webleads-tracker

 

Marketing prédictif : l’humain reste incontournable

Marketing prédictif : l’humain reste incontournable

Le marketing prédictif n’est pas une idée réellement nouvelle. Ce concept existe même depuis l’apparition du marketing. En effet, l’approche méthodologique du marketing n’est-il pas de tirer les enseignements des expériences passées pour donner un éclairage de l’avenir ?

En constatant que le trafic enregistré de son magasin de prêt-à-porter est plus important le samedi que le lundi, le commerçant en tire la prédiction que cela risque de se reproduire les semaines à venir et décide alors le recrutement d’un vendeur de plus le samedi et de fermer son magasin le lundi. Dans le même ordre de conclusion prédictive, le commerçant déduit de ses constatations que certains produits se vendront plus facilement en hiver qu’en été.

Plus sa clientèle devient importante, plus il sera amené à segmenter sa base de données clients afin d’augmenter ses ventes, en proposant à chacun de ses segments de clientèle une gamme répondant au plus près de ses besoins.

Les segmentations de bases de données les plus simples pourront se faire manuellement, notamment celles réalisées selon un seul critère : CSP, H/F, client fidèle ou non, etc. Les segmentations plus fines croiseront deux critères : CSP avec H/F, fréquence d’achat avec lieu de domicile, etc. Dés que  trois critères sont envisagés, un logiciel spécialisé sera nécessaire et au-delà l’utilisation des algorithmes spécialisés sera indispensable, surtout lorsque des milliers de clients composent la base de donnée.

Dans le cas de bases de données aux composantes importantes, l’intelligence artificielle peut s’avérer très utile, précisément par l’automatisation possible des tâches de manière exhaustive et sans erreur. Ces algorithmes de machine learning pourront par exemple prendre en compte en temps réel des comportements client lors de leur parcours et ainsi pouvoir proposer une probabilité fine de comportement à venir, identifier des tendances, etc.

Le machine learning ne remplace pas pour autant l’intelligence humaine !

Un algorithme n’est pas proprement intelligent en soi. Il tire son efficacité de l’intelligence humaine, incarnée par l’analyste ou le data scientist.

Chaque exploitation est spécifique à une situation donnée et un paramétrage bien particulier est donc nécessaire à l’atteinte d’une performance satisfaisante.

La qualité des données traitées étant essentielle; c’est la responsabilité de l’humain d’enrichir correctement l’algorithme. Même si l’algorithme est incapable de définir votre stratégie et votre plan d’actions, l’analyse prédictive peut être génératrice d’opportunités nouvelles par la personnalisation du parcours client. L’humain reste donc incontournable, pour paramétrer l’algorithme et prendre la décision d’un plan d’actions à mener.