Analyse prédictive
Amanda ne jure que par son tableau de bord marketing,
qui lui révèle si les ventes sont en passe d’atteindre ses objectifs,
à partir de modélisations prévisionnelles découlant des analyses.
La situation n’est pas aussi favorable qu’elle l’aurait souhaité mais,
forte de l’éclairage apporté par son tableau de bord, elle peut
prendre les devants en apportant des changements essentiels
à sa campagne qui auront pour effet de remettre celle-ci sur
les rails.
« Je suis à même de me concentrer sur les aspects stratégiques
car mon tableau de bord m’enseigne ce qui va se produire, et non
ce qui s’est déjà passé », précise-t-elle à ses collègues lors de la
réunion mensuelle avec l’équipe dirigeante. « L’action à mener
ne fait aucun doute. »
L’analyse prédictive s’appuie sur l’apprentissage automatique
ainsi que sur d’autres formes d’intelligence artificielle pour
s’atteler de front à ce problème d’envergure. Ces technologies
peuvent identifier des modèles, mettre en regard des événements,
et prévoir ainsi ceux qui risquent de se produire. Par exemple,
en fonction de la manière dont les clients ont réagi à une
campagne, l’analyse prédictive isolera les segments réagissant
à l’identique, donnant lieu à des résultats similaires. Elle
repèrera, parmi les groupes en question, les attributs
essentiels à la définition du segment (achat spécifique réalisé
antérieurement, volume d’achats ou localisation géographique).
À partir de là, elle « reconnaîtra » tout visiteur correspondant
à ce segment et prévoira les retombées qu’il générera.
D’après une étude menée par Narrative Science, le quart
des entreprises recourt d’ores et déjà à l’analyse prédictive.
Cette même étude fait observer qu’elles sont 61 % à avoir
déployé l’intelligence artificielle, dont elles attendent quatre
avantages majeurs : identification d’opportunités commerciales,
automatisation de tâches répétitives, amélioration de la
productivité du personnel et capacité à soutenir la concurrence.
L'intelligence artificielle libère le véritable potentiel de l'analytics.
Analyse prescriptive
Ashley, spécialisée en merchandising, travaille sur une stratégie
pour atteindre son objectif de valeur moyenne de commande.
Elle compte sur les fonctionnalités d’analyse des tendances
de sa plate-forme d’analytics pour lui suggérer quelques dizaines
d’offres groupées à ses audiences les plus intéressantes. Ces offres
sont variées : accessoires d’hydratation pour la course en milieu
désertique, protections contre la pluie pour la côte Est, jeans
« skinny » pour les passionnés de mode. Très vite, elle s’aperçoit
que la plupart des offres groupées comportent trois articles
actuellement remisés pour écouler les stocks. Ashley organise
aussitôt une réunion avec Matt en vue de préserver l’état des
stocks, dans l’optique de les écouler durant le lancement en
se ménageant une marge plus confortable.
L’analyse prescriptive s’appuie sur des prévisions pour préconiser
la ligne d’action optimale. Par exemple, après avoir mis au jour
un segment réagissant quasi-systématiquement de la même
manière à une campagne donnée, c’est-à-dire en ajoutant
un article au panier sans jamais finaliser son achat, l’analyse
prescriptive suggérera le meilleur moyen d’inciter les visiteurs
à passer à l’étape suivante. Dans certains cas, cette incitation
peut être réalisée automatiquement — en temps réel.
Dans d’autres, les marketeurs étudieront et réfléchiront à la
ligne d’action.
5