the bride and groom with mobile in hand. Modern wedding with gadgets.
Les progrès dans le domaine de l’Intelligence Artificielle, et la démocratisation des plateformes permettant de créer des dispositifs intelligents, devraient sans nul doute transformer l’offre des logiciels de Marketing Automation. Après une introduction au Machine Learning, je vous propose de tenter d’anticiper ce que le Marketing Automation pourra demain faire pour nous, quand l’Intelligence Artificielle en sera le moteur.
L’Intelligence Artificielle est une branche de l’informatique qui vise à concevoir des algorithmes capables de résoudre des problèmes auxquels la programmation classique n’apporte pas de réponse satisfaisante. Les applications sont extrêmement variées, allant de la compréhension du langage naturel (Natural Language Understanding) socle technique des Chatbots, à l’optimisation des enchères de publicités.
L’illusion de l’intelligence est donnée par la capacité d’apprendre (Machine Learning) conférée à ces systèmes. Pour comprendre ce que cela signifie, prenons l’exemple de « l’analyse de sentiment ».
Ce qui est intéressant, c’est que les plateformes de Machine Learning comme celle de l’exemple ci-dessus existent aujourd’hui. Sans prétendre à l’exhaustivité, citons Could ML de Google et Amazon Machine Learning d’Amazon Web Services qui permettent toutes les deux faire l’analyse de sentiments décrite plus haut.
Les plateformes de Machine Learning permettent toutes de faire toute sortes de classements, et lorsque les cases de rangement sont connues et prédéfinies il s’agit du mode dit « supervisé ». Big Data est typiquement un exercice de classification de données hétérogènes et conséquentes dans des cases non connues à l’avance, et donc un traitement « non supervisé ».
Les plateformes de Machine Learning existent donc, et permettent de catégoriser des données, après qu’on leur ait appris à le faire ou par détection de schéma récurrents. Il n’est pas utile de rentrer plus avant dans l’ingénierie du Machine Learning pour appréhender ce qui suit, et un peu de bottom-up ne faisant pas de mal, nous pouvons maintenant tenter d’imaginer les utilisations que les plateformes de Marketing Automation pourraient proposer.
Exercice marketing par excellence, la décomposition et le regroupement des cibles en sous-cibles, que l’on adressera d’une manière identique, pourrait tout simplement s’opérer automatiquement, et non a priori. Sur la base des données d’interactions avec le site, avec les surfaces sociales et pourquoi pas avec le CRM, les profils au comportement similaire seront automatiquement regroupés.
La promesse ici est la détection automatique de ces comportements, en autant de personas. Comme aujourd’hui, ces segments pourront donner lieu à des mécaniques d’escalade d’engagement dédiées ou à une présentation de contenus spécifiques.
Plus l’apprentissage sera approfondi, et plus les segments seront réduits, avec une aysmptote qu’on a coutume d’appeler Account Based Marketing (ABM). Ce Marketing one-to-one entre la marque et le client est l’obsession d’Amazon qui a pour ambition de proposer « une home-page par utilisateur », via un système de recommandations de plus en plus temps réel.
Pour apprendre, il faut faire des erreurs. Il convient donc d’introduire des variations, afin que le système fasse ses propres tests A/B pour avoir suffisamment de matériau décisionnel.
En pratique, plutôt que de définir une séquence fixe de mails, à expédier lorsqu’un seuil est atteint, on donnera un jeu de mails au système, qu’il pourra expédier selon divers timings et vers différents segments afin de déterminer le plus performant pour atteindre le but fixé et proposer le parcours le plus convertissant.
Dans la même veine, le contenu pourrait être acheminé dans une fenêtre temporelle la plus propice pour un segment donné, ou une personne en particulier, tenant ainsi compte des particularités de chacun. Cette hyper-personnalisation permettra non seulement de choisir automatiquement le meilleur moment pour communiquer, mais pourquoi pas le meilleur support également, afin de proposer une expérience optimale.
Nos chers formulaires pourraient également bénéfier de cette technique avec une définition de champs annexes à ne proposer qu’aux visiteurs les plus susceptibles de les remplir. Aujourd’hui les techniques de Progressive Profiling visent le même but, mais nous parlons ici d’un ajustement automatique mené par le système, et non de règles écrites à l’avance.
Ce bon vieux Lead Scoring, qui actuellement permet de noter en continu un prospect afin de mesurer tel ou tel engagement, sur la base d’interactions qui donnent ou enlèvent des points (consultation de la fiche produit = +15, visite de la rubrique des postes à pourvoir = -5, etc.) pourrait également se transfigurer. Dans le prolongement de l’analyse de sentiments, nous pourrions définir les interactions à pondérer, transmettre un fichier avec le nombre de chacune d’elles issues de parcours réels et le résultat de la conversion en dernière colonne (Chiffre d’affaire du compte ou Création d’une opportunité par exemple), afin de générer un Lead Scoring qui optimise les conversions d’un funnel donné.
Cet acronyme fait référence à la faculté d’adaptation, non seulement à l’ensemble des interactions avec le système, mais également aux données externes comme par exemple la météo ou les actualités. Le contexte global est systématiquement réévalué, afin de proposer une expérience optimale.
Si cet article vous a plu, nous vous invitons à découvrir notre agence de Marketing Automation et à télécharger notre livre blanc « Placez le Marketing Relationnel au cœur de votre Stratégie d’Acquisition »