Du marketing traditionnel au marketing prédictif, il n'y a pas qu'un seul pas…

En jouant avec la data, les entreprises peuvent prédire le comportement de leurs clients et mettre en place une stratégie d'hyper personnalisation.

L’intérêt du marketing prédictif et de l’hyper personnalisation en marketing ne fait plus débat, il suffit de comparer les taux d’ouverture et d’engagement entre un mail diffusé sans distinction entre les cibles et un mail personnalisé pour s’en apercevoir. Fin 2021, une étude* McKinsey le confirmait : 71 % des consommateurs s’attendent à la personnalisation des communications qu’ils reçoivent de la part des marques et 76 % sont déçus lorsque celle-ci est absente. Pas si étonnant que cela, le passage du “one to many” au “one to few” est prôné depuis plus d’une dizaine d’années !

Hyper personnalisation, hyper conversion

En jouant avec la data, les entreprises peuvent prédire le comportement de leurs clients et mettre en place une stratégie d’hyper personnalisation. Le “one to few” voire “one to you” individualise les actions de promotion et de communication en fonction du comportement et des attentes du client en s’appuyant sur des données quantitatives telles que les tickets d’achats, les fréquences d’achats, les réactions aux sollicitations mails et les données de navigation pour nourrir les analyses prédictives. Toutes ces appétences permettent d’établir un scoring et de segmenter les clients en fonction de leurs préférences pour :

ajuster le discours
leur recommander des produits selon leurs interactions
les retargeter par le biais de publicités adaptées

En somme, la promesse de viser juste en leur adressant une offre unique et sur-mesure, en anticipant leurs besoins. La segmentation prédictive des comportements d’achats permet d’identifier les parcours des meilleurs clients qui peuvent représenter une part significative du CA. Dans le retail par exemple, 20% des meilleurs clients peuvent générer 50% du CA et 50% des meilleurs clients jusqu’à 80% du CA. La conversion de nouveaux clients en meilleurs clients est donc un levier tactique de croissance grâce à la mise en place d’un “plan Welcome” et “nursing” pour générer de la conversion.

Maintien des liens

Les analyses prédictives sont aussi l’occasion de prédire le churn, ce moment critique où le client se désengage, devient inactif et risque de partir chez un concurrent. En identifiant les individus en décrochage, on peut attribuer des scores, et l'éviter en activant uniquement les clients à plus fort risque. 70 % des décrocheurs peuvent être identifiés et faire l’objet d’un dispositif anti-churn :

un message fort pour maintenir l’engagement avec la marque sur les 15% les plus à risques
une action plus légère, grâce à un renfort des newsletters sur les 35 % suivants
maintien du plan newsletter standard pour les 50 % les moins à risque

Les résultats d’un tel dispositif anti-churn offrent en général 16% de taux de retour dès la première semaine. Le churn est un paramètre d’autant plus prégnant que la volatilité est plus que jamais d’actualité et les exigences sans cesse renouvelées. Le sondage réalisé par McKinsey montre qu’avec la pandémie, les trois quarts des consommateurs se sont rendus dans un nouveau magasin, ont acheté un nouveau produit ou adopté une autre méthode d'achat.

Un objectif loin d’être atteint

Mais plus de dix ans après l’émergence d'un idéal de marketing prédictif hyper personnalisé, sa généralisation est loin d’être une réalité. Les technologies avancées de traitement de la donnée comme le machine learning et l’intelligence artificielle représentent encore un investissement en temps et financier que beaucoup d’entreprises ne sont pas prêtes à porter. Parmi elles, les réseaux de revendeurs ou distributeurs spécialisés qui n’ont au final qu’une relation indirecte ou à l’aveugle avec le consommateur et ont bien du mal à alimenter une base de données fiable pour bâtir une vraie stratégie relationnelle.

C’est pourtant toute l’expérience client et le business qui en découle qui est en jeu. Dans un environnement concurrentiel rude entre les marques, mettre les moyens pour fidéliser les clients est clé. Les conclusions de la même étude de McKinsey le corroborent : 76 % des consommateurs sont plus enclins à acheter, 78 % à acheter de nouveau et une même proportion à émettre une recommandation positive, si les messages sont personnalisés. De ce fait, les marques qui excellent dans la personnalisation génèrent 40 % de revenus supplémentaires que les acteurs qui s’en soucient moins. D’où la nécessité de transformer le plomb que sont les données brutes en or, à savoir des datas hyper qualifiées.

*McKinsey, Next in Personalization Report 2021