Une introduction au Marketing Prédictif : Définition, exemples, outils

Le marketing prédictif, c’est l’art et la manière d’anticiper les comportements d’achat les plus probables, les besoins, appétences et attentes de ses clients grâce à la donnée clients. C’est un ensemble de techniques basées sur l’analyse de données qui permet de déterminer les stratégies et actions marketing à plus haute probabilité de succès.

La donnée clients est le carburant du marketing prédictif. L’analyse des données que l’entreprise a à disposition permet d’identifier des « patterns » généraux, des préférences individuelles et ainsi de prédire le comportement futur du client, mais aussi des tendances de ventes. C’est un cas d’usage des données clients de plus en plus intéressant du fait des progrès technologiques.

Il y a en effet trois facteurs qui expliquent l’essor actuel du marketing prédictif :

• Le volume de données à disposition des entreprises, qui n’a jamais été aussi important qu’aujourd’hui.
• Le développement des technologies marketing processant de la donnée en temps réel pour adapter les actions et scénarios déployés (machine learning).
• L’avènement du cloud computing, associé au développement des technologies Big Data.

Le marketing prédictif poursuit par des voies nouvelles les grandes ambitions du marketing depuis toujours :

• Améliorer le ciblage et la personnalisation des campagnes, des contenus, des offres.
• Proposer au client ce qu’il aime, ce dont il a besoin, ce qui l’intéresse pour augmenter la probabilité d’achat.
• Assurer une adéquation maximale entre les besoins et attentes du client d’un côté et les offres proposées de l’autre.

Deux exemples emblématiques : Amazon et Netflix

Nous présenterons tout à l’heure quelques cas d’usage du marketing prédictif, mais donnons dès maintenant deux exemples très emblématiques (ce sont même des cas d’école) :

• Amazon – Lorsque vous êtes sur une fiche produit, Amazon vous propose une sélection de produits similaires.
• Netflix – Le célèbre service de SVOD recommande à ses utilisateurs des programmes vidéos (films, séries, documentaires) en fonction des contenus déjà visionnés.

Netflix recommande des programmes en fonction de l’historique de visionnage de l’utilisateur.

Le point commun entre ces deux exemples ? Tous deux reposent sur de la recommandation marketing. Le marketing prédictif, essentiellement, consiste à faire de la recommandation sur la base des comportements passés du prospect, du client ou de l’utilisateur. Ce qui d’ailleurs nous amène à présenter une autre caractéristique du marketing prédictif : Les données dont les modèles prédictifs se nourrissent sont pour l’essentiel des données comportementales, celles qui informent sur ce que les clients ont fait plutôt que sur ce qu’ils sont et pensent.

L’exemple de Netflix est parlant : Les recommandations sont entièrement conçues à partir des consommations de vidéos passées. Netflix propose X parce que vous avez regardé Y. Il y a des implications presque philosophiques à cette manière de se concentrer sur les données comportementales. On déduit plus sûrement le comportement d’achat futur par l’analyse du comportement d’achat passé que par une analyse de ce que sont vos clients (des hommes, des femmes, des jeunes, des vieux, etc.) ou de ce qu’ils pensent et déclarent. Ce que l’on fait (comportemental) trahit plus nos désirs que ce que l’on est objectivement (socio-démographie) et que ce que l’on pense subjectivement (psychographie).

D’où la place centrale des données comportementales pour anticiper les besoins et attentes du client – au détriment des données socio-démographiques et psychographiques. Dans une interview de 2013, le VP of Product de Netflix, un certain Todd Yellin, affirmait déjà : « On se fiche vraiment de savoir si vous êtes une femme de 60 ans ou un jeune homme de 20 ans, parce qu’un jeune homme de 20 ans peut très bien regarder Say Yes To The Dress et une femme de 60 ans regarder Hellboy ».

Les deux principes du marketing prédictif

Le premier principe du marketing prédictif est donc celui-ci : pour prédire le comportement futur d’une personne, analysez son comportement passé et présent. C’est dans le passé et le présent que l’on peut lire le futur.

Il y a un deuxième principe du marketing prédictif que l’on pourrait formuler de cette manière : Si une personne X achète un produit A puis un produit B, une personne Y qui achète le produit A aura plus de probabilité d’acheter ensuite le produit B. C’est le principe du « Look Alike ».

Amazon exploite ces deux principes :

• En proposant des produits basés sur l’histoire d’achat, sur votre passé transactionnel avec la marque.
• En vous recommandant des produits achetés par des clients ayant acheté le même produit que vous. Vous connaissez la formule : « Les clients ayant acheté cet article ont également acheté ».

Nous avons déjà plus ou moins répondu à la question. Le marketing prédictif est au service de la performance commerciale de l’entreprise. Il consiste à améliorer le ciblage et la personnalisation des offres grâce à l’analyse data afin d’optimiser la performance du marketing.

Nous verrons en conclusion que toute entreprise n’a pas forcément intérêt dans l’immédiat à se lancer dans l’aventure du marketing prédictif pour la simple et bonne raison que cela nécessite des investissements : en technologies, en compétences… Malgré tout, développer le marketing prédictif est un projet à garder en tête car c’est le sens de l’histoire.

Voici quelques avantages du marketing prédictif canal par canal :

• Web. Le marketing prédictif permet de faire de la personnalisation web, c’est-à-dire de personnaliser en temps réel le contenu des pages du site web en fonction des données des visiteurs identifiés (données comportementales web : clics, pages consultées, etc.). Une étude de Salesforce Marketing Cloud a montré que la personnalisation web permettait d’augmenter de 22,66% les taux de conversion sur le site internet.
• Email. Le marketing prédictif peut être utilisé pour personnaliser le contenu des messages et les offres proposées. Toutes les études (dont celle-ci par exemple) montrent que la personnalisation est le principal levier de performance des campagnes emails.
• SEO. Le SEO prédictif est l’art d’identifier les requêtes SEO de demain à partir des requêtes d’hier et d’aujourd’hui. L’analyse prédictive peut être utilisée pour améliorer votre SEO et donc le trafic sur votre site web.
• Publicité. Sous-catégorie du marketing, la publicité peut elle aussi tirer bénéfice du prédictif. La publicité prédictive consiste à segmenter les campagnes à partir des données clients collectées sur les différentes sources.

