Allopneus génère 15 % de CA en plus avec le ciblage prédictif

Allopneus génère 15 % de CA en plus avec le ciblage prédictif

Allopneus est le leader français de la vente de pneus en ligne avec 50 % de part de marché. La stratégie marketing d’Allopneus repose sur la recherche permanente d’une meilleure connaissance des visiteurs, pour optimiser au mieux leur conversion.

Dans cette optique, Allopneus a commencé dès 2012 à utiliser les leviers offerts par les pratiques d’optimisation de la conversion : d’abord de l’A/B testing pour améliorer l’ergonomie de leur site, puis dès 2014 une véritable stratégie de personnalisation.

Avec un nombre croissant d’acheteurs, il est devenu nécessaire pour la marque de segmenter son audience pour adapter son contenu, ses messages et ses offres aux besoins de chaque segment visiteur.

C’est dans le cadre de ce travail de personnalisation qu’Allopneus a identifié le segment « gros rouleurs » comme étant l’un des plus intéressants à cibler. Les « gros rouleurs » représentent en effet 10 % de l’audience Allopneus et 25 % du chiffre d’affaires.

L’enjeu pour la marque est de maximiser son chiffre d’affaires sur ce segment cible, sans dégrader la marge par ailleurs. Pour cela, Allopneus souhaite adresser aux « gros rouleurs » une offre de montage offert à domicile – sous forme de pop-in – afin de les pousser à l’achat.

Allopneus - Quelle segmentation pour votre projet de personnalisation ?

Cette offre est onhéreuse. Si on l’adresse à des visiteurs qui ne sont pas dans le segment cible, l’opération ne sera pas rentable. Il est donc crucial pour Allopneus de pouvoir identifier précisément qui appartient au segment des « gros rouleurs ».

Allopneus fait appel aux algorithmes de machine learning pour segmenter ses visiteurs

Pendant une période, la segmentation pour cette opération était faite manuellement. Depuis 2016, c’est à un algorithme de machine learning qu’est confiée cette tâche. Et les résultats sont très concluants.

Bruno Hetier, Allopneus - [Ebook] Optimiser son site e-commerce : 10 experts témoignent
« Nous avons souhaité aller plus loin que l’analyse traditionnelle de la connaissance client en nous appuyant sur les capacités prédictives des algorithmes de machine learning de Kameleoon. Les résultats sont probants avec des taux de conversion clairement plus élevés que lors de mêmes opérations menées manuellement. »

Bruno Hétier

Directeur Marketing Allopneus

Lors d’une première phase de configuration, on confie à l’algorithme les facteurs clés dont il a besoin pour déterminer la probabilité d’appartenance au segment « gros rouleurs ».

critères de segmentation allopneus

Ensuite, l’algorithme entre en phase d’apprentissage. Il collecte des données 24h sur 24 et 7 jours sur 7 et apprend du comportement, du contexte, de la provenance des visiteurs pour identifier des corrélations entre les gros rouleurs. Petit à petit il affine sa capacité de prédiction.

Lorsque les data scientists d’Allopneus estiment que l’algorithme est assez performant et qu’il surpasse les résultats manuels, on le lance. C’est la 3e étape : la phase de run.

Les résultats sont très bons pour Allopneus : 15 % de chiffre d’affaires en plus sur le segment visé, et +48 % de « gros rouleurs » identifiés par rapport à la segmentation manuelle.

Le détail de cette success story est consultable gratuitement, ne vous en privez pas !

success story Allopneus - ciblage prédictif

Catherine Fournier

Catherine est Content Marketer chez Kameleoon. Sa raison d'être : analyser tous les retours d'expérience de nos clients et consultants pour pouvoir vous partager les meilleures pratiques en optimisation de l'expérience utilisateur !