Pour une expérience client optimale, il faut connaître les clients - l'IA y contribue

La qualité des produits n'aura-t-elle bientôt plus d'importance ? Certainement pas. Mais il devient de plus en plus important de savoir quelles sont les expériences que les clients vivent tout au long du parcours client, et ce dès la première fois qu'ils voient la marque ou le produit, tout au long du cycle de vie, jusqu'à l'achat ultérieur (espéré).

Car une récente étude de marché menée à l'échelle mondiale indique que 34 % des clients qui font une mauvaise expérience avec une marque ne reviennent jamais. En revanche, environ 40 pour cent seraient prêts à payer jusqu'à 20 pour cent de plus pour une meilleure expérience client. On voit bien le potentiel que cela représente - pour une forte croissance ou pour un méga-désastre commercial, selon les cas.

Pour acquérir des clients, les fidéliser à long terme et en faire de véritables clients haut de gamme, les entreprises doivent en savoir bien plus sur eux que leur adresse de facturation et leurs achats antérieurs. Qu'il s'agisse de B2C ou de B2B, une connaissance quasi prophétique et en même temps profondément psychologique du client et bien sûr de l'ensemble de la relation client est la condition de base d'un marketing réussi. Et il est essentiel que cette connaissance soit disponible en temps réel à tous les niveaux de l'entreprise lorsqu'un contact avec le client a lieu. Car l'expérience d'être réellement reconnu lors d'un contact, avec ses besoins, ses souhaits et ses problèmes, est imbattable. Dans le contact interpersonnel, cela peut déclencher un coup de cœur, dans le contact avec le client ... enfin, presque.

Les données sont à l'expérience client ce que la lumière des bougies est à un rendez-vous.

Les yeux en peluche ne sont pas l'instrument de séduction pour un contact réussi avec le client - mais l'utilisation professionnelle des données marketing, qui deviennent vraiment efficaces avec l'IA, a un grand potentiel pour établir et approfondir les relations. L'IA et la puissance de calcul du cloud sont nécessaires parce qu'il serait impossible de maîtriser autrement la masse de données qui renseignent en permanence sur la situation des clients à partir des sources les plus diverses. Et cela ne concerne pas seulement le département marketing, mais aussi la gestion des commandes, la distribution, y compris la logistique, le service après-vente, etc.

Une telle gestion des données nécessite une plateforme technologiquement avancée qui respecte toutes les règles de conformité et qui fournit en temps réel, à chaque contact avec le client, toutes les données nécessaires à une expérience client exceptionnelle. Mais avant cela, ces données doivent être collectées. Mais il ne sert à rien de les laisser pourrir quelque part dans le back-office. Elles doivent être utilisées intelligemment. Les données doivent donc être placées sur une plate-forme centrale de Customer Intelligence. Oracle propose par exemple une plate-forme permettant de fournir un meilleur service grâce à de telles données et à d'autres données de fournisseurs tiers et d'augmenter ainsi la confiance dans une entreprise.

Exemple de bonne pratique : Daimler Predictive Analytics

Dans le domaine des prédictions d'achat, l'exemple de meilleure pratique de Daimler vaut la peine d'être suivi bien au-delà du secteur automobile. "Lorsque nous avons décidé d'innover pour la première fois dans le domaine de l'analytique, nous voulions l'utiliser pour prédire les futurs acheteurs des modèles d'entrée de gamme de la Classe A", explique Daniel Pape, chef de projet senior chez Daimler. "Nous savions que nous devions utiliser l'intelligence artificielle pour tirer une réelle valeur de nos données". L'entrée dans le projet s'est faite par une combinaison de données provenant d'une part de la gestion de la relation client des succursales et d'autre part de la gestion des campagnes.

L'équipe d'analyse a creusé si profondément dans les données et examiné si minutieusement les clients de cet ensemble de données qu'il a été possible d'identifier certains d'entre eux qui possédaient déjà deux Mercedes Classe S et envisageaient d'en acheter une autre. Cela a été fait avec environ 100 000 données de clients berlinois. Une première série d'analyses a permis de réduire ce nombre à 5 000 acheteurs potentiels d'une Mercedes Classe A. En six semaines, on a ainsi trouvé des dizaines de clients potentiels qui seraient les plus susceptibles d'acheter un véhicule de classe A.

L'équipe de Daimler a commencé par le deep-mining des données, puis a utilisé la Business Intelligence (BI) et l'AI. Avec les fonctionnalités, on est revenu à la BI pour remettre en question les modèles. Une solution ouverte permettait ensuite de visualiser facilement les résultats. Grâce à cette combinaison, l'équipe a pu esquisser un client quasiment composite, propriétaire d'une classe S et susceptible d'acheter une Mercedes de classe A. Le client a ensuite été mis en relation avec le système d'information de l'entreprise.

L'IA imprègne l'expérience client tout au long du processus

La prochaine grande affaire pour l'entreprise est l'application de l'intelligence continue dans ses processus. Concrètement, cela signifie que Daimler obtient une boucle de rétroaction de l'IA, y compris sa relation avec les décisions des clients, de sorte que l'algorithme puisse apprendre de lui-même.

La question n'est pas seulement intéressante pour les constructeurs automobiles : quand et dans quelles circonstances un client est-il prêt à acheter à nouveau mon produit X - ou à faire une vente incitative ou croisée d'un autre produit ou service ? Il est clair que celui qui a des réponses un tant soit peu fiables dans son carquois peut considérablement augmenter la précision de ses mesures de marketing.

Mais le défi n'est pas trivial : si les entreprises échouent, c'est en premier lieu parce qu'elles ne pensent pas ou n'ont pas pensé suffisamment à long terme, a expliqué Rob Tarkoff, Executive Vice President Oracle Customer Experience Cloud & Oracle Data Cloud, dans une récente interview. "Beaucoup ont peut-être introduit un système CRM à court terme, une solution rapide à un problème aigu, mais ils ne l'ont pas relié aux solutions de back-office. Ou elles ont introduit l'e-mail marketing sans le relier à leur solution AdTech. Les entreprises qui pensent à plus long terme ont tendance à penser de bout en bout. Malgré toutes les tendances technologiques, une chose est toujours restée la même : le besoin de pouvoir stocker des informations en toute sécurité, de les gérer efficacement et de pouvoir s'y fier pendant des générations. Aujourd'hui encore, les données sont au centre des préoccupations - tout particulièrement dans l'économie de l'expérience - et constituent la base de l'intelligence artificielle".

Les signaux des clients, y compris ceux qui sont vraiment utiles et sur lesquels une entreprise peut compter, ne manquent pas. Les consommateurs utilisent des applications, des sites web, cliquent sur des annonces, appellent des centres d'appels, participent à des enquêtes, téléchargent un livre blanc... Le tout donne quelque chose comme un langage corporel numérique qui peut en dire long sur une personne. Tout cela est représenté dans ce que l'on appelle des graphiques, qui servent de base à l'IA pour les étapes suivantes, comme par exemple les recommandations d'achat.

Il s'agit d'en profiter - pour permettre aux clients existants ou potentiels de vivre cette expérience client de haut niveau qui sera décisive demain.