Apprentissage automatique et analyse prédictive en B2B
Publié: 2017-08-01Il y a un peu plus de trois ans, j'ai écrit une série d'articles sur les pressions exercées par la vente au détail en ligne sur les magasins traditionnels. Des mastodontes du passé, comme Borders, à ceux à risque aujourd'hui comme Sears, les entreprises qui n'ont pas réagi aux grands changements dans les attentes des consommateurs ont fermé leurs portes ou ont du mal à les garder ouvertes.
Soyons juste, cependant. Le commerce de détail physique n'est pas voué à l'échec. C'est une pièce du puzzle dans le monde omnicanal. Ce n'est tout simplement plus la pièce maîtresse. Les entreprises qui réussissent portent une attention particulière aux données clients, apprennent ou prédisent quelles seront les actions de leurs clients et propulsent l'expérience client à un tout autre niveau. Un niveau qui est la nouvelle référence pour être compétitif et réussir dans le commerce de détail.
Et si vous êtes dans l'espace B2B, j'espère que vous faites attention.
Au cours des 20 dernières années, j'ai aidé de nombreuses entreprises à mettre en place des sites B2C et B2B. Les défis sont différents à certains égards, mais les attentes de ceux qui interagissent avec un site convergent depuis des années. Et à mesure que des entreprises comme Amazon continuent de se développer dans le monde B2B, vous pouvez être sûr que la demande pour une expérience « plus intelligente » augmentera.
La plupart des entreprises de l'espace B2B utilisent l'analyse Web pour suivre les bases ; pages vues, visiteurs, taux de rebond et mesures similaires. Aujourd'hui, c'est la barre basse.
La véritable valeur qui peut être extraite de la manière dont les clients interagissent avec un site ne se cache pas dans un obscur rapport Google Analytics. Il est enfoui dans la richesse des données qui peuvent être collectées à partir des interactions avec les clients. Pour les petites et grandes entreprises, le monde de la science des données peut être intimidant et savoir par où commencer peut laisser tourner la tête.
Mais ignorez cela à vos risques et périls.
OK, donc une discussion complète sur la science des données va au-delà de ce qui est possible dans un blog, mais voici quelques points clés que tous dans l'espace B2B devraient connaître :
- Il est essentiel de pouvoir réagir rapidement et avec précision aux changements de comportement des clients. L'époque où vous preniez une semaine ou plus pour parcourir les rapports et déterminer ce que vos clients veulent est révolue depuis longtemps.
- L'analyse prédictive et l'apprentissage automatique sont là pour rester et les entreprises qui utilisent ces techniques déjoueront celles qui ne le font pas.
- Votre plateforme de commerce peut ou non être en mesure de rassembler toutes les données dont vous avez besoin. C'est une pièce du puzzle et il y a d'autres sources à considérer.
Alors, comment les entreprises B2B peuvent-elles utiliser l'analyse prédictive et l'apprentissage automatique ? Voici quelques cas d'utilisation que j'ai vus :
Classement client
Comprendre les tendances comportementales des clients et les regrouper avec des clients similaires peut être un moyen efficace de concentrer les efforts de marketing et de marchandisage. Une classification que la plupart ont probablement vue est le "client VIP", mais trop souvent, les entreprises B2B décident simplement, en utilisant une seule métrique, ce qui constitue un VIP. Une implémentation que j'ai vue classe simplement tout client qui a acheté plus de 100 $ en tant que VIP et a placé un petit badge sur le profil en ligne du client. Ce n'est pas vraiment une classification; c'est plus proche de la gamification qui donne au client une sorte de sentiment d'accomplissement et, espérons-le, renforce sa fidélité.
La classification réelle est basée sur un ensemble de caractéristiques de données mesurées sur l'ensemble de l'activité récente des clients. En d'autres termes, que quelqu'un soit un vrai client VIP ou non, cela va changer par rapport au comportement de l'ensemble de la clientèle.
Connaître la classification des clients et pouvoir utiliser un modèle de classification pour prédire un groupe auquel un nouveau client est susceptible d'appartenir peut grandement aider à déterminer les promotions à montrer à un client lorsqu'il est sur le site ou par e-mail. Dans une récente mise en œuvre d'apprentissage automatique que nous avons effectuée pour une entreprise B2B, nous avons regroupé les clients en plusieurs segments en utilisant des données d'une période récente :
- Client VIP : le niveau le plus élevé de clients en fonction de la valeur des conversions et du nombre de conversions.
