Données temps réel et modélisation des profils acheteurs : le futur de l’IA dans le marketing programmatique
L'IA permet aux marketeurs de créer une modélisation du profil des acheteurs qui transforme la façon dont les marques agissent sur le marché, et qui change la manière dont les internautes consomment le contenu lié aux produits.
Nous assistons incontestablement à l’essor de l’intelligence artificielle (IA), dont de nouveaux avantages sont découverts chaque jour et dont la valeur peut se mesurer par une grande diversité de mécanismes. L’IA nous permet de faire toutes les choses pour lesquelles les personnes sont déjà douées mais, sans doute, plus efficacement.
On pourrait parler des heures de la valeur de l’IA et des bénéfices qui en découlent pour les organisations d’un grand nombre de secteurs. La sphère dirigeante dans le monde des affaires s’attend à ce que l’IA contribue à une augmentation moyenne des revenus de 39% d’ici 2020. Parallèlement, seuls 11% des marketeurs sont considérés comme des experts de l’IA. Outre la difficulté d’en comprendre le fonctionnement, un autre obstacle majeur empêche la plupart des marketeurs de profiter pleinement des avantages de l’IA : l’utilisation optimale de leurs données. La data science est le moteur qui alimente l’IA, et tous ses bénéfices sont liés à la condition de mettre en place une stratégie robuste en matière de données.
L’association des données en temps réel et de l’IA peut donner lieu à un outil puissant ouvrant de nombreuses possibilités : de l’amélioration de l’expérience client à l’augmentation de l’efficacité budgétaire en passant par l’optimisation des campagnes globales et la croissance des revenus. Ensemble, elles permettent aux marketeurs d’atteindre, d’influencer et de convertir les clients beaucoup plus rapidement. La mise en place d’une stratégie de gestion des données robuste permet aux marketeurs de personnaliser leur logique en matière d’IA afin d’identifier précisément les consommateurs prêts à acheter. Le trafic en ligne sur votre site peut se diviser en trois catégories : les robots, les internautes qui n’achètent pas (les curieux) et les consommateurs qui achètent. Avec une stratégie sur les données appropriées, les marketeurs peuvent utiliser l’IA pour établir des modèles permettant de distinguer ces groupes et prédire quels sont les produits les plus pertinents pour eux. C’est ce qu’on appelle la modélisation du profil des acheteurs ; et non seulement elle transforme la façon dont les marques agissent sur le marché, mais elle change également la manière dont les internautes consomment le contenu lié aux produits.
La modélisation du profil des acheteurs est bénéfique pour les consommateurs car elle les aide à gérer l’offre démesurée de produits en ligne. Par exemple, si un consommateur recherche des équipements de sport en plein air, la modélisation des données peut utiliser des corrélations déjà établies entre des produits au sein de cette catégorie pour créer et proposer des offres commerciales plus pertinentes. Si le modèle établi indique que le prochain achat de ce consommateur correspondra étroitement à un type de produit particulier basé sur des produits achetés antérieurement, cette déduction devrait être exploitée par les systèmes de recommandation sur le site ainsi que par l’expérience publicitaire hors du site. Ces modèles peuvent également être bénéfiques en termes de découverte, en aidant les clients à trouver des produits complémentaires fortuits dont ils ne connaissaient pas forcément l’existence. Alors qu’on a anticipé que le mobile serait la source dominante de dépenses e-commerce d’ici 2021, la pertinence et la recommandation sont plus importantes que jamais. En effet, la taille d’écran réduite et les notifications intempestives ont tendance à distraire les consommateurs, et les marques devront créer une expérience d’achat à valeur ajoutée pour se démarquer et attirer l’attention des consommateurs.
Dans le domaine de la publicité, on associe communément l’IA au display, qui puise ses origines dans la technologie programmatique. Mais il existe également la possibilité d’introduire l’automatisation basée sur l’IA dans le marketing d’affiliation traditionnel. Les moteurs d’IA peuvent faire des recommandations stratégiques sur des partenaires affiliés qui auront un impact maximal sur la réalisation d’un objectif commercial donné, par exemple la promotion d’un produit à forte marge ou l’acquisition de clients qui n’ont pas encore été convertis. De même, les commissions peuvent être attribuées de façon dynamique en fonction de l’atteinte des objectifs plutôt que sur la base de paramètres marketing arbitraires. Les annonceurs pourraient également utiliser l’IA pour optimiser leurs offres et proposer un code promotionnel pertinent à un consommateur en se basant sur son comportement en ligne et sur sa tendance démontrée à répondre aux réductions, aux promotions ou aux offres.
