Probance lance l’algorithme « Best-Interest », enfin une mesure de l’engagement d’achat sur Internet !

Probance, éditeur de solutions eCRM pour les e-commerçants, spécialiste de la data au service de la performance des campagnes marketing, annonce le lancement de son algorithme « Best-Interest » afin de mesurer l’engagement d’achat des internautes.

Quel sera le prochain achat de mes clients ?
Tout site de vente en ligne aimerait le savoir afin d’organiser son catalogue et d’orchestrer ses promotions. Dans un environnement riche en données comportementales et contextuelles, il est nécessaire de mesurer l’engagement pour proposer la bonne offre au bon moment.

Pour mesurer la notion d’engagement, Probance a analysé sur plusieurs sites e-commerce partenaires présentant des cycles de récurrences de ventes plus ou moins longs (mode, logiciels, accessoires…), les comportements passés des membres vis-à-vis des marques et catégories de produits sur près de 2 ans d’activité, ainsi que leur traduction en commandes.

Ces analyses ont permis d’observer l’impact des actions des membres sur leurs achats pour construire un modèle statistique d’engagement baptisé « Best-Interest » Ce modèle auto-apprenant peut alors s’appliquer sur tout site e-commerce pour mesurer, pour chaque membre, son attachement aux marques ou aux catégories de produit, et en déduire celle pour laquelle sa probabilité d’achat est la plus forte.

Cette mesure en continu de l’engagement donne un couple « membre/marque » ou « membre/ catégorie de produit » qui permet d’alimenter la personnalisation des campagnes marketing, en proposant le produit qui a le plus de chance de déclencher l’achat à l’instant T.



Les enseignements du modèle Best-Interest

Ce modèle d’engagement permet de valider des idées marketing plutôt intuitives qui deviennent maintenant précisément mesurables :

1. Plus le temps passe, moins l’achat, la consultation ou la mise au panier d’un article a d’impact sur l’engagement. Le membre peut avoir renoncé à son achat, acheté ailleurs, ou même totalement oublié qu’il était venu sur ce site.





2. L’action réalisée influe sur l’engagement. Intuitivement, il est facile de comprendre qu’un achat est plus engageant qu’un panier abandonné ou qu’une visite, par exemple. Mais il faut le décliner par marque. Pour certaines marques, une simple visite peut indiquer un engagement fort, pour d’autres, non.



3. Enfin, la décroissance de l’engagement est différente d’une marque à l’autre. Pour certaines marques, l’engagement reste fort même plusieurs jours après l’action. Pour d’autres, la courbe de l’engagement décroit très vite. Ces phénomènes sont vrais aussi pour les catégories de produits.




Le moyen d’adopter enfin un vrai marketing One-to-One
Cette méthode de mesure de l’engagement permet donc de définir quelle marque ou quelle catégorie de produit le membre a le plus de probabilité d’acheter. Elle permet aussi de savoir à quel moment la marque ou la catégorie de produit pour laquelle le membre montre le plus d’intérêt change.

Avec une solution d’automatisation des campagnes, il est donc possible de définir un scénario qui permet d’envoyer un message dès qu’il y a un changement d’intérêt du client.

L’évolution permise par ces solutions est importante pour le marketeur : il ne s’agit plus de définir quel segment est le plus pertinent pour router une campagne prévue sur la marque X, mais bien de s’intéresser au client avant tout, et de se demander quel produit va l’intéresser aujourd’hui. Nous sommes bien ici dans une démarche totalement customer centric, permise par la puissance et la pertinence des algorithmes de recommandation appliquée en continu sur les données clients.

La dernière étude « Email Marketing Attitude » réalisée à l'initiative du SNCD, montre que les Français sont favorables aux e-mails personnalisés. Mais ils sont critiques sur les dispositifs actuels : 54,2 % estiment que les offres ne correspondent pas à leurs attentes et 63 % disent recevoir trop d’offres de l’expéditeur.