Conquérir l’attention et le porte-monnaie du nouveau consommateur : pour Matthieu Chouard, vice-président et directeur général EMEA de RichRelevance, une plateforme de personnalisation est déterminante pour disposer d’« une mémoire du client » qui peut être exploitée en temps réel, afin d’assurer au consommateur un parcours simple et cohérent d’un appareil ou d’un canal à un autre. A ce stade, l’exploitation du Big Data, du machine learning et de l’analyse prédictive semblent inévitable.
Les acteurs innovants du marché, qui ne sont souvent éloignés que d’un clic, ont pénétré chaque sous-secteur de la vente de détail, engendrant ainsi une bataille plus féroce que jamais pour la conquête de l’attention et du porte-monnaie du consommateur. Le magasin d’aujourd’hui tient dans la main et se transporte dans la poche ou le sac à main. L’acheteur 24/7 a un accès continu aux marques et aux canaux de vente pour acheter, marquer son intérêt et exprimer ses opinions. L’expression « le consommateur a toujours raison » revêt un niveau d’intensité totalement nouveau. Satisfaire le consommateur à chaque point d’interaction est devenu un élément clé du champ de bataille concurrentiel.
Le nouveau consommateur
Lorsqu’on se demande comment s’est construit le paysage du monde numérique que nous connaissons aujourd’hui, quelques leaders mondiaux viennent à l’esprit : Amazon, Apple, Google et Facebook. Alors que ces entreprises répondent à des besoins de consommateurs totalement différents, ils partagent quelques similitudes essentielles. Ils ont positionné et valorisé leurs marques grâce à la création d’expériences utilisateur uniques et caractéristiques. Par définition, les services et produits créés par ces quatre innovateurs peuvent tous être décrits comme centrés sur le consommateur et simples d’utilisation. Ces innovations ont ainsi modelé les attentes du nouveau consommateur, et il s’attend (et souvent exige) que chaque interaction, achat et requête de recherche, soit fluide, intelligente et simple.
Un commerce sans frontière
Selon une étude 2016 de Forrester (“Real-Time Data Drives the Future of Retail” janvier 2016) : « Les consommateurs ne différencient pas leur expérience d’achat par canal, et si les commerçants veulent prospérer à l’ère du consommateur, ils doivent s’aligner sur le client, et pas sur le canal. Ceci signifie que les sociétés ont besoin de comprendre les consommateurs sur tous les points de contact. Intégrer l’expérience digitale dans les magasins, tirer parti des données clients exploitables en temps réel pour contribuer à augmenter la « life time value » de chaque client, est vital pour offrir une expérience client exceptionnelle. »
La personnalisation est justement l’art de supprimer toute friction à chaque point de contact avec le consommateur. Elle permet au détaillant d’avoir « une mémoire du client » qui peut être exploitée en temps réel, assurant ainsi au consommateur un parcours simple d’un appareil à un autre. Grâce à la personnalisation, le site internet d’un commerçant saura quels produits auront suscité l’intérêt d’un consommateur sur son smartphone quelques minutes auparavant. Les vendeurs en magasin auront également ces informations au bout des doigts.
Pour rassembler tous ces canaux et les différentes sources de données clients, les commerçants ont besoin de s’appuyer sur une plateforme de personnalisation sophistiquée qui leur permettra de rester dans la course de l’omni-canal et d’innover rapidement. L’ensemble des données nécessaires à alimenter la vente personnalisée d’un commerçant moderne dépasse le téra-octet et approche le péta-octet pour les gros détaillants. C’est pourquoi une plateforme de personnalisation pour un commerce de détail moderne exige une architecture technique reposant sur des technologies Big Data innovantes pour traiter à la volée de tels volumes de données. Cette architecture sera composée de six couches, chacune jouant un rôle essentiel pour une expérience client novatrice :
Couche 1 : Données. Cette couche comprend les données collectées ainsi que l’infrastructure nécessaire à leur stockage. Etant donné les volumes et la variété des données concernées, les entrepôts de données devant être utilisés dans cette couche sont des bases de données modernes spécifiquement conçues et affinées pour travailler avec des Big Data semi-structurés et capables de fonctionner à des vitesses élevées. Ce sont des entrepôts de données tels qu’Hadoop HDFS, Cassandra, Riak, MapDB, H-Base. Cette couche peut aussi inclure des bases de données traditionnelles tels que MySQL ou PostgreSQL et également des bases données en colonnes dédiées au reporting et au décisionnel.
Couche 2 : Traitement. Cette couche fournit un environnement de calcul puissant utilisé pour préparer les données servant non seulement aux algorithmes de machine learning mais aussi à l’exécution des applications et aux outils de reporting. La personnalisation du commerce de détail nécessite que les modèles algorithmiques soient recalculés plusieurs fois par jour. Plusieurs technologies de calcul de pointe telles que MapReduce, Spark et GPU-Based Neural Network, peuvent être exploitées dans cette couche.
Couche 3 : Algorithmes de machine learning. La puissance de cette couche dépend du niveau de recherche de l’équipe de data science qui a créé la plateforme. Cependant, de bons algorithmes ne suffisent pas. Une architecture intelligente doit combiner des modèles prétraités et rafraîchis plusieurs fois par jour avec des algorithmes supplémentaires qui prennent des décisions en temps réel et sélectionnent l’algorithme optimal pour personnaliser l’expérience de chaque consommateur qui interagit avec la plateforme.
Couche 4 : Services. Cette couche offre un accès transparent aux modèles, aux données et aux informations analytiques. Les services dans cette couche qui doivent être ouverts et documentés sont exploités par l‘ensemble des applications de la cinquième couche. Plusieurs de ces services doivent être exposés au travers d’un jeu d’API, véritable boîte à outils pour l’innovation du commerce de détail. Elles doivent pouvoir être utilisées quel que soit le point de contact (applications mobiles, centre d’appels, magasins…) afin de tirer parti de n’importe quel service de la plateforme et d’interroger n’importe quel data store en temps réel.
Couche 5 : Applications. Il y a plusieurs catégories d’applications de personnalisation types qui existent nativement dans une telle plateforme. Citons par exemple la personnalisation de la recherche et de la navigation, la personnalisation de contenu et de produit. C’est dans cette couche qu’une interface étendue de configuration et de contrôle doit être proposée pour une facilité de configuration et d’ajustement par le commerçant.
Couche 6 : Accès. La sixième couche donne aux utilisateurs l’accès à la plateforme à partir de n’importe quel appareil connecté. La plateforme doit permettre la personnalisation des expériences d’achat des clients, que ce soit lors de la navigation sur des sites d’e-commerce à partir d’un ordinateur, d’une tablette ou d’un smartphone, lors de l’achat à partir d’une application mobile, lors de l’interaction via une application de clienteling dans un magasin, dans les emails, lors de séances de ‘chat’ avec des agents de services clients ou en utilisant des salons d’essayage intelligents du magasin.
Une plateforme de personnalisation moderne doit être puissante en offrant les meilleurs algorithmes de prédiction pour anticiper les besoins des consommateurs. Elle doit être également facile à administrer et à personnaliser par des utilisateurs non techniciens pour permettre rapidement la création de campagnes ou la mise en place de règles marketing. Elle doit opérer en temps réel pour surveiller le comportement des clients et agir pour améliorer l’expérience client instantanément. Enfin, elle doit entièrement ouverte, ce qui la rend facile à intégrer et rapide à déployer, notamment pour des prototypages. Elle devient ainsi un véritable moteur d’innovation pour l’entreprise.
