Decideo - Actualités sur le Big Data, Business Intelligence, Data Science

Abonnez-vous gratuitement à Decideo !


Decideo

 


Comment rendre l’usage de la data science accessible à tous


Rédigé par Stéphane Amarsy, Inbox le 2 Mai 2019

Afin de mener une stratégie marketing efficace et permettre une expérience client individualisée, les entreprises doivent démocratiser l’usage de la data science.



Le passage à l’analyse prédictive

Stéphane Amarsy, CEO Inbox
Stéphane Amarsy, CEO Inbox
Les outils de prédiction inquiètent et fascinent tout autant. Mais à la différence des oracles, ces prévisions sont factuelles et mesurables par une probabilité. La magie du marketing prédictif consiste à passer de la prédiction basée sur l'intuition - voire l'irrationnel, à celle basée sur des données et des probabilités de réussite. L’utilisation du marketing prédictif impose une approche radicalement nouvelle : Le ciblage ne se base plus sur ce que l'on pense ou suppose, ni même les études marketing (sondage, panels, …) mais sur les données et ce qu’elles recèlent.

Plus nous disposerons de données, plus tout sera prédictible et plus la qualité des prévisions sera bonne. L’objectif en marketing n’est pas la certitude dans la prévision mais de faire mieux qu’une démarche empirique. Le principe est simple : choisir les clients avec une forte probabilité d’acheter ce manteau me permettra d’avoir un taux d’achat de ce produit bien supérieur à celui obtenu si je l’avais proposé à une cible basée sur mon expérience et bien plus qu’en considérant tous mes clients. Cela permet aussi de baisser les coûts de sollicitation car seule une partie des clients sera exposée, et d’éviter l’énervement des clients sollicités pour des produits qui ne les intéressent pas. L’utilisation généralisée de cette information permettra de travailler la proximité avec chaque client en lui proposant des produits qui lui correspondent.

Le point clé dans cette démarche consiste à accepter de travailler au niveau de l’individu afin de prendre en considération toute sa singularité. L’erreur, trop souvent vue même en travaillant avec des outils prédictifs, consiste à recomposer une notion de segment pour résumer une tendance dont la projection au niveau individuel est souvent fausse. A quoi bon reproduire les habitudes de travail du passé avec de tels outils ? Il faut plonger et accepter que chaque client ait son histoire, ses désirs et ses futurs probables.

Recentrer le rôle des data scientists

La data science est évidemment l’outil idéal de cette démarche. Reste qu’elle est systématiquement présentée comme l’apanage des fameux data scientists, les stars du marketing moderne. Ce temps-là est révolu n’en déplaise aux « experts » et « sachants ». Evidemment, il y aura toujours des cas où un humain fera mieux que de l’intelligence artificielle mais avec une temporalité interdisant toute démultiplication de son usage. Un data scientist quel que soit son talent ne peut s’occuper que de quelques modèles de prévision. Est-ce que sa valeur est là ? Clairement non. L’enjeu n’est plus de disposer de quelques modèles de prévisions mais bien de les démultiplier rapidement avec une approche auto apprenante et industrielle. Le data scientist se recentrera sur la détection de nouvelles opportunités. Cette double approche est vertueuse et apporte beaucoup plus de valeur. A titre d’exemple, dans ma société, nous avons développé un logiciel permettant de faire en 15 minutes ce qu’un data scientist faisait en 4 jours. L’ensemble de nos data scientists s’est repositionné sur plus d’analyses en laissant ainsi la production à l’intelligence artificielle.

En y regardant de plus près, vous vous apercevrez que 80% de la chaine relationnelle peut être confiée à l’IA. Le partage de la data science est la clé d'un marketing client efficace. Bombarder des offres promotionnelles indifférenciées à tous les consommateurs devient une dépense inutile, peu efficace et contre-productive qui suscite, au mieux, l'agacement des consommateurs que nous sommes. Sans analyse prédictive, il serait presque impossible de formuler l'idée même de proximité relationnelle. Cette transformation est difficile, elle nécessite une réelle volonté de changement des directions marketing et un accompagnement fort des équipes. Elles doivent désapprendre leurs métiers et en réapprendre un nouveau dont la collaboration avec les algorithmes est une des clés. Il faut renoncer pour se transformer.

A propos de Stéphane Amarsy

Plus de 20 ans d’expérience dans plus de 30 pays, tous secteurs d’activité confondus, font de Stéphane un expert du marketing relationnel et de la connaissance client. Parti d’une société de conseils, Stéphane Amarsy aide aujourd’hui les entreprises à répondre aux besoins de leurs clients, en créant des offres hyper personnalisées grâce à l’analytique et au pilotage des données. Enseignant, auteur de plusieurs publications dans son domaine d’expertise, dont le best-seller : “Mon directeur marketing sera un algorithme – L’intelligence artificielle remplacera-t-elle les Marketeurs ?”, Stéphane multiplie les prises de paroles pour partager sa vision future du marketing prédictif afin de démystifier l’IA et le Big Data, et mettre en lumière les avantages que ces techniques représentent dans le secteur de la relation client.




Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store