Comment la grande distribution peut-elle s’inspirer des techniques des acteurs du marché de la rencontre en ligne ?

La magie de la mise en relation parfaite et hautement personnalisée est pour bientôt grâce aux bases de données de graphes. D'ailleurs les sites de rencontres s'en emparent déjà. Quid des enseignes de la Distribution ?

Le marché de la rencontre en ligne est colossal. Non seulement, la rencontre en ligne n’est plus taboue, mais, désormais, elle est le principal moyen de croiser d’autres célibataires et de se mettre en couple. L’ampleur du phénomène, sa portée et les taux de réussite affichés en témoignent. Au Royaume-Uni, un couple sur trois s’est formé à partir d’une rencontre en ligne. Et, à elle seule, la France compte plus de 2000 sites de rencontres en ligne pour tous les âges et toutes les situations personnelles. Et certains sociologues affirment même que la remontée de la natalité en France (2.1 enfant par femme) de ces dernières années serait, notamment, une conséquence de la progression et de la démocratisation de la rencontre sur internet !

L’offre est très simple : La majorité des sites web de rencontres ouvrent l’accès à des communautés de célibataires à la recherche d’une autre personne seule. Et, sur un marché de niche, les sites de rencontres tels que Mektoub, Theotokos, Iktoos ou encore Rencontre-motard, réunissent des communautés très spécifiques de personnes à la recherche d’amis.

Il n’y a donc rien de révolutionnaire dans ce modèle mais il s’avère très efficace. Toute l’intelligence repose sur la façon dont le système explore de larges volumes de données, opère un tri et découvre de fortes affinités entre les individus afin de les mettre en relation. De quoi inspirer les acteurs du secteur de la grande distribution !

Avant l’apparition des sites de rencontres ou même des petites annonces, il s’agissait de développer son cercle d’amis ou d’opter pour un nouveau hobby pour trouver un partenaire potentiel. Ce sont ces opportunités que Match.com , eHarmony et Zoosk créent automatiquement et sur une grande échelle.

Loin d’avoir l’air impersonnel, ces sites de rencontres en ligne offrent au contraire un service de mise en relation hautement personnalisé, discret et efficace. Pour rapprocher les personnes qui ont le plus de chances de se plaire, ils utilisent des algorithmes qui mettent au centre du processus de tri, les données liées aux profils, préférences individuelles, interactions et connexions des utilisateurs.

Le site de rencontre sait exactement ce que chaque personne recherche ; il lui suggère la meilleure sélection de profils. Ce qui lui évite la tâche fastidieuse de faire elle-même un tri dans une très large communauté d’individus. 

Etablir le contact

Bien que l’algorithme – la formule pour créer le bon contact – varie d’un site à l’autre, tous les services de rencontre en ligne exploitent de larges volumes de données et la technologie des graphes, celle-là même mise en œuvre au cœur de Google et du réseau social professionnel LinkedIn. Et ce, pour créer les meilleurs liens.

Les bases de données de graphes se différencient énormément des bases de données relationnelles de part leur capacité à identifier et à rendre explicites les relations entre des données hautement connectées.

 

La réussite de Google tient au fait de savoir capturer et exploiter les occurrences dans chaque page Web, et optimiser la pertinence et la rapidité des résultats qu’il offre à tous ses utilisateurs.

 

LinkedIn représente et exploite la vie réelle des réseaux de relations, des contacts d'affaires communs et des «amis des amis » de façon si habile qu'il est devenu le leader sur le marché du réseau social d'entreprise. Sa base de données de graphes identifie et suit bien plus vite et plus naturellement les connexions d’un profil que ne le ferait une base de données relationnelle.

C'est dû au fait que les bases de données de graphes ont leur langage de requête ; elles savent interroger les données et afficher les nombreuses connexions entre les individus selon leurs préférences, les critères spécifiques liés à leur profil personnel, etc. Lorsque l’utilisateur final pose une question, il obtient des réponses précises – un contenu très pertinent et des idées ciblées –, sans délais.

Grande distribution : des recommandations plus personnalisées !

Les bases de données de graphes ont le pouvoir de transformer l'expérience d’achat en offrant aux détaillants la capacité de faire correspondre des profils de clients avec des offres de produits ou services qui les satisfont, de manière toujours plus adaptée et en temps réel.

En exploitant la puissance des graphes, les détaillants peuvent offrir des fonctionnalités véritablement personnalisées à la place de la traditionnelle recommandation d'Amazon – ‘Les clients ayant acheté cet article ont également acheté’ – car cette aide à l’achat générique est apparue au début de l’e-commerce alors que la plupart des procédés et des algorithmes utilisés aujourd’hui par les grandes marques sont nettement plus sophistiqués et plus puissants.

Les pionniers Google et LinkedIn ont dû construire leurs propres silos de données en interne à partir de zéro avant de bénéficier de la technologie des graphes et de ses outils. Le plus enthousiasmant est que les bases de données de graphes « prêtes à l’emploi » sont dorénavant disponibles pour toutes les entreprises qui veulent se rapprocher de leurs clients en les comprenant et en les conseillant en temps réel.

Comment approcher la ‘communauté’ ?

Les bases de données de graphes gagnent en popularité plus rapidement que tout autre type de base avec un pic de + 250% en termes de notoriété sur la seule année passée. D’ailleurs, selon Forrester Research, une entreprise sur quatre utilisera les graphes d'ici 2017. 

