Legallais : 4 cas d’usage de la Donnée Clients pour améliorer la Performance Commerciale B2B

– Lorsqu’un client effectue sa commande sur internet ou par téléphone, il sait si les produits qu’il commande sont disponibles ou non. Ce n’est pas le cas lorsque le client commande par email ou par fax. Sa commande peut donc contenir des produits qui ne sont pas disponibles : c’est ce que l’on appelle le reliquat. La commande ne peut pas être satisfaite en un seul traitement.

Or, Legallais a un engagement envers tous ses clients : assurer la livraison sous 24h. L’existence d’un reliquat sur les commandes passées par email ou par fax fait donc courir un risque d’absence de tenue de promesse.

Nous utilisons le Marketing Automation pour prévenir nos clients de l’existence d’un reliquat. Le Marketing Automation identifie les commandes sur lesquelles il existe un reliquat. Dès qu’une commande avec reliquat est identifiée, un message est envoyé au client de la commande. Trois solutions lui sont proposées : conserver le produit, substituer le produit manquant par un produit équivalent ou supprimer le produit de la commande.

Si le client ne répond pas dans la journée, un appel sortant de notre Centre de Contacts est déclenché pour proposer au client, de vive voix, le choix entre les trois solutions.

Par ailleurs, lorsque le Marketing Automation identifie une commande avec reliquat, l’information est partagée à tous les autres outils. Est-ce que le client a répondu avant le délai ? Est-ce qu’un conseiller l’a rappelé ? Ces informations sont partagées aux outils. Cela permet notamment aux commerciaux itinérants d’avoir accès à l’information en temps réel et d’informer eux-mêmes les clients de l’existence du reliquat.

Ce cas d’usage mobilise les données de commande. Ces données sont exploitées au bénéfice de la qualité de service. Nous pouvons dire à nos clients : « Dormez sur vos deux oreilles. Si jamais vous avez commandé un produit qui n’est pas en stock, vous serez sollicité immédiatement pour savoir si vous maintenez ou non la commande. Vous pourrez ainsi assurer la suite de votre chantier ». Nous voulons rassurer le client, faire en sorte qu’il n’ait pas à se questionner à propos de la réception de sa commande.

Ce cas d’usage fait aussi appel aux données clients, parce qu’il faut être capable d’identifier quel client est l’émetteur de la commande pour savoir à qui envoyer le message automatisé. Il faut donc réussir à faire un matching entre les commandes et les émetteurs de commandes. Cela suppose que les informations de contact des clients soient bien renseignées.

[Découvrez notre guide complet sur la modélisation des Données Clients B2B]

– Nous avons mis en place un système d’alerte pour prévenir le client du fonctionnement ou du dysfonctionnement des services Legallais. Nous souhaitons informer nos clients de la bonne prise en charge de ses traitements ou au contraire les prévenir lorsqu’il y a un dysfonctionnement.

Prenons l’exemple d’un devis. Un client m’a demandé un devis. Je réussis à établir le devis dans l’heure suivant la demande. C’est très bien, mais si je ne le préviens pas, le client ne se rendra pas compte de la qualité du service que je lui ai rendu (un devis en une heure). Il verra le devis sur son espace client en rentrant chez lui le soir…D’où l’intérêt de ce que nous appelons la « prévenance client ». Nous prévenons notre client lorsqu’un événement le concernant se produit : devis réalisé, colis livré…

Le risque, bien entendu, est de vouloir prévenir nos clients sur tout un tas d’événements. Imaginez un client qui commande toutes les semaines. Il recevra toutes les semaines des messages l’informant que le devis a bien été accepté, que le colis l’attend en point de vente, etc. Dans ce cas, la prévenance devient une lourdeur.

Pour remédier à ce risque de saturation de messages, nous avons mis en place un scoring d’envoi qui nous permet de prioriser les prévenances en fonction de l’importance des événements. C’est ce système de scoring qui nous permet de gérer la pression. Nous optimisons également le choix du canal de communication par type de prévenance et en fonction des informations clients (préférences de canal).

– Pour contextualiser, le catalogue Legallais contient 50 000 références et couvre une quinzaine de domaines d’activité différents. Il est difficile pour chacun des commerciaux d’être en compétence sur l’ensemble des produits. En revanche, nous avons des commerciaux compétents sur chacun des produits et des clients qui nous achètent depuis des années des produits dans un contexte précis.

Nous croisons la donnée clients B2B, la donnée tarifaire et la donnée produits pour faciliter la vie des commerciaux. Pour chaque client, nous analysons les produits achetés et la position de ces produits dans le métier. Tel produit est-il un produit structurant pour le métier de ce client ? Nous nous posons ce type de questions. En parallèle, toujours pour chaque client, nous analysons les conditions tarifaires auxquelles les produits en question ont été commercialisés.

Toutes ces données alimentent un algorithme qui détermine le « juste prix » par typologie de client. Au total, l’algorithme utilise 18 critères / types de données pour calculer des fourchettes de prix : fréquence moyenne d’achat, position du produit dans le métier, région… Ces fourchettes de prix permettent d’aider nos commerciaux dans le chiffrage des propositions commerciales.

[Découvrez notre article sur le ROI d’un projet d’Unification des Données Clients B2B]