Marc Vallée (Ysance) : Stories, le moteur IA qui fait progresser chaque client vers l’achat, On et Off

Marc Vallée, VP Product Management    Ysance

 

 

« Vous avez la data. Nous avons la solution ». Dans les « Retail Marketing War Room » de ses clients, Marc Vallée, VP Product Management de Ysance, convainc aisément. La solution s’appelle Ysance Stories, un moteur d’intelligence artificielle qui permet à un retailer de piloter son marketing comme autant d’histoires qui se couronneront par un achat, en ligne ou en magasin. Quand 92 % du commerce de détail se fait en magasin[1], la réconciliation des parcours d’achats online et offline est la clé du succès pour constituer les bassins d’apprentissage des algorithmes prédictifs et recommander la communication la plus pertinente pour chaque consommateur. Rencontre avec Marc Vallée.

 

:: Qu’est-ce que Ysance Stories ?

Marc Vallée : Ysance Stories est un moteur d’intelligence artificielle qui se base sur les données online et magasin de nos clients et les aide à piloter leurs dispositifs marketing d’acquisition jusqu’à l’achat en ligne ou en magasin.

 

 

 

 

:: De quelle manière ?

Nous partons des données de nos clients. Ce sont eux qui possèdent les clés pour parler à leurs consommateurs. Ils ont la data, nous avons la solution.

Pour nous, un acte d’achat est une histoire. Une histoire commence par des marqueurs d’intention que nous captons notamment sur le site web de nos clients.

Puis nous réconcilions les parcours online et magasin et nous nous servons de cette matière à forte valeur ajoutée – la compréhension parfaite des navigations, anonymes ou logués, par univers de produit, par canal – pour projeter des comportements grâce à des algorithmes.

Nous identifions alors les personnes appétentes à des univers produits et intentionnistes à l’achat afin d’initier une histoire à laquelle nous associons une probabilité de conversion.

Ensuite nous faisons une recommandation « Produits/Prix/Canal » à privilégier pour la prochaine action marketing en fonction de son impact sur la conversion.

 

:: Quelle différence faites-vous entre appétent et intentionniste ?

Beaucoup d’acteurs du marché identifient des intentionnistes soit en dehors de l’écosystème de la marque (third party) ou en se basant uniquement sur les interactions online ce qui leur donne qu’une vision parcellaire du consommateur dans son acte d’achat.

Pour nous, une intention d’achat ne se résume pas à visiter une page produit. Vous pouvez visiter une page présentant des ‘pulls’ sans pour autant marquer une appétence particulière ou même une volonté d’achat à court terme.

Et inversement, si l’appétence d’un musicien pour un instrument de musique par exemple, est validée par la récurrence des visites sur une page web de son univers produit de prédilection, elle ne traduit pas pour autant une réelle intention d’achat. On peut connaître dans notre entourage un guitariste qui passe sa vie sur les sites ou sur les pages de guitares ; et ce n’est pas pour autant que chaque visite soit motivée par une intention d’achat. Et ce que l’on sait moins, toujours à titre d’exemple, c’est que cet ami guitariste a une appétence particulière pour les vinyls des années 50 ; mais l’algorithme de deep learning, lui est capable de le détecter.

L’appétence renvoie à une notion d’intérêt, d’affinité alors que l’intentionniste renvoie à un internaute qui est déjà animé d’une intention d’achat. Naturellement, nous aidons nos clients annonceurs à amener les appétences à une intention et nous les aidons à « clôturer » l’histoire en transformant pro activement l’intentioniste en client (acheteur).

Nous nous appuyons sur les technologies de deep learning, et notamment des réseaux neuronaux récurrents afin de gérer la multiplicité des paramètres qui évoluent en permanence dans le temps et leurs capacités à identifier les variables les plus pertinentes à l’optimisation des prédictions.

Dans l’univers Jardinerie, par exemple, un marqueur d’intention d’achat d’un barbecue sera déclenché différemment que nous soyons en juin ou en décembre.

 

:: De quelles données vous servez-vous pour détecter une appétence ?