Le monde de la rencontre en ligne donne un très bon aperçu de l’impact positif des bases données de graphes sur les résultats. Au delà des critères pragmatiques – comme la localisation, l'âge ou les caractéristiques physiques – les mises en relation utilisent des combinaisons très complexes ayant un potentiel d’influence pour optimiser les taux de réussite : croyances personnelles, valeurs et comportements, loisirs, centres d’intérêt et passions, etc.

 

Les éditeurs de plates-formes de rencontre en ligne ont compris que ces différents facteurs humains ou encore les informations qui concernent ce que les personnes ont visionné au cours de leur dernière visite, sont des indicateurs précieux et plus justes que les informations de base d’un individu. Et ce, pour évaluer au mieux les affinités potentielles qu’il pourrait avoir avec une autre personne. (Ce n’est d’ailleurs pas une coïncidence si de nombreux sites ont également introduit des tests psychométriques pour définir les caractéristiques particulières de la personnalité et les motivations d’une personne pour mieux les faire correspondre à une autre.)

Les taux de réussite ne s’amélioreront que lorsque les sites sauront former une image plus nette de chacun de leurs clients : Cela exige d’avoir une représentation multi couches des données sur les clients, leurs personnalités, leurs comportements et leurs préférences.

Des bases de données de graphes pour toutes les applications

Les détaillants commencent à comprendre ces techniques. Walmart a déjà mis en œuvre la technologie de base de données de graphes. Ce poids lourd américain de la grande distribution collecte des informations lors des achats effectués dans ses magasins et, grâce aux graphes, découvre la valeur ajoutée de leur relation avec les autres données glanées en ligne. 

Cette technologie innovante n’est plus seulement réservée à quelques grandes multinationales. Elle est à la portée de tous les détaillants qui doivent faire face à de nouveaux défis : mieux cibler les clients et personnaliser leurs expériences en ligne. Dans son rapport "Retailing in 2020", PWC rappelle que les consommateurs attendent des marques qu’elles leur simplifient la vie, que les offres soient moins standardisées et plus adaptées à leurs attentes. Accessible, la technologie des graphes peut dorénavant être exploitée aux bénéfices de ceux qui veulent inventer la prochaine génération de vente au détail sur un marché ultra concurrentiel.

C’est une chose de tenter d'analyser des transactions en ligne éparpillées dans une série de tableaux… Et, c’en est une autre de les voir sous forme d’un graphe et de pouvoir aussitôt concevoir des recommandations personnalisées sophistiquées et à la volée : La puissance des graphes rend ces tâches incroyablement faciles.

Le défi ? Rester en tête de la course et anticiper les besoins des consommateurs de façon toujours plus créative. Même Amazon – qui a ouvert la voie en essayant de prédire ce que ses clients pourraient vouloir acheter et en analysant les données de vente en ligne – peut avoir besoin, comme ses nouveaux rivaux, de découvrir la clé des recommandations plus personnalisées, à travers l'analyse des données multi couches.

Comprendre et influencer les sentiments

Non seulement les détaillants doivent être capables de comprendre leurs clients en se basant sur les achats qu’ils ont déjà effectués mais ils doivent aussi enrichir instantanément cette connaissance dès que les consommateurs visitent leurs sites, sont actifs sur les réseaux sociaux et ainsi leur montrer un intérêt toujours renouvelé et plus personnalisé…

Interroger toutes ces données rapidement sert à faire des recommandations étonnamment  pertinentes et présenter les offres les plus attrayantes. Les bases de données de graphes sont de fantastiques facilitateurs technologiques. Et ce, grâce à leur aptitude à faire correspondre naturellement les données historiques avec les données recueillies en temps réel.

Atouts majeurs : Ces bonnes expériences en ligne conduisent spontanément les clients plus satisfaits et donc loyaux à recommander les offres comme les marques au travers de leurs réseaux sociaux.

La représentation des données multi couches se traduit aussi par un gain de productivité. Les détaillants peuvent comprendre très rapidement l'activité de leurs clients sur les médias sociaux et sur les autres canaux. Avec qui sont-ils en lien ? A qui sont-ils plus susceptibles de parler d’une marque et de recommander des services ? La technologie des graphes fournit le moyen le plus simple de répondre à des questions complexes et, pour les détaillants comme pour les marques, de saisir de nouvelles opportunités d’affaires et devenir plus efficients et plus efficaces pour influencer les «influenceurs ».

Les analystes observent ces transformations avec un vif intérêt. Selon le Gartner Group, le cabinet leader de l'industrie, les graphes sont peut-être « l’unique atout concurrentiel le plus efficace » pour les entreprises qui prennent des décisions et effectuent des opérations pilotées par les données.

Pour les détaillants, l’enjeu est d’augmenter les taux de conversions et le montant moyen du panier d’achat par acheteur, de multiplier les opportunités d’affaires, de fidéliser les clients et d’optimiser la satisfaction client, de bénéficier de l’engagement des consommateurs et du buzz fait autour de la marque.
Il s’agit de favoriser la réputation de la marque, d’être un leader plutôt qu’un « suiveur » et de conquérir le cœur des clients en répondant vraiment à leurs souhaits avec les meilleures recommandations.