marketing data

L’amour dure 3 ans… Et vos données marketing ?

Avec les algorithmes d'intelligence artificielle, valorisez vos données marketing aussi longtemps que nécessaire sur un cycle d'achat court ou long.

Data Operations Director

Time to read5 minutes
14 février 2017

Pendant combien de temps une donnée client est-elle réellement utile ? Au-delà de l’aspect juridique, cette question est un élément clé de la performance de vos campagnes de communication. Certains marketeurs exploitent des bases de données datant des années 1950 (et ça marche !). D’autres considèrent qu’après 6 mois d’inactivité, un client est perdu. Difficile de s’y retrouver… Alors comment valoriser vos données dans le temps ? Et comment intégrer les innovations de ciblage marketing ? Voici de quoi remettre vos pendules à l’heure !

Quelle « date limite de consommation » pour vos données ?

Pour la plupart des e-marketeurs, la règle veut qu’au bout de 3 ou 6 mois sans action sur un site, un contact devienne inactif, puis inactif “profond” s’il ne fait aucun achat pendant 12 mois. Si la récence des données est toujours importante, les règles du jeu pour trier clients actifs et inactifs ne sont pas toujours les mêmes. En effet, à l’heure du retargeting et de la segmentation hyper-ciblée, 3 jours peuvent suffire pour qu’une donnée soit périmée. À l’inverse, certaines informations sont toujours utiles après plus de 3 ans. Qu’en est-il du marketing prédictif ?

Les solutions de ciblage innovantes comme Tinyclues permettent de dépasser le seul critère de récence. Elles considèrent tous vos clients comme des cibles potentielles a priori. Qu’ils soient catégorisés en « actifs » ou en « inactifs », ils sont pris en compte dans les analyses des algorithmes et peuvent recevoir une offre pertinente, même après plusieurs mois d’inactivité sur votre site.

Dans tous les cas, plus il y a d’historique, plus les algorithmes ont du grain à moudre et donnent leur pleine mesure. Pour cela, mieux vaut adapter la durée de l’exploitation des données à la réalité business de chaque industrie. La pertinence de la donnée dans le temps dépend alors du cycle d’achat naturel des clients, qu’il soit de 3 jours ou de 3 ans.

Cycle d’achat court : cette donnée s’autodétruira dans 10 secondes…

Lorsque l’activité est rythmée par un cycle d’achat court et que l’offre est renouvelée régulièrement, l’exploitation de telles données est très compliquée pour un marketeur, surtout s’il n’a pas à sa disposition de solution de marketing prédictif. En l’occurrence, la solution Tinyclues le permet aisément. En effet, elle dépasse les simples agrégats historiques (nombre d’achats, de clics, etc.) et est auto-apprenante. Ses algorithmes d’intelligence artificielle sont capables d’apprendre en autonomie sur la donnée :

  • ils prennent en compte la volatilité des achats de vos clients ;
  • ils intègrent naturellement dans leur analyse l’évolution de votre offre produits, dans toute sa variété ;
  • ils recalculent chaque jour automatiquement et sans a priori ou règles imposées les variables explicatives les plus représentatives des comportements d’achat sur votre site.

Pour fonctionner ainsi, la technologie de Tinyclues a besoin de profondeur de données. En effet, pour des produits culturels, cosmétiques ou textiles, les prédictions sont difficiles du fait de la volatilité de l’offre et de la diversité des achats de chaque client. Les algorithmes ont donc besoin de remonter dans le temps (par exemple 24 mois) pour bien caractériser vos clients dans toute cette diversité de produits et de comportements. Tinyclues vous permet ainsi de cibler vos clients à partir de leur appétence implicite, ce qui complète la mise en place de règles simples qui suffisent à proposer des produits alimentaires ou des consommables (comme les cartouches d’encre) où le réachat est facile à déterminer à partir de 2 ou 3 occurrences.

Cycles d’achat longs : la machine à remonter le temps

Pour un voyage, un appareil électroménager ou d’autres achats rares, les cycles d’achat naturels sont plus longs. Les e-marketeurs ont donc besoin de remonter plus loin dans le temps pour analyser les comportements des clients. L’habitude veut que l’on se limite souvent à une seule année de données pour effectuer des comparaisons avec l’année précédente. Il est temps de changer radicalement cette habitude : les données « fraîches » restent indispensables, mais plus vous serez capables de remonter dans le temps, plus vous serez capable de qualifier finement vos clients en captant les signaux implicites liés à l’ensemble de leur comportement.

Si vous voulez présenter de nouvelles offres pertinentes à vos clients, ou trouver une nouvelle audience pour vos produits existants, vos données doivent couvrir un minimum de 2 cycles d’achat. En fait, c’est la combinaison de votre historique et de vos données les plus récentes qui permet aux algorithmes de Tinyclues de faire des merveilles. Ils étudient d’abord le comportement de vos clients sur un historique profond pour construire les variables explicatives. Ils vont ensuite se baser sur vos données récentes (30 jours) pour identifier les look-alikes des acheteurs récents à partir de ces variables explicatives..

Pourquoi adopter cette méthode ? Parce que les avantages sont doubles :

  • Vous élargissez la cible d’un produit au-delà des personnes l’ayant acheté l’année précédente. C’est la fin de l’effet tunnel Y-1 : par exemple, en prenant en compte à la fois l’historique profond et les données récentes, Tinyclues a permis de multiplier très significativement le nombre de réservations enregistrées par ses clients de l’industrie du voyage.
  • Vous différenciez vos cibles en fonction du timing de l’achat ou de la saisonnalité des offres. Pour une offre de voyage aux États-Unis, Tinyclues permet de cibler naturellement les early bookers – qui achètent leur séjour 6 mois à l’avance – et les last minute bookers – qui l’achètent une semaine avant – en fonction du moment auquel vous réalisez le ciblage sur votre plateforme !

La règle des 12 mois (ou 3, ou 24…) a fait son temps ! Avec les algorithmes d’intelligence artificielle et d’apprentissage profond de Tinyclues, vous pouvez prendre en compte naturellement les cycles d’achat, la saisonnalité et les signaux implicites des comportements de vos clients. Valorisez vos données aussi longtemps que nécessaire, et surtout… ne perdez pas une seconde pour tester les méthodes Tinyclues !

You might also like