Le marketing prédictif ne se réduit pas à des principes. Il est rendu possible grâce à des outils. Les outils permettant de faire du marketing prédictif sont de plus en plus nombreux. Pour l’essentiel, ce sont des solutions cloud.

Avant de vous présenter les poids lourds (Salesforce et autres IBM), commençons par une solution française : D.AIM. D.AIM est une plateforme analytics data-driven utilisant l’intelligence artificielle pour construire des modèles prédictifs. Nous sommes donc en plein dans notre sujet. D.AIM propose un module de scoring prédictif (Predict) qui vous aidera à déclencher vos messages au bon moment, sur le bon canal, en proposant les bons produits et aux bonnes personnes en fonction de leur comportement. Nous avons pu testé cette solution. Elle vaut le détour.

Exemple d’outil pour faire du marketing prédictif : D.AIM

Présentons rapidement 3 autres outils permettant des cas d’usage de marketing prédictif :

• Salesforce Marketing Cloud. Le leader du CRM propose un vaste éventail de solutions marketing, dont certaines utilisant l’intelligence artificielle et le machine learning via « Einstein ». Avec la solution Einstein, vous pouvez faire de la personnalisation web, du scoring prédictif et de la recommandation marketing. C’est un des outils les plus complets du marché, mais non le moins coûteux !

Exemple d’outil pour faire du marketing prédictif : Salesforce Marketing Cloud.

• IMB Predictive Analytics. Voilà une autre solution très puissante, proposée par le mastodonte de l’informatique. Predictive Analytics donne accès à une vaste bibliothèque d’algorithmes de machine learning et de programmes d’analyse, tout en proposant de nombreuses intégrations avec des solutions open source. Votre équipe de Data Scientists pourra démultiplier les cas d’usage d’IM Predictive Analytics en utilisant les langages R et Python.

Exemple d’outil pour faire du marketing prédictif : IBM Predictive Analytics

• Everstring. S’adressant tant aux équipes marketing que commerciales, les solutions d’analyse prédictive proposées par Everstring permettent de calculer la propension d’achat des clients et de construire une modélisation look-alike (entre autres choses).

1 – Partez de vos objectifs et de vos besoins métiers

Vous envisagez de mettre en place du marketing prédictif ? Dans ce cas, la première chose à faire est d’identifier les objectifs de la démarche. Pourquoi voulez-vous faire du marketing prédictif ? Quels sont les objectifs marketing et, au-delà, les objectifs business (ils doivent être quantifiés, mesurables) ? Formuler les objectifs est la base pour concevoir votre expression des besoins. Une fois les objectifs clarifiés, vous pourrez en effet déduire les besoins métiers et les cas d’usage de la solution de marketing prédictif cible. A partir de là, vous pourrez déduire les fonctionnalités que la solution devra proposer.

2 – Entourez-vous de personnes compétentes

Vous devez disposer des compétences nécessaires pour mettre en place vos modèles prédictifs, les maintenir et les optimiser progressivement. Aucun modèle prédictif n’est parfait. Tout modèle prédictif, tout algorithme est perfectible. L’interprétation des résultats fournie grâce aux modèles que vous avez construits nécessite elle aussi des compétences. Cette question des compétences est capitale lorsque l’on parle de marketing prédictif. Il s’agit d’une discipline complexe. Avoir les meilleurs outils du monde ne vous sera d’aucune utilité si vous n’avez pas les personnes compétentes pour les utiliser. Si vous ne disposez pas en interne des compétences nécessaires, vous devez envisager soit de recruter de nouveaux collaborateurs experts sur le sujet ou vous faire accompagner par des prestataires (éditeurs, intégrateurs, consultants data scientist…).

3 – Donnez-vous du temps

Il faut du temps avant qu’un modèle prédictif atteigne son plein potentiel et génère le ROI cible. Comme nous l’avons dit, un modèle prédictif est perfectible. N’abandonnez pas au bout de 6 mois parce que vous n’avez pas atteint vos objectifs. Laissez le temps au temps. Une étude de Salesforce a montré que le pourcentage d’achats influencés par les recommandations prédictives augmentait de 11,47% à 34,71% en moyenne sur les 3 premières années.

Dans cette conclusion, nous voudrions insister sur un point. Il n’y a pas débat : le marketing prédictif est riche de potentialités et constituera un levier de plus en plus important de performance marketing dans les années à venir. Malgré tout, il ne faut pas oublier qu’une bonne vieille et simple compréhension du fichier client peut générer des résultats rapides. Ne cherchez pas à mettre la charrue avant les bœufs comme dit le dicton populaire. Avant de vous lancer dans l’aventure du marketing prédictif, assurez-vous que les bonnes pratiques et les bases du marketing sont en place.

Pour prendre une image, le marketing prédictif permet d’ajouter un étage supplémentaire à la fusée de votre édifice marketing. Avant de construire cet étage, assurez-vous que les étages inférieurs sont bien construits et consolidés.

Notre expérience de consultant en CRM et Données Clients nous a appris que les entreprises peuvent facilement et rapidement améliorer leur performance commerciale en activant des « quick wins ». Notre recommandation, donc : déployer les actions à gain rapide avant d’ouvrir le chantier du prédictif.