Le commerce prédictif, ou comment deviner les attentes du consommateur... avant lui

|
Twitter Facebook Linkedin Google + Email Imprimer

En analysant les données accumulées et les comportements du consommateur, les modèles prédictifs commencent à être employés dans le monde du commerce, renforcées par des technologies cognitives. Avec un but évident : cerner et surtout anticiper les demandes.

L'analyse du big data doit permettre une meilleure compréhension des besoins des consommateurs. De quoi leur proposer directement ce qu'ils recherchent...
L'analyse du big data doit permettre une meilleure compréhension des besoins des consommateurs. De quoi leur proposer directement ce qu'ils recherchent...© ML

Avoir une énorme masse de données sur ses consommateurs est un bon début pour toute entreprise. Mais savoir s’en servir, et les exploiter de manière optimale, c’est encore mieux. Voilà en substance ce qu’il est ressorti des discussions lors du sommet IBM Amplify 2016. Et la société américaine a mis sur la table un sujet qui fait parler de lui depuis au moins deux ans : le commerce et le marketing cognitif. Ou comment s’appuyer sur les data pour tenter de devancer les attentes, si possible avec l’aide de systèmes informatisées qui réfléchissent et apprennent tous seuls. De la science fiction ? Pas vraiment.  "Nous connaissons nos consommateurs mieux que jamais. Nous sommes assis sur une mine d’or" a souligné Harriet Green, vice-président  du pôle commerce d’IBM.

Si une personne - appelons la Florence - se découvre une nouvelle passion pour le vélo, les habitudes de consommation des nouveaux acheteurs de vélo pourront servir de base à des propositions ciblées, et une expérience utilisateur calibrée au plus juste. Si l'on ajoute à cela les données issues des réseaux sociaux (Florence va poster des photos ou commentaires de son vélo, de ses ballades, etc…), l’intégration et le traitement de ces flux doivent permettre de déterminer les attentes, et donc les besoins. Créant un nouvel avatar du big data, pour améliorer l’achat, mais aussi tout son environnement.

Une anecdote célèbre circule d’ailleurs au sujet du distributeur américain Target, qui a mis en place un outil de prédiction pour tenter de deviner, en fonction des courses effectuées, le moment où les femmes tombent enceintes. Il ne s’agit pas de signaler les achats de couches ou de petits pots, car l’exercice serait trop facile. Target est situé bien en amont, et a semble t-il réussi à créer un modèle qui repère la grossesse plusieurs mois avant la naissance de l’enfant, en observant les brusques changements d’attitudes, et quelques produits clés.

Mieux qu’une boule de cristal

Une adolescente de 16 ans a ainsi reçu chez elle des coupons de réduction pour des vêtements et lits de bébé, provoquant la colère de son père, choqué qu’un magasin incite son enfant, encore au collège, à tomber enceinte avec de telles offres. Suivent les plates excuses du directeur du magasin. Mais quelques jours plus tard, c’est le père qui se confond en excuses, car sa fille lui a finalement annoncé…être enceinte, ce que les algorithmes avaient repéré quasiment avant tout le monde. Pour y arriver, Target a mis en place depuis plusieurs années une cellule d’analyse statistique (lire l'article très complet du New York Times) dont le rôle est précisément de décrypter les agissements des clients, notamment avec les renseignements issus des cartes de fidélité.

Ces développements autour de la prédiction demandent des investissements conséquents pour traiter les immenses quantités de données accumulées. Et en la matière, IBM y adjoint son système d’intelligence artificielle Watson. "Nous investissons dans des systèmes cognitifs qui apprennent, et qui comprennent" souligne Kareem Yusuf, vice-président développement pour IBM Commerce. Avec un objectif clair et très terre à terre : permettre aux professionnels du marketing, du merchandising ou du e-commerce "d’apprendre, prévoir et guider l’engagement des consommateurs à chaque étape de l’acte d’achat".

Une marque comme The North Face travaille depuis peu avec Watson, et fonctionne comme un personnal shopper complètement virtuel et autonome. Pour la recherche d’une veste de montagne, Watson va ainsi demander l’usage principal (loisir, sport), le lieu d’usage (qui va être couplé avec la météo actuelle et/ou moyenne de l’endroit), etc., pour affiner la proposition finale grace à ce parcours intuitif.

Expédier un article avant même qu'il soit commandé ?

Basé sur les historiques –exactement de la même manière que les services météo, qui produisent des modèles tenant compte des conditions climatiques passées -, ces expériences prédictives font fantasmer le monde du commerce depuis plusieurs années, et pourraient profiter de l’intégration des technologies cognitives. Sans aller jusque là, Amazon est déjà très fort pour cerner les besoins, en faisant des suggestions d’achat complémentaires relativement bien ciblés aux visiteurs du site, grâce à ses propres algorithmes. Et en matière de prédiction, le géant du e-commerce avait beaucoup fait parler de lui (comme souvent) en 2012, avec le dépôt d’un brevet visant tout simplement à envoyer un colis… avant même que l’acheteur n’ait passé commande.  Comment ? En se basant une nouvelle fois sur les habitudes de consommation du client, ses achats passés et les visites effectuées, pour cerner ses besoins et les anticiper. Une véritable machine à voyager dans le temps. Qui est pour l’instant toujours dans les cartons.

Réagir

Pseudo obligatoire

Email obligatoire

Email incorrect

Commentaire obligatoire

Captcha obligatoire

Les cookies assurent le bon fonctionnnement de nos sites et services. En utilisant ces derniers, vous acceptez l’utilisation des cookies.

OK

En savoir plus
 
Suivre LSA Suivre LSA sur facebook Suivre LSA sur Linked In Suivre LSA sur twitter RSS LSA