ce qui créera un sentiment d’attachement à la marque, et il multipliera ses achats.
Trouver les produits convoités sur tous les canaux

Pour satisfaire toujours plus le client, les données clients ne sont pas les seules données à exploiter. Connaître par cœur son client, c’est bien, mais il faut aussi que le produit, que le retailer sait « préféré », puisse également être en rayon, ou en stock disponible sur le site web. En analysant les données issues des stocks, il est possible de mettre en place une gestion des stocks en temps réel. Dans un magasin traditionnel, le stock est évalué informatiquement à la fin de la journée, et les commandes passées ensuite n’arrivent que le surlendemain. Grâce à la plateforme de machine learning et d’analytics (introduite plus haut), il est possible de connaître l’état des stocks en temps réel, et de déclencher les commandes immédiatement en cas de besoin, pour recevoir les produits dès le lendemain et non plus au surlendemain. Il est aussi possible d’affiner la gestion des stocks en prenant en compte d’autres facteurs comme la météo, la démographie, un événement, etc. Ainsi, par exemple, si le vendredi les parasols viennent à manquer, mais que de la pluie est prévu le week-end qui suit, pas la peine de refaire les stocks de suite. Il faut savoir que, sans stratégie Big Data, un Retailer peut avoir une marge d’erreur de 40% en termes d’estimation de vente. Ce qui est énorme. Un produit non vendu est un produit qui coûte cher (coût de stockage, etc.), et à l’inverse, un rayon vide, c’est une perte sèche.

Un haut niveau de cybersécurité

Au même titre que le service de sécurité est nécessaire dans un magasin physique, il faut également un haut niveau de cybersécurité sur le site e-commerçant. Le client qui confie ses données personnelles et notamment celles de sa carte bancaire s’attend à ce que le retailer puisse en assurer la protection, pour éviter toute fraude. Une véritable relation de confiance s’établit entre la marque et le consommateur, et il ne s’agit pas de l’ébranler. Grâce à la plateforme de machine learning et d’analytics, il est possible de détecter un nombre trop important de connexions sur un compte client, et cela déclenchera une alerte. Un autre critère peut être envisagé pour identifier des fraudes : la connaissance du panier moyen. En effet, si on sait que tel client à l’habitude d’acheter pour X euros de produits en moyenne, une alerte pourra être créée si ce montant augmente de manière trop importante. Ainsi, le client se sentira en confiance.

Le Retailer doit bien intégrer que mettre la donnée au centre de tout, c’est miser sur l’avenir. Gérer et analyser les données clients, c’est pouvoir en tirer profit. Comment cela se traduit-il ? Par l’amélioration de la connaissance client, pour satisfaire toujours plus ce dernier. Des clients satisfaits sont des clients qui vont créer un attachement à une marque, et ne vont pas hésiter à réaliser des achats. Naturellement les consommateurs vont diriger leurs achats vers la marque qui leur donnera le plus de satisfaction, au détriment des autres marques. Un retailer qui n’a pas développé une stratégie Big Data ne pourra jamais connaître ses clients aussi bien que si c’était le cas, et verra son business diminuer. Le départ c’est la donnée, et la finalité c’est l’augmentation du chiffre d’affaires.

Retail

Annonces Google