Comment passer au prédictif grâce aux algorithmes

Partager sur facebook
Partager sur twitter
Partager sur linkedin
Partager sur email

Par Cédric Hervet, Directeur Recherche Opérationnelle SOCIO Logiciels (groupe NP6)

Les Data Scientists le savent : ce qui est le plus « prédictif » d’une réaction positive à une communication provient plus des données comportementales du prospect que de ses données personnelles. Le contenu d’une communication peut ainsi rencontrer des intérêts parfois variés et transversaux aux grands segments de population, et qui dépendent de la période de l’année. Inversement, concrètement (et heureusement), ce n’est pas parce qu’on est une femme de plus de 40 ans qu’on est forcément intéressée par les parfums de luxe.

Casser la logique de segment permet donc de faire un premier pas vers le one-to-one en transformant la question « Quel(s) groupe(s) d’individu(s) serai(en)t intéressé(s) par cette campagne ? » en « Quels sont les individus dans ma base susceptibles d’être intéressés par cette campagne, qui traite tel sujet, en ce moment ? ». De cette façon, on va chercher, pour chaque campagne, les meilleurs candidats pour la recevoir à l’instant présent. Au lieu d’avoir des grands segments qu’on manipule simplement, chaque campagne aura son propre segment, son propre ciblage.

Scoring ou machine learning

Pour réussir cette transition, il est nécessaire d’obtenir des données de qualité et de créer les algorithmes capables de la travailler afin de prédire le comportement des prospects. La plupart des entreprises ont énormément progressé sur le premier point, notamment au travers de la mise en place de CRM performants, qui permettent d’identifier à la fois qui sont les clients/prospects de la marque (données sociodémographiques, éventuellement enrichies via l’open data), et surtout ce qu’ils font (historique d’achat, de connections, etc.). Plus la donnée est dé-silotée, plus il est possible de réaliser des jointures complexes et d’enrichir la connaissance que l’on a de l’individu. Aux Data Scientists d’effectuer ces regroupements pour construire un aperçu le plus complet et précis possible des prospects.

Une fois cette étape réalisée et automatisée, on peut s’attaquer à la prédiction, qu’on retrouve sous des noms divers tels que « scoring » ou « Machine Learning ». Pour cela, les algorithmes mathématiques bien connus des Data Scientists vont aller fouiller les données pour « apprendre » ce qui fera qu’un individu sera plus appétant qu’un autre à ouvrir ou cliquer sur une campagne en particulier.

L’enjeu du Data Scientist

Cette étape fait appel à des mathématiques poussées mais, assez étonnamment, elle n’est qu’une formalité quand l’étape de structuration des données a été réalisée correctement. On retrouve ici l’adage du « garbage in, garbage out » : aussi puissants que soient ces algorithmes, ils ne font pas de miracles et ne peuvent pas voir ce qui n’existe pas dans les données. Inversement, et c’est leur force, s’il y a un schéma caractéristique (ou « pattern ») des individus qui seront réactifs à une campagne, alors ces algorithmes les trouveront.

L’enjeu majeur pour le Data Scientist : avoir des données en entrée qui contiennent ces schémas pour pouvoir les découvrir. La donnée doit donc être réparée, corrigée, « imputée » quand elle manque et jointe quand elle est éparpillée dans l’écosystème « data » de l’entreprise. Il s’agira toujours du plus gros levier d’amélioration des prédictions.

Découvrez nos expertises en marketing prédictif

" Un moment de lecture à partager "
Partager sur facebook
Partager sur twitter
Partager sur linkedin
Partager sur email
GARDONS LE CONTACT

Inscrivez-vous à notre newsletter

* Champ obligatoire
LAISSEZ-VOUS TENTER...

Ces articles pourraient aussi vous intéresser

3 conseils pour faire de votre newsletter un véritable succès Email

3 conseils pour faire de votre newsletter un véritable succès

Véritable point d’entrée stratégique pour un site, la newsletter est depuis de nombreuses années le média idéal pour communiquer sur sa marque et fidéliser ses …

+ lire la suite
Le marketing automation pour dialoguer avec vos clients Email

#MonClientEtMoi – Le marketing automation pour dialoguer avec vos clients

Aujourd’hui, nous vous donnons des nouvelles d’Arnold. Bon, Arnold n’est pas en super forme. Et oui, les festins de fin d’année sont passés par là …

+ lire la suite
Email

Emailing B2B : Comment ajouter vos événements dans le calendrier de vos destinataires ?

Vous souhaitez planifier un rendez-vous dans l’agenda de vos collaborateurs, clients ou prospects directement depuis un emailing ? Intégrez simplement un bouton au sein de …

+ lire la suite