webleads-tracker

 

L’IA au secours du marketeur B2B

L’IA au secours du marketeur B2B

En BtoB, la fonction du directeur marketing n’est pas simple, car l’on peut observer que les processus d’achats des entreprises sont le plus souvent spécifiques au domaine d’activité, à la typologie des offres, à la culture et taille de l’entreprise, bien plus qu’à l’acheteur lui-même.

Le marketing d’influence en BtoB ne vise pas donc le seul acheteur, sinon pour créer chez lui une confiance et une envie suffisante pour convaincre sa direction de faire prendre un « risque » à l’entreprise, lequel sera évalué par la suite.

Ce contexte spécifique complexifie grandement l’interprétation directe des données et l’exploitation traditionnelle des bases de données.

Google Analytics ne fournit que des statistiques quantitatives de l’ensemble du trafic

Premièrement, « la loi des grands nombres », du fait du maigre volume des bases de données BtoB, ne peut être appliquée. Les sites web enregistrent peu de visites (cent fois moins que leurs homologues en BtoC), Google Analytics ne fournit que des statistiques quantitatives de l’ensemble du trafic et non pas du trafic « utile » (celui des entreprises), et les taux de conversion ne sont en moyenne que de 1%.

Également, parce que le comportement observé de l’interlocuteur « acheteur » ne peut pas être interprété comme in fine celui de son entreprise, surtout si celle-ci est importante.

Le marketeur BtoB qui utilise l’e-mailing doit faire face à la puissance des antispams protégeant les boites mails des entreprises et filtrant tous les messages promotionnels. Le marketeur doit ruser en s’abstenant de tout e-mailing « de masse ».

L’intelligence artificielle vient au secours du marketeur BtoB

Dans un contexte aussi complexe, l’intelligence artificielle vient au secours du marketeur BtoB par son intelligence de la data. En partant de signaux faibles collectés de multiples manières, et en croisant les bases de données, il est aujourd’hui possible, grâce à des algorithmes intelligents de procéder au décodage et à l’enrichissement des bases de données, offrant ainsi de l’information digitale des acheteurs au profit des marketeurs.

Ces données provenant de sources multiples et diverses et avec une durée de vie limitée dans le temps, il faut souvent utiliser des algorithmes dit de « machine learning », en capacité de fournir les données manquantes, d’effectuer le reliment des entités aux noms approchants mais pas tout à fait identiques, le tri des données « obsolètes », ce que le marketeur ne pourrait effectuer dans un temps suffisamment court.

Du marketing traditionnel basé sur la segmentation des bases de données, on passe au marketing prédictif basé sur le scoring. En faisant travailler les algorithmes sur des volumes de données et un historique suffisants, on peut par exemple évaluer l’état de maturité d’un prospect, identifier ses centres d’intérêts, lui faire des propositions ad hoc au bon moment, pour catalyse son passage à l’acte d’achat.

En revanche, l’intelligence artificielle se basant sur des observations passées et des variables multiples, il est très difficile de relier la cause à l’effet. Pour permettre à l’ordinateur d’effectuer un tri « intelligent », il est nécessaire de lui fournir des exemples qu’il va analyser et ensuite par analogie, il sera ensuite, dans une situation approchante, en capacité de retrouver un résultat analogue. Ainsi, le marketing prédictif adopté est extrêmement dépendant de la qualité à la fois des données collectées, et des exemples soumis à l’ordinateur.

Dans tous les cas, le marketeur BtoB bénéficiant de ces nouvelles technologies d’intelligence artificielle doit les utiliser avec précaution, avec intelligence, en n’omettant  pas de vérifier, analyser, les propositions de l’ordinateur, d’effectuer le cas échéant les corrections qui conviennent en fonction de sa propre expérience et savoir…