La solution se trouve chez nos clients. Nous utilisons principalement deux types de données : les données de comportement de navigation sur le site du client, et les données d’historiques d’achat en ligne et en magasin.

Nous allons sublimer l’exhaustivité de la donnée de nos client avant, éventuellement, de s’intéresser à la donnée third party, qui pour nous est obligatoirement moins qualitative. Il ne s’agit pas d’abandonner la donnée third party, mais il faut d’abord valoriser la donnée interne avant d’aller la chercher – pour certains la ré-acheter ! – à l’extérieur.

Étendre une audience avec des mécanismes de Lookalike, par exemple, sera d’autant plus efficace que la donnée exportée vers un tiers sera riche et pertinente.

 

:: Comment garantissez-vous la sécurité des données, notamment les données issues des magasins ?

Nous avons une longue expérience dans la constitution de plateformes de traitement de données. Nous ne partageons aucune donnée entre nos clients et notre légitimité est reconnue sur le marché pour garantir leur sécurisation autant physique que logique. C’est une situation de confort pour nos clients qui n’hésitent pas à nous livrer leurs tickets de caisse.

 

:: Combien de temps dure une histoire ?

La notion de Stories varie selon le type d’achat et le temps. Nous travaillons sur un axe temps qui varie en fonction de la durée naturelle de l’histoire. Pour un client donné, une histoire de machine à laver pourra durer 3 semaines en Octobre, 2 semaines en Juin tandis qu’une histoire de rouge à lèvre, un achat plus impulsif, sera terminée en quelques heures. L’axe temps est essentiel dans la communication et la mesure.

 

:: Comment le marketeur voit-il concrètement la « valorisation » d’une histoire ?

La valorisation d’une histoire s’établit par rapport à une photo du dispositif marketing pour chaque personne en fonction des produits ayant suscités son intérêt et la probabilité qu’il achète. Nous simulons la réception d’un message sur le mix canal/prix/produits et nous challengeons l’algorithme pour savoir si cette action va améliorer cette probabilité de conversion.

Le marketeur se voit proposer dans l’interface, à la fois un outil lui permettant de constituer intuitivement les segments de son choix, aiguillé par un ensemble d’informations qui sont synthétisées et présentées dans des dashboards, pour lui apporter de la visibilité sur le funnel marketing et la progression des consommateurs dans celui-ci. Il existe 3 niveaux de maturité : Engage, Grow et Convert.

  • Engage : cette population a initiée une conversation sur une famille de produits et elle a une probabilité de conversion supérieure aux autres visiteurs du site. La conversation vient de démarrer et nous devons l’engager
  • Grow : nous avons qualifié son besoin, la gamme, le produit, sa tranche de prix, le consommateur est dans une phase de comparaison. Il faut guider ses choix
  • Convert : la plus forte probabilité d’achat. Un message de ré-assurance pourra être pertinent pour sécuriser la conversion.

 

 

:: Quand on arrive à une probabilité d’achat très forte, n’est-il pas plus rentable pour le retailer de cesser toute communication ?

Dans une logique de pipe commercial, il est toujours plus judicieux de continuer à communiquer. Dans une logique marketing, ce propos est à nuancer car à l’objectif de conversion il faut aussi prendre en compte la pression marketing et l’optimisation de ces budgets marketing.

Nous détectons des intentions d’achat mais nous donnons aussi à notre client un retour sur sa stratégie : « Qu’est-ce que j’ai dans mon pipe commercial ? », « Quelles sont mes populations sur mes tranches hautes et basses de probabilité de conversion ? », « Quelles populations dois-je adresser prioritairement ? »

 

:: Comment validez-vous la pertinence de vos recommandations ?

Chaque jour, nous avons la « photo » d’une personne, sur laquelle nous avons posé un marqueur d’intention avec une probabilité d’achat. Pour garantir la pertinence de nos algorithmes, nous reculons dans le temps pour valider nos prédictions avec la réalité. C’est ainsi que nous surveillons en permanence nos performances.

 

:: Comment expliquez-vous cette linéarité ?

