Marketing prédictif – Quand le « Big data » anticipe vos désirs

Big Brother vous dit : Consommez, obéissez, consommez, obéissez… Vous croyez que j’exagère ? Lisez ceci et considérez que ce n’est que le début… Bientôt vous n’y échapperez plus nulle part… Vous serez harcelés partout dehors, chez vous, vous serez scannés, analysés, surveillés pratiquement jour et nuit… Vous n’aurez même plus besoin de penser, big data le fera pour vous… Elle est pas belle la vie ?

On aurait pu titrer cet article  « Papotez et je saurai ce que vous voulez acheter »

Car ce dont il s’agit ici, à cette étape de notre voyage dans le nouveau marketing, c’est de marketing prédictif, c’est à dire de techniques qui permettent d’anticiper sur le comportement ou la demande des consommateurs avant même qu’ils n’expriment un besoin. Quand vous papotez, comme des centaines de milliers ou millions d’autres internautes avec vos proches sur les réseaux sociaux, ne croyez pas que ces conversations sont oubliées. Non, le contenu des réseaux sociaux est une nouvelle matière première.

Les nouveaux oracles lisent l’avenir dans le nuage

Nouveaux oracles, les spécialistes de cette discipline, les data scientists, donne un coup d’accélérateur : le nec plus ultra était récemment encore le marketing en temps réel (je réagis instantanément au comportement d’un client en lui faisant une offre en temps réel). Désormais, comme on le verra dans notre prochain article, le temps réel ne suffit plus, il faut anticiper et prévoir. Comment ?

Comme les pythies d’antan, les data scientists vont ausculter des données où le profane ne voit rien sinon que du « bruit » incompréhensible, donc inutile, les fameux Big Data.

Je vous propose si vous voulez revoir ce qu’est le big data et en quoi cela consiste de lire le premier article de notre série « Le big data et l’environnement« . Rappelons juste que le big data permet d’analyse en profondeur des volumes de données gigantesques.

téléchargement

Ses techniques mettent en relief des sens cachés dans le déluge de données, d’une manière inaccessible aux méthodes traditionnelles. Il fait apparaître des informations en montrant des corrélations, les mécanismes sous-jacents d’associations insoupçonnées et qui montrent les choses sous un angle nouveau et inattendu.

Pour mémoire le big data découle du fait que de manière permanente, nous ne cessons par nos actions de créer de l’information, explicite ou implicite, sur internet et ailleurs. sources-big-data

  Les différentes sources qui alimentent le fleuve de « l’infobésité »

Ainsi, le Volume d’informations publié dans le monde ne cesse de croître de manière vertigineuse. Une grande partie de cette information est « non structurée », c’est à dire qu’elle n’a été bien rangée dans des bases de données faciles à exploiter mais publiée en vrac sur Twitter, sur des blogs, sur facebooks, sur des sites marchands, via des téléphones, des sms, des ordinateurs, des tablettes et bientôt via toutes sortes d’objets connectés et communicants.

Scripta manent, verba volent

De ces « paroles qui s’envolent », de cette masse informe d’informations, stockée dans le nuage (cloud), on va chercher à tirer un profit : améliorer encore la connaissance des habitudes ou des tendances des consommateurs. Car c’est la  clé d’un marketing efficace. Bombarder des pubs à tout le monde est une dépense inutile, peu efficace et contre-productive car l’abus de pub ne peut susciter, au mieux, que l’agacement des consommateurs que nous sommes.

A première vue, si on prend par exemple, les informations laissées par les fans d’une page d’une grande marque sur facebook ou sur internet en général, il n’y a là qu’une masse de verbatims plutôt sans intérêt. Pourtant, le data scientist, lui, sait y détecter des informations cruciales. Passons sur les méthodes pour parler des résultats :

  • une marque de mode qui vend à distance se demande à quelle moment envoyer son catalogue « été » : plutôt que de le faire en fonction de la météo ou de la concurrence, elle peut décider de le faire à partir du moment où elle détecte que ses clientes sont prêtes. L’analyse des données issues des conversations de centaines de milliers de cliente qui pourtant ne parlent pas de la prochaine saison ni du prochain catalogue.
  • la marque détecte à quel moment les clientes sont dans l’état d’esprit favorable à recevoir des offres de maillots de bain et de sandalettes. Le data scientist détecte l’humeur « pro-vacances » et « soleil » et la marque envoie son offre d’été avant même que les clientes aient explicitement exprimé leur envie de produits estivaux.
  • une marque de mode qui travaille en tentant de « sentir le marché » peut passer du flair à l’analyse en identifiant dans quel sens vont les aspirations des clientes : faut-il pour la prochaine saison offrir des talons hauts ou plutôt des talons plats ? Les multiples conversations des clients qui parlent de chaussures ont réussi à une marque américaine à répondre à la question et ainsi réduire fortement son pari créatif et commercial.

Commentaires sont clos