Le futur de l’engagement client passe par l’intelligence prédictive

Le Predictive Targeting, aussi appelé intelligence prédictive, est le processus qui consiste à récolter des données de visiteurs relatives à leur comportement sur un site internet. Ces données sont analysées et interprétées afin d’aider les marques à s’adapter au mieux au comportement de leurs futurs visiteurs. Selon Econsultancy, 94% des entreprises sont conscientes que la personnalisation est un facteur de succès. Pourtant, seulement la moitié d’entre elles personnalisent l’expérience qu’elles proposent actuellement sur leur site eCommerce. 

Le Predictive Targeting détecte les similitudes entre les comportements actuels et passés des visiteurs sur le site internet d’une marque. De cette façon, iAdvize peut mettre en place des algorithmes qui prédisent le comportement des futurs visiteurs sur le site des marques.

Comment fonctionne le Predictive Targeting ?

iAdvize collecte les données relatives aux anciennes visites qui ont eu lieu sur les sites des marques. Ainsi, nous savons quel comportement les visiteurs ont adopté sur un site marchand en fonction de différentes variables. Nous savons, notamment, s’ils ont effectué un achat, utilisé la solution de chat ou s’ils ont ajouté un produit à leur panier. Les groupes comportementaux sont créés sur la base des comportements que les visiteurs ont eus par le passé. L’algorithme analyse le comportement actif des visiteurs actuellement sur le site et le compare au comportement de groupes des visiteurs qui les ont précédés.

L’algorithme d’iAdvize analyse les particularités de ces groupes, leur comportement d’achat (par exemple, les visiteurs ont-ils contacté un conseiller chat ?) et, de cette manière, il est possible de savoir si les visiteurs ont besoin d’aide sur le site ou s’ils sont susceptibles ou non de faire un achat. En somme, l’algorithme prédit la prochaine initiative des visiteurs.

La console iAdvize de supervision

iAdvize collecte un premier groupe de données qui évolue au cours du temps. Nous utilisons, en moyenne, une quinzaine de variables de données à propos des visiteurs. Ces données sont liées à leur comportement et elles sont collectées et traitées en conformité avec les réglementations et les recommandations de la CNIL.

Nous recueillons les données en temps réel en fonction des actions des visiteurs. Quand un visiteur va sur le site internet d’une marque, nous pouvons suivre l’ensemble de ses actions (le visiteur ajoute un produit à son panier, regarde une page produit, entre dans le tunnel d’achat…) et nous enregistrons ces données dans notre système.

Comment le Predictive Targeting permet-il de délivrer du ROI ?

Le Predictive Targeting possède un double avantage :

#1 Il s’appuie sur les données de comportements humains bien réels et non pas seulement sur les données de règles fixes (comme par exemple, avoir une valeur d’un minimum de 30€ dans son panier sur une page produit). Les comportements client sont susceptibles de changer à tout moment, alors que les règles fixes, elles, ne changent pas. 
#2 Avec le Predictive Targeting, le modèle mathématique change en accord avec le comportement des consommateurs en ligne. Ainsi, il nous est possible de cibler les visiteurs qui ont une forte probabilité de quitter le panier ou de sortir du tunnel d’achat.

Les critères prédictifs peuvent permettre de définir des règles de ciblage plus détaillées, et ainsi être orientés ROI afin de créer toujours plus de valeur. Nous avons déjà observé un ROI plus élevé grâce à cette technique alors qu’elle implique une stratégie de ciblage simplifiée.

Les bonnes pratiques à adopter pour les e-commerçants

Pour mettre en place des modèles mathématiques auto-apprenants, nous utilisons les données récoltées à partir du comportement des visiteurs sur le site, mais nous travaillons également avec les e-commerçants afin d’intégrer les données de leurs clients qui ne nous sont, en principe, pas accessibles. En nous donnant accès à ces données, les e-commerçants nous permettent d’affiner le modèle de ciblage comportemental et d’améliorer les performances du modèle mathématique.

Le Predictive Targeting permet aux e-commerçants, qui n’ont pas nécessairement un trafic important sur leur site, de bénéficier de ces données pour créer des règles efficientes.

Pour les sites eCommerce qui possèdent un trafic plus important, le Predictive Targeting s’avère également utile car il leur permet d’identifier les visiteurs qui ont la plus forte valeur ajoutée pour eux.

Le futur du Predictive Targeting

“Il faut voir au-delà des informations que vous possédez sur les visiteurs de votre site. Idéalement, il faut avoir une vision cross-canal : penser au comportement des visiteurs sur le site, les réseaux sociaux et sur d’autres sites. En regroupant toutes ces données et en comprenant pourquoi les visiteurs utilisent internet pour s’informer et acheter, nous serons capables de construire des groupes divisés par profils d’internautes » , explique Marion Guillard, Data Scientist chez iAdvize. 

En normalisant les connaissances sur le comportement des visiteurs et des utilisateurs des réseaux sociaux dont on dispose, nous pourrons anticiper les habitudes d’achat et serons capables de proposer des produits de manière proactive et efficace.

Ludivine Kasteleyn

French and Belgian born in France and interested in everything related to Marketing, Foreign Languages and the Web.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *