Optimiser l’expérience client par l’analyse des données

Engagement Marketing

By: Senior Director of Marketing (EMEA) Marketo

Trois grandes marques s’arrogent une part disproportionnée du revenu disponible de nombreux consommateurs, grâce aux produits et services qu’elles proposent, mais aussi par la façon dont elles s’adressent aux clients. Amazon, Nespresso et Netflix excellent dans un domaine bien précis : la création d’une expérience capable de procurer satisfaction et plaisir. Cette expérience tient en grande partie au contenu et au timing de la communication : ces marques savent trouver les bons mots au bon moment.

Les bons et les mauvais exemples

Nespresso sait quand et comment vous inviter à racheter des capsules, de sorte que cela ne vire pas au harcèlement. Netflix vise juste dans ses recommandations, grâce auxquelles le public découvre des dizaines de nouveaux films et séries qu’il aurait manqués autrement. Amazon lance des promotions pertinentes, en recommandant des produits que les consommateurs sont effectivement susceptibles d’acheter. On a l’impression que ces marques sont constamment à l’écoute, prenant note de ce que les gens aiment et essayant de leur offrir ce qu’ils veulent.

Ces expériences contrastent avec celle que j’ai récemment vécue lors de l’achat d’un réfrigérateur sur un site d’électroménager exclusivement en ligne. Tout s’est bien passé, le produit était parfait et j’étais très satisfait.

Cette bonne impression a perduré jusqu’à ce que je commence à recevoir des e-mails du vendeur faisant la promotion de réfrigérateurs. Je n’étais bien évidemment plus intéressé, et j’ai été assez surpris que ce site ne tienne pas compte de mon récent achat. Je n’ai jamais repassé commande depuis.

Quelle est l’erreur commise par ce vendeur d’électroménager par rapport aux trois autres marques évoquées plus haut ? Une mauvaise utilisation des données. Quelqu’un chez ce vendeur sait que j’ai acheté un réfrigérateur, mais ne l’a pas communiqué au marketing, ou bien le marketing ne s’est pas donné la peine de vérifier. Plus probable encore, les données correspondantes ne sont pas disponibles.

La nécessité d’interpréter les données collectées par l’IA

L’utilisation efficace des données est à la fois un art et une science et, même avec une collecte et une maintenance adéquates, c’est surtout leur interprétation qui compte. Face à l’augmentation des ventes d’ustensiles de cuisine chaque année en septembre, un retailer doit être capable d’identifier la cause du phénomène : les étudiants qui achètent ce genre d’articles lorsqu’ils emménagent, et non un besoin urgent dans le grand public de remplacer ses spatules chaque automne.

Le problème vient du fait que l’on ne prend pas les données assez au sérieux. On martèle qu’elles sont vitales, mais combien d’entreprises font appel à de véritables data scientists pour les traiter ? La tâche est trop souvent confiée aux responsables marketing. Or, même si nous nous débrouillons bien dans un certain nombre de domaines, nous ne sommes pas des data scientists. L’utilisation de l’intelligence artificielle à cette fin a ses limites : si elle peut dégager des tendances, elle n’est pas forcément capable de les interpréter (comme dans l’exemple de la spatule ci-dessus).

La clé : s’entourer de data scientists

L’objectif suprême de la vue unifiée du client peut s’avérer très difficile à atteindre. L’industrie automobile reposant quasi exclusivement sur le modèle du concessionnaire franchisé, les constructeurs ont peu de contact direct avec les clients. Le concessionnaire est le dépositaire de la relation client, le coupant ainsi de la marque. Comment alors en vouloir aux clients qui pensent que la marque à laquelle ils font confiance depuis des années pour se déplacer ne se soucie pas d’eux.

Il n’existe pas de solution universelle pour rectifier le tir. L’investissement dans le recrutement de data scientists constitue toutefois un bon point de départ, surtout s’il décharge les responsables marketing de la tâche. Les dirigeants doivent mieux intégrer les deux hémisphères du cerveau de l’entreprise, en associant données opérationnelles et d’expérience. Pour rester compétitif, il est vital de cerner les clients et de leur proposer une expérience positive. Les données offrent le moyen d’y parvenir et il est grand temps de commencer à s’en servir à bon escient.

Et vous, comment faites-vous pour que les données soient bien interprétées et que la collaboration entre le marketing et la science des données soit efficace ? Faites nous part de votre expérience dans les commentaires ci-dessous.

 

Pour savoir comment utiliser le marketing de contenu dans le cadre de votre stratégie, téléchargez notre Plan tactique du Content Marketing.

Télécharger (en anglais)