Par le fait que online et magasin sont liés. Les activations online ont une réalité dans le monde physique, et inversement. Pour certains de nos clients, l’activité sur le web est quasiment nulle sans présence physique.

Le fait de désiloter le on et le off donne à nos clients une force énorme, une lecture qu’ils n’ont pas forcément et qui leur permet d’arbitrer des budgets marketing mesurés actuellement trop souvent en ligne. Or nous savons bien qu’un parcours clients est un mix de canaux. Notre approche « conversationnelle » permet un point de mesure global et désiloté.

 

:: Cette réconciliation du on et du off est pour vous capitale ?

C’est capital. Les directions marketing se sont elles-mêmes ressilotées par expertise : vous avez l’expert de l’email, l’expert du display,… chacun pilotant avec des KPIs différents.

Chez Ysance, nous considérons que tous doivent se concentrer sur la finalité de conversion, tout ceci devant s’inscrire dans une logique de satisfaction du client et de cohérence des messages.

 

:: Quels sont les meilleurs scénarios d’utilisation de Stories ?

En premier lieu je parlerais de l’expérience client multicanal : j’identifie clients / prospects sur tous les points de contact digitaux & physiques afin de créer des dispositifs multicanaux plus performants : campagne mail, display, perso on site …

Pour les campagnes mail, après détection d’achat sur des catégories de produit, les taux de réactivité et de conversion sont démultipliés.

L’optimisation du budget media fait aussi parti des meilleurs use case. La réattribution du budget avec des enchères différenciées en fonction de l’étape dans le parcours d’achat (personnes en phase d’engagement plutôt qu’à des personnes déjà engagées) et de l’univers produit.

Un autre exemple est celui de la mesure de l’effet ROPO. Grâce à l’exploitation d’un identifiant omnicanal, je réconcilie les identifiants digitaux et CRM de mes clients. Résultat : x5 sur le CA généré par les campagnes online si les données de ventes magasin sont intégrées pour analyse par les algorithmes.

 

:: Un exemple ?

Un magasin a un surstock de tables de ping pong ! Nous allons identifier les personnes appétentes dans la zone de chalandise du magasin, faire une recommandation de communication sur cette cible afin d’engager une conversation et initier une histoire.

Nous ne nous substituons pas à un outil de prédiction de stock, nous donnons au retailer l’asset data à exploiter dans ses propres algorithmes pour affiner cette prévision. En travaillant avec nous sa matière digitale, le retailer peut anticiper des phénomènes qui vont se passer dans 3 jours, 1, 2, ou 3 semaines dans son magasin.

Nous venons d’ailleurs d’ajouter dans notre produit un dashboard présentant les données sous forme cartographique, montrant à chaque directeur de magasin à quel stade se trouvent les histoires autour de son magasin, et les potentiels de prévision de CA par univers de produits, dans sa zone de chalandise.

 

:: Le Real Time Marketing est un enjeu capital, notamment lors d’abandons de panier. Comment l’adressez-vous ?

Certaines histoires se convertissent dans la journée. Or la majorité des outils actuels sont décorrélés, et dans le cas d’un panier abandonné, le client risque de recevoir un email de relance alors qu’il vient d’acheter en magasin.

Egalement, beaucoup de retailers passent à coté d’achats d’impulsion en ne sachant pas travailler leurs clients non identifiés. En général sur un site web, l’audience identifiée et loguée sur laquelle le retailer a la capacité de relancer par email un panier abandonné ne représente que 3 à 4 % des visiteurs.

Avec notre technologie de « Profil Matching » nous arrivons à retrouver, parmi les visiteurs non logués et anonymes, un segment pour lequel nous avons capté dans le temps une adresse email. Pour l’un de notre client, dont 4 % de l’audience seulement est loguée, nous arrivons à reconnaître 30 % d’audience supplémentaire avec une adresse email. Ainsi les KPIs de performance de panier abandonné ne se font plus sur 4 % mais sur 30 %. Vous imaginez l’effet d’échelle immédiat, en utilisant simplement la donnée que possède notre client.

 

:: J’en profite pour vous poser une question qui anime beaucoup les esprits actuellement. Comment voyez-vous évoluer nos métiers de marketeurs avec l’intelligence artificielle ?

Il y a beaucoup de buzz autour de l’IA et des technologies de deep learning. Il y a une rupture technologie et nos capacités de calcul sont aujourd’hui démultipliés ouvrant les domaines du possible. Le machine learning a des applications poussées dans l’industrie, l’imagerie, l’analyse de la voix ou encore la santé, mais nous avons tout à inventer dans le domaine du parcours client.

Il y aura toujours une part d’humain pour activer la matière data. Pour autant, nous allons passer d’un marketing qui est aujourd’hui opéré, à une obligation d’automatisation. Par exemple, décider d’une heure différente d’envoi d’un message pour chaque personne. Nous serons alors là dans un vrai marketing 1to1. Or une telle variabilité, seul un moteur est en capacité de l’orchestrer parce qu’elle n’est tout simplement pas à dimension humaine.

 

:: Que devient la personne qui aujourd’hui réalise la campagne ?

Cette personne aura un autre rôle, celui de s’assurer des KPIs de performance du moteur, des dérives éventuelles et des réglages nécessaires. Nous passerons alors d’une logique de marketing opéré à une logique de marketing supervisé.

 

:: Livrez-vous un petit scoop… Quelles nouveautés avez-vous dans le pipe pour 2018 ?

Un workflow totalement individualisé. Une action marketing seule ne fait pas basculer une personne vers l’achat, c’est l’orchestration de plusieurs actions adaptées à cette personne. Dans cette orchestration-là, un point est majeur : la pression marketing que l’on met sur une personne. Actuellement, les règles sont figées dans les outils, non individualisées. Une règle érigera par exemple, de ne pas envoyer plus de deux emails par mois. Mais qui dit que moi-même, je n’ai pas envie de recevoir pour une période donnée du contenu 2 fois par semaine pour me guider dans mes choix ?

Il faut placer chaque personne dans le workflow qui lui est adapté. Il faudra certainement oublier certaines règles et faire confiance aux moteurs. Cette logique de pression que l’on met actuellement dans des outils silotés devra être gérée beaucoup plus finement, au niveau individu.

La capacité de Ysance à centraliser et à valoriser la data online et offline nous fait entrer tout naturellement dans l’orchestration fine d’une pression de communication réellement omnicanal. Comment s’assurer qu’un consommateur, sera exposé à un dispositif Facebook, pas à un autre, et qu’en parallèle, il sera pertinent de lui envoyer un email.

Ceci n’est pas possible avec les autres outils actuels silotés.

Nos clients sont également trop nombreux à disposer de mécanismes dont la performance est basée sur du last click, qui se pose comme garde péage en s’attribuant la vente, en occultant tout le travail fait en amont par d’autres canaux. La finalité de tout retailer n’est-elle pas de savoir mesurer chaque dispositif marketing en fonction de son apport réel dans la conversion, online et/ou magasin ?

Enfin, il ne faut pas se focaliser sur les KPIs de conversion. L’autre enjeu majeur est la satisfaction client. C’est à dire communiquer à bon escient, avec la juste pression et dans le respect du client, pour lui proposer des choses pertinentes.

 

:: Vous rencontrez beaucoup de retailers. Dans leur « Retail Marketing War Room », quand la porte est fermée, quelle question revient le plus souvent ?

 Dans la disruption des canaux, comment je peux redonner de la cohérence dans ma communication on et off ? Comment je peux cesser d’acheter mes propres clients ? Comment je mets en place des scénarios marketing on et off ?

 

:: Pour conclure, qu’est-ce qu’une « histoire » gagnante ?

Une histoire gagnante est un client satisfait qui a une conversation fluide avec la marque et qui est prêt à la recommander à un ami. Stories aide à fluidifier la conversation, à bien conseiller et à rendre heureux le consommateur. Et un consommateur heureux…

 

POUR ALLER PLUS LOIN

 

[1] Source : Fevad, 2016 (derniers chiffres connus)

 

 

Écrire une réponse

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