[HUBFORUM] Keynote Allopneus : le machine learning appliqué à la personnalisation
« En 2018, no AI = no ROI »
C’est par ces mots qu’Emmanuel Vivier, cofondateur du HUB Institute a ouvert mardi dernier le HUBFORUM. L’intelligence artificielle est un sujet qui fait parler. Entre ceux qui fantasment de robots futuristes et ceux qui crient à l’« I.A. washing », où est la réalité ? https://www.youtube.com/watch?v=jo4bbQUQIQ4 Comme l’a fort sagement fait remarquer notre président Jean-René Boidron lors de sa conférence au HUBFORUM, l’utilisation de l’expression d’I.A. washing lui rappelle furieusement la façon dont les années 90 parlaient d’« e-business washing ». Du jour au lendemain, de nombreux business se sont déclarés « e-business » sans réalité derrière. Nombre d’entre eux ont depuis disparu. Et pourtant, poursuit-il, l’e-business a bien irradié l’ensemble de l’économie depuis les années 2000. Pronostic ? L’intelligence artificielle appliquée à la personnalisation est amenée à se généraliser auprès des marketeurs, et c’est dès maintenant qu’il faut embarquer !
« Dans 5 ans, vous ne vous poserez plus la question de la pertinence des algorithmes prédictifs pour personnaliser votre site » - Bruno Hétier, Directeur marketing Allopneus
Très concrètement, qu’est-ce que l’I.A. appliquée à la personnalisation ?
« Aujourd’hui les visiteurs d’un site laissent derrière eux une quantité phénoménale d’informations à exploiter pour personnaliser leur expérience en temps réel. » - Jean Noël Rivasseau, CTO Kameleoon
Si nous sommes aujourd’hui capables d’analyser ces données pour segmenter les audiences, la priorité est désormais de parvenir à activer toute cette data en temps réel, pour proposer à chaque segment une expérience personnalisée. C’est là qu’intervient l’intelligence artificielle, appliquée à la personnalisation. Les algorithmes prédictifs de Kameleoon, alimentés par le machine learning, permettent de traiter la volumétrie et la complexité des données en temps réel pour identifier le segment optimal pour une offre donnée.
Quoi de mieux qu’un exemple d’application pratique pour comprendre ?
Bruno Hétier, directeur Marketing d’Allopneus, était présent à la conférence aux côtés de Kameleoon, pour illustrer par un cas très concret l’application de l’I.A. aux problématiques marketing. Allopneus est le leader français de la vente de pneus en ligne. L’entreprise a identifié le segment des « gros rouleurs » (les conducteurs qui font plus de 30 000 km par an) comme étant une des cibles contribuant le plus au chiffre d’affaires et à la marge. Ils représentent 10 % du trafic et 25 % du chiffre d'affaires de la marque. L’objectif d’Allopneus est d’identifier qui sont les visiteurs qui appartiennent à ce segment pour leur proposer une offre les incitant à passer à l’achat. Si Allopneus parvient à identifier précisément ce segment de gros rouleurs, il sera possible de leur proposer une offre uniquement ciblée pour eux (en l'occurrence le montage à domicile offert). L’enjeu est double :
- ne pas réduire la marge en poussant l’offre auprès de personnes qui auraient acheté de toutes façons ou qui ne sont pas des gros rouleurs.
- ne pas dégrader la marque en poussant l’offre auprès de visiteurs qui n’achèteront pas, quoi qu’il arrive.
Le problème ? Jusque-là Allopneus segmentait manuellement ses visiteurs, il était donc impossible d’identifier en temps réel qui appartenait à ce segment. La solution ? Utiliser des algorithmes de machine learning pour calculer la probabilité qu’un visiteur soit un « gros rouleur », grâce à la prise en compte d’un très grand nombre de données, afin de cibler l'offre avec une grande précision. Découvrez en détails comment la personnalisation (I.A.) de Kameleoon a permis à Allopneus de multiplier par 5 son ROI sur son segment visiteur clé. Toute la conférence est à voir (ou à revoir) : https://www.youtube.com/watch?v=jo4bbQUQIQ4 Si l'application concrète de l'I.A. et du machine learning à la personnalisation vous intéresse, téléchargez notre ebook Personnalisation (I.A.), et trouvez vos futurs clients grâce aux algorithmes prédictifs.