- Shopper engagé : un grand nombre de visites, un panier actif, de nombreuses vues de produits et au moins une conversion.
- Lèche-vitrine : Plusieurs visites, de nombreuses vues de produits
Cette information n'a pas été partagée avec le client - ce n'est pas une distinction publique, c'est plutôt une indication interne de la façon d'interagir avec un client. Le fait de disposer de ces informations permet aux spécialistes du marketing d'afficher des promotions ciblées sur le site lors d'une visite. Par exemple, si un client tombe dans la classification "Acheteur engagé" et a un panier actif qui est au-dessus de l'AOV, un coupon pour la livraison gratuite ou une remise pourrait être affiché pour déplacer cet acheteur vers la conversion.
Il est également important de noter que les modèles ne sont pas statiques. Ils doivent être recalculés fréquemment. Dans la mise en œuvre récente, les modèles recalculaient toutes les quelques heures pour s'assurer qu'ils étaient aussi actuels et aussi précis que possible.
Placement prescriptif de produit et de contenu
Il existe de nombreuses raisons pour lesquelles le comportement d'achat peut changer. La saisonnalité est l'une de ces raisons. D'autres raisons pouvant entraîner des changements de comportement à court terme sont la météo, les actualités, les pénuries et les promotions des fabricants. L'utilisation de modèles pour détecter les conditions « en dehors des attentes » et ajuster le merchandising du site pour répondre aux anomalies urgentes devient de plus en plus courante. Cette technique peut être utilisée pour modifier les résultats de recherche, le placement des éléments de la page d'accueil, le placement des éléments de catégorie et guider les utilisateurs vers des informations sur le produit lorsqu'une recherche d'un produit concurrent est effectuée.
Un produit donné est-il plus performant lorsqu'il est visible en haut de la page d'accueil ? Certains le font, d'autres non. Être en mesure de détecter le placement optimal des produits compte tenu d'un historique récent d'activité, comme les conversions et les ajouts de panier, peut être réalisé grâce à l'apprentissage automatique. Lors de l'introduction d'un nouveau produit, des modèles similaires peuvent être utilisés pour prédire un meilleur placement pour des performances optimales en fonction des attributs du produit.
Améliorer la personnalisation
La personnalisation sur la plupart des sites B2C a encore un long chemin à parcourir. Et sur les sites B2B, c'est encore balbutiant. Bien qu'il soit possible de regrouper les acheteurs dans une cohorte et de leur montrer des articles similaires, l'apprentissage automatique permet de réduire la taille de ces cohortes, approchant ainsi une expérience plus unique pour votre client B2B. Cela peut être particulièrement percutant lorsqu'il y a plusieurs acheteurs B2B d'un même client.
Pour commencer à évoluer vers une expérience plus unique, des modèles d'apprentissage automatique peuvent être développés en commençant à un niveau élevé, puis en progressant vers des niveaux plus granulaires qui fournissent des informations uniques sur un client.
Par exemple, en commençant par la géolocalisation comme facteur, un vendeur B2B d'équipements CVC industriels devrait proposer des produits différents pour les clients du Minnesota par rapport à ceux de la Floride. Les saisons d'achat ne sont pas seulement différentes, mais des événements en Floride, comme un ouragan imminent, peuvent influencer le comportement d'achat à court terme. Un modèle bien conçu peut aider à repérer ces changements et à alerter le spécialiste du marketing B2B des changements qui peuvent nécessiter une modification du merchandising du site pour une région géographique.
De plus, une entreprise pourrait développer des modèles capables de prédire l'ordre de tri optimal des résultats de recherche pour un client, les produits et catégories idéaux à présenter pour eux, ainsi que des promotions suggérées en fonction de leur comportement récent.
En résumé
C'est une période fascinante pour travailler dans le commerce et avec les données en particulier. La convergence de l'informatique en nuage à faible coût et l'abondance de données disponibles à partir d'une multitude de sources (dont la moindre n'est pas le site B2B d'une entreprise) et fournissent beaucoup d'intelligence exploitable avec un investissement d'un ordre de grandeur inférieur à une décennie il y a. Cela met non seulement cette technologie à portée de main, mais la place également au cœur de vos relations avec vos clients et de la gestion de votre entreprise.
Ceux qui ignorent l'appel aujourd'hui seront probablement les frontières de demain.