Académique Documents
Professionnel Documents
Culture Documents
) EBOOK
CIBLAGE PRÉDICTIF
COMMENT MAXIMISER LE ROI DE
VOS ACTIONS MARKETING ON-SITE
SOMMAIRE
LA PROMESSE DE L’I.A. 4
5 CAS CLIENTS 14
GLOSSAIRE 44
Toutefois, il n’est pas toujours simple de démêler ce qui a une vraie valeur ajoutée
de ce qui relève davantage d’un effet de mode.
L’ambition de cet ebook est d’expliquer dans quelles situations vous devez
adopter une approche prédictive et d’illustrer - à travers des use cases concrets
en production depuis plusieurs mois ou années chez nos clients – comment elle
permet de maximiser votre chiffre d’affaires et vos marges.
Bonne lecture !
SEGMENTATION
CONTEXTUALISATION
CRITÈRES COMPORTEMENTAUX
CRITÈRES TECHNIQUES
ROI PERSONNALISATION
PRÉDICTIVE (I.A.)
1-to-1
PERSONNALISATION
MANUELLE
1-to-Few
MASS MARKETING
1-to-Many
COMPRÉHENSION VISITEUR
Par ailleurs, le machine learning prend tout son sens quand il y a une évolution
permanente des données. Dit autrement, l’algorithme prédictif s’impose quand
il n’est pas aisé d’identifier précisément sa cible parce les critères qui la
définissent sont flous, ambigus ou mouvants :
Si tel est votre objectif, vous pouvez donc considérer que l’algorithmie prédictive
est un must.
Le web est un puissant vecteur de trafic on-site mais aussi en magasin. L’un des
moyens d’attirer de nouveaux clients est de leur pousser une incentive.
Mais tous vos leads ne se valent pas. L’incentive peut se révéler très coûteuse
quand elle est poussée à ceux qui n’ont pas d’intention d’achat : c’est le cas par
exemple quand l’incentive est un essai gratuit d’un service humain qui a un coût.
Dans ce cas, l’algorithmie prédictive est un puissant levier d’économie car elle
maximise le nombre de leads correspondant à l’objectif déterminé.
Pop-in « Frais de port offerts à partir de x € dépensés » poussée aux abandonnistes de panier
Avec une approche prédictive, on laisse l’algorithme identifier les visiteurs dit
« abandonnistes ». L’algorithme va se nourrir de beaucoup plus de données
que les deux décidées intuitivement (panier non vide et souris quittant le site).
L’algorithme poussera la pop-in beaucoup plus tôt et de manière plus efficace
car il identifiera de futurs abandonnistes ne réalisant aucune action depuis x
secondes ou musardant sur d’autres pages, ouvrant d’autres onglets, etc.
• à tous les nouveaux visiteurs issus d’une campagne SEM et qui se connectent
depuis l’étranger (QUI)
• un code de livraison offerte, via une pop-in (QUOI)
Pour définir la cible de cette campagne personnalisée, ils utiliseront donc les
critères suivants :
Les marques utilisant l’I.A. de Kameleoon pour comprendre qui sont leurs
visiteurs et personnaliser leur expérience en temps réel sont de plus en plus
nombreuses.
TOYOTA 18
MAXIMISE LA CONVERSION DES LEADS
DE SON SITE WEB JUSQU’AU POINT DE
VENTE
ALLOPNEUS 20
GÉNÈRE 15 % DE CA EN PLUS
SUR SA CAMPAGNE PROMOTIONNELLE
PRICEMINISTER 22
ENRÔLE PLUS DE VISITEURS
« VENDEURS »
UN ACTEUR DU TELECOM 24
CIBLE SES VENTES FLASH
AUX CLIENTS INDÉCIS
CONTEXTE
Dans un contexte très concurrentiel où les prix sont tirés vers le bas, Cdiscount
mise sur la qualité du service et l’innovation. Ainsi, pour répondre aux attentes
de clients de plus en plus promophiles, Cdiscount lance régulièrement des
campagnes promotionnelles sous forme de bons de réductions accessibles à tous
ses visiteurs.
