Predictive Marketing: Une tempête se prépare…
19 Mai 2015, Posté par dans A la une, Regard sur l'actualité
Annoncée déjà en 2013 à l’Adobe Digital Marketing Summit comme la prochaine révolution anticipée du marketing en ligne, le Predicive Marketing est la tendance naturelle de l’E-marketing vers un ciblage de plus en plus précis, et pour la première fois, anticipatif. Ce qui fait rêver les services marketing des grands groupes c’est cette possibilité de vraiment cerner ce que veulent leurs clients, de manière diaboliquement précise, et de ce fait d’augmenter le taux de conversion jusqu’à 50% et plus.
C’est pousser simplement le concept de Google Now vers l’incentive d’achats futurs, connaissant l’historique de l’internaute et ses « habitudes de vie » par rapport à des profils statistiques et à une montagne de données analysées.
L’exemple de plus frappant et caricatural en était le profil d’une femme enceinte qui découvrait son état via les annonceurs avant même de le savoir elle-même, et a qui on propose déjà des layettes, berceaux, accessoires, en fonction du timing entre les premières recherches sur la maternité et le moment ou l’attractivité de ces produits et maximale en fonction de ses parcours de recherches récentes lorsqu’ils sont présentés au meilleur moment, ce qui accroit très nettement au final le taux de conversion. Les fabricants en question, s’ils savent gérer leur campagne de content marketing de manière intelligente, produiront évidemment des contenus informatifs en rapport avec la maternité correspondant aux requêtes les plus courantes, si possible en exact match. Big brother plus efficace que jamais pour générer du cash en anticipant la demande.
Cela ne peut se faire qu’en créant une relation entre les algorithmes comportementaux des profils en forme de silo et le timing idéal de délivrance. Cela passe avant tout par une meilleure interprétation des signaux, via les statistiques. On parle donc aussi de « predictive analytics », et dans tous les cas cela passe par la gestion des big datas, les quintillons de données récoltées sur le comportement des internautes qui vont être mis en relations les uns avec les autres. C’est sur ce créneau que s’engouffrent actuellement les budgets en R&D des créateurs de plate-formes analytiques tournées vers le marketing. Mettre en relation ces données puis mettre en adéquation ces derniers avec des profils dont l’historique est bien connu peut tout simplement tourner en « boîte magique » qui va simplement préciser quel contenu délivrer à quel moment et à quelle tranche de prospects en fonction de son historique avec la marque – au moins en théorie.
Le predictive marketing peut être aussi interprété comme l’étape suivante logique après l’automatisation du marketing (Marketing Automation). Ou bien « The ability to score leads based on digital body language » c’est à dire doubler la conversion en interprétant de manière plus fine que jamais le « langage du corps » numérique de l’internaute. Quand aux données utiles, elles sont extérieures au site et réseaux sociaux, comme les fichiers de logs TCP/IP, soumission sur formulaire, feedback par e-mail, et les bases de données accessibles au public montrant les tendances de croissance et habitudes d’achat. La gestion des big datas est l’affaire de scientifiques dans l’art de traiter les données en masse. Quand aux experts du marketing qui savent utiliser ces données par croisements, ils ont besoin de formules mathématiques pour établir des prédictions.
En clair, le predictive marketing se destine moins à des prospects et simples visiteurs mais plus en bout de chaîne, pour optimiser les relations post-achats, et pour des entreprises qui ont le personnel qualifié pour le faire en interne (ce qui nivelle vers le haut). L’intelligence prédictive puise dans les données de comportement tirées de CRM et de l’automatisation du marketing ou même au sens plus large des données web B2B Web (ce qui fait partie aux US de la galaxie « Business Intelligence« , identifier les acheteurs déjà sur le marché et les inciter à acheter des produits ou des solutions spécifiques.
Pour en savoir plus sur les aspects mathématiques des predictive analytics: http://www.optimizesmart.com/introducing-predictive-marketing-stage-business-optimization/
Notre collègue Thierry Perran avait traité de la question dans son rapport de veille complet de 36 pages sur les tendances des Big Data, et la question du predictive marketing:
