Le machine learning : une réalité incontournable pour les marketeurs
Le machine learning est mal compris par certains marketeurs, qui confondent cette notion avec celle de l’IA dépeinte dans les films. Il s’agit de couper court aux rumeurs : non, les robots ne remplacent pas les hommes !
Le machine learning est une technologie décrivant un processus d’automatisation des tâches, possible grâce à un système d’intelligence artificielle capable d’apprendre de lui-même. Pour les spécialistes du marketing, le machine learning représente une réelle opportunité notamment en matière d’optimisation de l’expérience client mais aussi et surtout en terme de productivité dans un écosystème toujours plus concurrentiel. Il est évident que le machine learning révolutionne le marketing et offre aux entreprises un nouveau levier de compétitivité et de performance et plus particulièrement dans le domaine sur search marketing.
Machine learning et Google Shopping : un couple idéal?
Le Search engine marketing (SEM) est l’un des secteurs du marketing le plus prometteur et incontournable. Celui-ci représente aujourd’hui un marché de 1,8 milliard d’euros en France, soit autant que la radio ou l’affichage réunis. Ainsi, plus de six e-commerçants français sur dix déclarent que leurs investissements SEM sont appelés à augmenter en 2017, et près d’un quart annoncent des hausses supérieures à 25 %. Un outil en particulier a réussi le tour de force de devenir indispensable aux marketeurs en moins de deux ans : les Product listing ads (PLA). Celui-ci affiche les produits sous forme d’images au milieu de résultats de recherche, permettant aux acheteurs en ligne de découvrir plus directement les produits, leurs caractéristiques et leur prix, et donc de les comparer plus facilement. Enfin, 98% des e-commerçants investissant dans le PLA, le font sur Google Shopping.
Néanmoins, avec les PLA de Google Shopping, il est très ardu d’optimiser les campagnes pour maximiser le ROI de ses campagnes sans faire l’impasse sur le reach. Pour arriver à un résultat parfaitement optimal, le machine learning est une solution idéale qui évite au marketeur d’allouer des ressources à une optimisation manuelle souvent extrêmement chronophage en plus d’être coûteuse et hasardeuse.
En effet, le machine learning permet de modéliser la complexité des campagnes et prédire leurs résultats grâce à l’analyse des données. Il sait identifier les facteurs de performance et leurs interactions afin de les optimiser. Sa capacité unique à appréhender et manipuler de multiples dimensions augmente sensiblement l’efficacité des campagnes sur Google Shopping. D’autre part, combiné à l’automatisation, il réduit drastiquement le nombre d’interventions nécessaires à l’optimisation des campagnes en agissant de façon continue.
Cela permet donc aux équipes d’éviter les actions prenantes et de se consacrer aux tâches à plus forte valeur ajoutée. Il devient possible d’appréhender les données sur un vaste nombre de dimensions, bien mieux que n’importe quel être humain. En effet, le système identifie automatiquement, au sein des campagnes Google Shopping, les paramètres et combinaisons les plus pertinents, devenant ainsi un levier efficace permettant de maximiser le ROI.
En apprenant sans cesse des données observées pour améliorer ses résultats, le machine learning offre une garantie d’optimisation rapide et importante de tous les indicateurs de performance sur Google Shopping, à savoir le ROI et le Reach. Enfin, les phases exploratoires d’optimisation sont littéralement éliminées. Néanmoins, pour mettre en place une telle technologie, deux commandements s’imposent :
1- Posséder
une large base de données
Pour utiliser efficacement la technologie du machine learning et pouvoir optimiser les campagnes Google Shopping, il est nécessaire d’être dans une entreprise pouvant extraire un gros volume de données afin d’alimenter l’outil en informations comme des catalogues produits de plusieurs dizaines de milliers de références et des data conséquentes sur le parcours d’achat des clients et visiteurs. Ainsi, leurs données sont assez importantes pour offrir une vraie connaissance des consommateurs et arriver à une approche plus granulaire. Pour les entreprises ne collectant que très peu de données, s’équiper avec cette technologie ne serait pas pertinent ou rentable. Enfin, certains secteurs d’activités sont plus réceptifs au machine learning car les données recueillies sont plus fréquentes que pour d’autres secteurs. Le secteur de la mode, dont les sites web sont visités quotidiennement par les mêmes personnes, a plus intérêt à se munir du machine learning qu’un site internet automobile, qui voit plusieurs visites par jour mais de clients différents et sur des parcours d’achat plus longs.
2- Ne pas
avoir peur de faire appel à des partenaires externes
Développer la technologie du machine learning peut s’avérer très compliqué pour une entreprise. Il peut être intéressant pour de grandes entreprises d’avoir des équipes en interne, néanmoins il est généralement recommandé de faire appel à des partenaires externes qualifiés. En effet, il existe déjà de nombreux acteurs sur le marché, spécialisés sur différents types de machine learning pouvant accompagner les entreprises désireuses de s’en équiper.
Outre Google Shopping, le machine learning peut s’associer à d’autres outils marketing. Le machine learning se différencie des autres technologies par sa capacité à prendre des décisions à la place d’une personne en se basant sur de la data collectée et cela grâce à un algorithme. C’est cette capacité à apprendre d’elle-même et à prendre des décisions en un laps de temps court, qui en font un outil de taille pour les marketeurs. L’intelligence artificielle dont est dotée cette technologie offre ainsi la possibilité de créer des modèles évolutifs précis permettant de mieux cerner les tendances, les comportements consommateurs et les résultats à venir. En comprenant mieux les attentes des consommateurs, les entreprises sont ainsi en mesure de cibler de façon plus granulaire leurs attentes mais aussi de pousser des messages plus pertinents et mieux ciblés. En traitant des scénarios plus complexes et développés, les marques sont à même de renforcer leur lien avec leur clientèle, en leur offrant une expérience plus personnalisée. Enfin, pour les marketeurs, cette technologie permet de simplifier les processus et donc de se refocaliser pour ainsi gagner en performance. En effet, l’automatisation des tâches va ainsi leur permettre de focaliser leur attention sur une partie plus pertinente et stratégique de leur activité.
Appliquée au Search marketing et plus particulièrement aux PLA de Google Shopping, cette technologie a toute sa légitimité mais nous pouvons par exemple imaginer que le machine learning pourra être appliqué à d’autres outils, telles que le chatbot, afin de renforcer l’interaction des marques avec leurs consommateurs. A terme, pourquoi ne pas imaginer de coupler le machine learning à l’analyse d’image et ainsi développer une technologie capable d’automatiquement extraire les données liées à l’image, comme par exemple la matière, la taille, le style… afin d’offrir aux consommateurs des recommandations toujours plus poussées. Cependant, même si les algorithmes ont la capacité d’optimiser les campagnes marketing bien mieux qu’un homme, la technologie a ses limites : c’est l’intelligence humaine qui implémente de façon pertinente et adaptée le machine learning.