OBJECTIF
Pour maximiser le ROI des campagnes promotionnelles tout en améliorant
l’expérience sur son site, Cdiscount souhaite proposer ces bons de réduction
non plus de manière massive, mais ciblée selon la probabilité de conversion des
visiteurs.
RÉALISATION
Pour inciter ses visiteurs à l’achat, Cdiscount propose par exemple un bon de
réduction personnalisé de 10 €, dès 99 € d’achat.
L’objectif de l’I.A. de Kameleoon est d’identifier les visiteurs indécis avec une
intention d’achat de panier supérieur à 99 €, afin de ne pousser les bons de
réduction qu’à ces derniers.
CONTEXTE
Le site de Toyota n’a pas pour vocation de faire acheter une voiture en ligne mais
de générer du trafic qualifié chez ses concessionnaires automobiles. L’objectif de
la marque est d’y attirer les visiteurs qui ont une vraie appétence d’achat ; pour
cela, elle leur pousse sur son site un avantage substantiel : l’essai d’un véhicule
pendant plusieurs jours.
Dans un 1er temps, Toyota a réalisé un scoring manuel pour identifier ses
« acheteurs potentiels » sur la base d’éléments de navigation : consultation de la
page configurateur de Toyota, temps passé sur une page véhicule, durée totale
passée sur le site, etc. Dès que le visiteur dépasse un niveau de score, la pop-in de
test drive se déclenche.
OBJECTIF
Toyota décide alors de s’appuyer alors sur l’I.A. de Kameleoon pour identifier
l’appétence d’achat des visiteurs de son site, et ne proposer l’essai véhicule qu’aux
visiteurs montrant une forte intention d’achat car le prêt véhicule est très coûteux.
RÉALISATION
Cette appétence dépend de quantités de données de comportement et de
contexte de visite. En traitant ces données 24/24 7/7 et en s’adaptant à l’évolution
des comportements visiteur, l’algorithme est logiquement beaucoup plus
pertinent qu’une approche humaine figée.
RÉSULTAT
Leads qualifiés
+ 97 %
Julien Descombes
Responsable Communication Digitale,
Toyota
CONTEXTE
Allopneus est le leader français de la vente en ligne de pneus pour tous véhicules.
La Société porte une attention particulière sur les « gros rouleurs » car ce sont
leurs plus gros contributeurs de chiffre d’affaires et de marge.
OBJECTIF
Maximiser l’identification de visiteurs appartenant au segment premium (« gros
rouleurs ») et augmenter le chiffre d’affaires généré sur ce segment.
RÉALISATION
Identification par l’I.A. des visiteurs appartenant au segment premium pour leur
proposer une offre promotionnelle.
• Ne pas réduire la marge en évitant de pousser cette offre à ceux qui n’ont pas
besoin d’offre incitative pour convertir.
• Ne pas proposer l’offre promotionnelle à des visiteurs n’appartenant pas au
segment clé au risque que l’opération ne soit pas rentable.
RÉSULTAT
+ 15,7 %
+ 48 %
de « gros rouleurs »
de CA sur la marque
de pneus premium
identifiés ciblée par l’offre
promotionnelle
CONTEXTE
PriceMinister est une marketplace où particuliers et professionnels se rencontrent
pour vendre et acheter. Le recrutement régulier de nouveaux vendeurs est
essentiel car il est clé pour la fréquentation du site et l’augmentation régulière du
chiffre d’affaires. Ce recrutement est ardu car, à l’arrivée d’un visiteur sur son site,
PriceMinister ne sait pas s’il est susceptible d’être un vendeur potentiel ou s’il est
uniquement en position d’achat.
OBJECTIF
Recruter de nouveaux vendeurs et augmenter le nombre de mises en vente sans
dégrader l’expérience des visiteurs acheteurs.