Les principaux avantages de l’IA sont parfaitement résumés dans le Rapport des services analytiques de la Harvard Business Review qui a été commandé par Rakuten Marketing. Il explique que le machine learning, qui est une fonction de base de l’IA, "représente une avancée monumentale pour aider les marketeurs à placer les clients au cœur de leurs stratégies publicitaires. À chaque clic, mention ‘j’aime’, vue, recherche et achat – représentés par des milliards de points de données – les clients montrent précisément aux marques ce qu’ils veulent à un moment donné. Les outils fonctionnant avec l’IA permettent aux marketeurs de mieux entendre et mieux répondre à ces désirs, et ce d’une façon beaucoup plus efficace."
La complexité du marketing réside dans l’acquisition et l’activation de données pour alimenter l’IA. La plupart des données nécessaires sont bloquées dans les systèmes CRM des marketeurs, obligeant ces derniers à dépendre excessivement des fournisseurs de données tiers dans le domaine du marketing. Avec la mise en vigueur de nouvelles lois sur la protection de la vie privée, à l’image du Règlement général européen sur la protection des données (RGPD) et du California Consumer Privacy Act (CCPA), l’apparition d’outils tels que l’ITP d’Apple (Intelligent Tracking Prevention) et les bloqueurs de publicité de manière générale, la mise en place d’une stratégie de gestion des données solide n’a jamais été aussi difficile, mais elle est également plus importante que jamais. Alors que les consommateurs continuent de modifier leur comportement d’achat en ligne et de privilégier les appareils mobiles, ils demandent des expériences de marketing très pertinentes et cohérentes. En effet, des études des consommateurs menées par la Harvard Business Review et par Accenture montrent que sur le marché américain seulement, des entreprises enregistrent une perte de revenus de mille milliards de dollars face à leurs concurrents à cause de leur manque de pertinence.
L’utilisation des données internes est extrêmement variée selon les entreprises. Soit leur stratégie sur les données n’a pas été suffisamment élaborée ou automatisée pour permettre l’IA, soit elles ont passé ce stade et sont prêtes à investir, ou soit elles ont déjà largement expérimenté dans ce domaine. Les commerçants les plus avancés ont déjà mis en œuvre l’IA, suite à quoi chaque expérience publicitaire sur le site et hors du site est alimentée par un outil commun de machine learning. Cette dernière mène également des expériences parallèles et fournit une boucle de rétroaction sur le signal le plus précieux – un achat par un consommateur.
En parvenant à adopter une stratégie efficace de gestion des données, les marketeurs peuvent commencer à perfectionner leur modélisation des acheteurs grâce aux données en temps réel et à l’IA. Au lieu de perdre du temps sur des tactiques manuelles prédéfinies et sur de petites expériences, ils peuvent mener des expériences cross-canal et examiner une combinaison d’audiences et de messages pour rééquilibrer en permanence leur performance. Plus important encore, le marketeur peut investir du temps et des ressources dans le développement de stratégies de produits.
D’après une enquête de consommation menée par Rakuten Marketing, 82% des consommateurs pensent que la publicité en ligne est trop intempestive, mais 70% reconnaissent que les publicités peuvent améliorer l’expérience d’achat lorsqu’elles leur font découvrir plus d’options et de meilleures offres. Ainsi, même sans comprendre pleinement le concept d’IA, ils semblent en apprécier certains résultats finaux. Tous les marketeurs ont besoin d’une stratégie associant les données et l’IA en vue d’améliorer la pertinence du marketing pour les consommateurs et réduire les occasions perdues et les campagnes publicitaires infructueuses. L’utilisation stratégique des données et de l’IA pour créer l’expérience publicitaire positive que recherchent les acheteurs est primordiale, en particulier à une époque où les consommateurs ont de plus en plus de contrôle sur leurs expériences publicitaires.