RÉALISATION
L’I.A. identifie les visiteurs potentiellement « vendeurs » mais nécessitant un
incitateur pour passer à l’acte.
L’opération entraine une hausse de 6,23 % des mises en vente, sans dégrader par
ailleurs la conversion acheteurs.
RÉSULTAT
+ 6,23 %
de mises en vente
sans dégradation de la
conversion acheteur
Frédéric De Todaro
Head of Consulting,
Kameleoon
CONTEXTE
Une grande marque de Telecom organise régulièrement des ventes Flash sur son
site, pour certains modèles de téléphones. Une vente Flash est une promotion
temporaire sur un produit spécifique. Chez cet opérateur téléphonique,
l’utilisateur doit souscrire à un forfait pour bénéficier de la vente Flash.
L’objectif des ventes Flash est de gagner des abonnés de manière accélérée. Le
prix du téléphone est très fortement discounté pour le client. Une telle opération
représente donc un coût substantiel pour chaque nouveau client.
OBJECTIF
Limiter l’offre aux seuls acheteurs pour lesquels elle est déterminante à l’achat
d’un téléphone, pour in fine maximiser le ROI des ventes Flash.
MOYEN
L’algorithme Kameleoon identifie les visiteurs indécis, ayant besoin d’un incentive
pour passer à l’achat.
Pour ces visiteurs, une expérience personnalisée est déployée dès la homepage.
VENTE
FLASH
Ainsi, seuls les visiteurs ciblés par l’algorithme peuvent accéder à la landing page
de la vente flash, permettant ensuite une mise au panier.
RÉSULTAT
On compare les résultats de la vente flash ciblée par I.A avec les résultats d’une
vente flash réalisée dans les mêmes conditions mais affichée aléatoirement à
certains visiteurs.
Aléatoire Prédictif
Les leads générés grâce au prédictif ont un taux de conversion 3 fois plus
important qu’en aléatoire.
3 RUN
2 APPRENTISSAGE
1
CONFIGURATION
La 1ère étape d’un projet de ciblage prédictif est de nourrir l’algorithme avec des
données pertinentes. Dans l’absolu, l’algorithme peut traiter toutes les données
qui lui sont fournies mais sa rapidité de prédiction va grandement dépendre de la
qualité de ces données.
PARCOURS DE NAVIGATION
TEMPS PASSÉ,
MÉTÉO
NOMBRE DE VISITES...
SEO
PROFIL ACHETEUR PROVENANCE
SEM
TERMINAL
MACHINE LEARNING
APPRENTISSAGE
MODÈLE
Ils sont dits supervisés car le dataset joue le rôle d’enseignant supervisant le
processus d’apprentissage. L’algorithme fait des prédictions en temps réel sur les
données qui lui sont fournies et est corrigé par l’enseignant. L’apprentissage est
considéré comme terminé lorsque le niveau de performance de prédiction est
jugé satisfaisant.
Sébastien Rebecchi
Ingénieur Machine Learning,
Kameleoon
L’algorithme doit alors modéliser les similarités entre les données pour
comprendre la structure de l’information sans se limiter au cadre imposé par
la supervision humaine. On parle d’algorithmes non-supervisés car il n’y a pas
de « bonne réponse » ou « d’enseignant ». Ils permettent ainsi d’identifier des
opportunités jusque-là inconnues.
Anaïs Rousseau
Consultante,
Kameleoon
Sébastien Rebecchi
Ingénieur Machine Learning,
Kameleoon
Modèle prédictif
Modèle aléatoire
% 10% 20% 30% 40% 52% 60% 70% 80% 90% 100%
PROBABILITÉ DE CONVERSION
Abdel El Ouazzani
Consultant I.A.,
Kameleoon
Sujet de fascination pour certains, de controverse pour d’autres, l’I.A. est au cœur
des innovations technologiques et, dans le même temps, résonne avec un certain
imaginaire collectif. Elle est l’objet de beaucoup de confusion entre sa réalité
technique actuelle, ce qui relève de la prédiction scientifique et ce qui est de
l’ordre du fantasme alimenté par la science-fiction.
L’I.A. est souvent associée à toutes les représentations offertes par la science-
fiction, aidée en cela par les prophéties de « visionnaires » sur la prise de contrôle
des humains par des machines intelligentes dans quelques décennies. On peut
en effet considérer que cette représentation fait partie du champ de l’I.A.* mais
rien dans la recherche actuelle ne permet de dire qu’un tel saut quantique soit
du domaine de la prédiction scientifique. La réalité est aujourd’hui beaucoup plus
prosaïque. L’I.A. est appliquée dans quantité de domaines mais pour des tâches
précises et sur des sujets bien identifiés (sans qu’un algorithme ne soit capable
de faire autre chose que ce pour quoi il a été conçu) : reconnaissance visuelle,
voiture autonome, probabilité de conversion d’un visiteur sur un site, etc. L’I.A.
repose sur des faits concrets : de la donnée, des mathématiques et des schémas
itératifs.
RÉALITÉ
$ $
Beaucoup pensent encore que l’I.A. n’est accessible qu’aux grandes entreprises
en capacité d’investir des centaines de millions de dollars pour constituer des
équipes d’experts. Quand on parle I.A., on pense en effet souvent aux GAFAM
(Google, Amazon, Facebook, Apple et Microsoft), en mesure de développer des
applications pour leurs propres besoins. Il n’est pourtant pas nécessaire d’avoir
une capitalisation boursière en MM$ pour bénéficier de l’I.A. Si, comme c’est
probable, vous n’avez pas les équipes d’ingénieurs en capacité de développer des
algorithmes, faites confiance à des solutions ingénieuses provenant de start-ups
spécialistes de leur domaine.
RÉALITÉ
L’I.A. est accessible à toutes les entreprises qui souhaitent mieux exploiter leurs
quantités colossales de données dormantes. Sans une I.A. pour les exploiter, ces
données représentent plus un coût qu’une opportunité pour votre entreprise.
NATURAL LANGUAGE
PROCESSING
DEDUCTION,
REASONING, PERCEPTION:
PROBLEM SOLVING COMPUTER VISION
ROBOTICS: MOTION
AND MANIPULATION SOCIAL INTELLIGENCE
KNOWLEDGE
PLANNING
REPRESENTATION
MACHINE LEARNING
RÉALITÉ
RÉALITÉ
RÉALITÉ
RÉALITÉ
ALGORITHM
DATASET
INTELLIGENCE ARTIFICIELLE
Discipline scientifique relative au traitement de données, dans le but de permettre
à une machine d’exécuter des fonctions normalement associées à l’intelligence
humaine : compréhension, raisonnement, déduction, calcul, apprentissage.
La littérature distingue deux types d’Intelligence Artificielle : la « faible », dotée d’une
autonomie au sens technique (l’algorithme prend seul une décision dans un cadre
fixé par l’humain) et la « forte » où la machine serait dotée d’une autonomie au sens
philosophique : consciente d’elle-même, elle édicterait ses propres règles et objectifs.
MACHINE LEARNING
Le machine learning (ou apprentissage artificiel/automatique) est une composante de
l’Intelligence Artificielle.
Il correspond à l’utilisation d’algorithmes qui apprennent et appliquent continuellement
leur connaissance d’un sujet à partir de données. Ils traitent la volumétrie et la
complexité d’un dataset pour prédire un résultat ou une action.
ALGORITHMES SUPERVISÉS
Un algorithme supervisé analyse, apprend et développe un schéma prédictif à partir de
données déjà ordonnées par l’humain.
DATASET
Ensemble des données (comportementales, contextuelles, techniques ou provenant
d’un CRM / DMP) dont les algorithmes de machine learning vont s’alimenter pour étayer
leur apprentissage et affiner leurs prédictions.
Plus de 450 clients - du pure player au grand groupe - ont déjà adopté
Kameleoon et en font la plateforme SaaS de personnalisation (I.A.)
leader en Europe.