Pourquoi le big data devient une nouvelle arme de fidélisation

Inventé dans les années 2000, le concept du marketing one to one redevient d'actualité. Les technologies du big data autorisent enfin à envisager des contenus totalement personnalisés grâce à des analyses statistiques complexes sur de très larges volumes de données.

Il est cinq à dix fois moins cher de conserver un client existant que d'en conquérir un nouveau. Les techniques utilisées par les cybermarchands pour améliorer la fidélité de leurs clients sont bien connues : personnaliser et générer un site en fonction du profil client, proposer des articles pertinents pour faire du cross-selling et, enfin, relancer le client avec des réductions très ciblées, par exemple.Les grands portails internet, les réseaux sociaux, mais aussi les sites de jeu en ligne, sont de gros consommateurs de technologies d'analyse prédictive, et les innovations qu'ils ont créées frappent aujourd'hui à la porte des sites marchands. “ Le big data représente une prise de conscience que la donnée est devenue un actif de l'entreprise, explique Pascal Gaussen, directeur Smarter commerce Europe du Sud. Les données ne servent à rien, l'important est de les transformer en information. Avec notre offre Coremetrics, le marchand aura la possibilité d'étudier le comportement d'achat des internautes sur son site, d'améliorer son taux de transformation. ” IBM a, pour cela, lourdement investi tant dans le matériel avec Netezza que dans le logiciel avec les acquisitions de SPSS, Algorithmics, Unica, et encore Varicent pour répondre à ce type d'attentes. L'approche n'est pas largement adoptée, loin de là. “ Le comportemental, pas plus de 10 % des entreprises le pratiquent, confesse Pascal Gaussen. Le problème, ce n'est plus les outils, mais les hommes. ” IBM propose ces services analytiques en mode externalisé, et de multiples start up se sont positionnées sur ce marché de l'analytique.

Optimiser les campagnes publicitaires

Pour les sites d'e-commerce, l'application numéro un des technologies analytiques reste l'optimisation des campagnes publicitaires, un poste de dépense capital pour les marchands. Un ancien de Yahoo, Benjamin Rey, a fondé C-Optimal, société spécialisée dans l'optimisation et l'analyse de données pour les cybermarchands : “ On sait tout des visiteurs d'un site, leurs interactions marketing avec les bannières, les mots clés. Mais il y a trop d'informations pour pouvoir prendre des décisions concrètes. La méthode choisie analyse l'intégralité de ces données des campagnes, les croise avec les données comportementales du site et fait une modélisation qui associera le comportement sur site et la suite de supports qui y amènent ce visiteur. ” Ces analyses aideront les marchands à arbitrer leurs investissements publicitaires, en fonction des profils clients visés et des supports.C-Optimal s'appuie notamment sur les données collectées par Eulerian Technologies. Pour le cas client (anonyme) présenté lors du dernier congrès big data, l'analyse portait sur 100 millions d'interactions pour 5 millions de visites sur le site marchand en question. Pour faire tourner le modèle statistique mis au point, un seul serveur ne suffisait pas, le modèle ne comptait pas moins de 4 431 dimensions. Le prestataire a choisi de les faire tourner dans le cloud. Avec Amazon EC2, les données étaient analysées après quatre heures de traitement sur une architecture big data de type Hadoop. C-Optimal met au point les modèles statistiques, Eulerian Technologies se charge de collecter les données. “ On est Ad centric, c'est-à-dire tout ce qui concerne l'acquisition de trafic, la façon dont tous les leviers interagissent pour avoir le trafic le plus optimisé, adapté à la stratégie marketing, en fonction des réactions des internautes ”, explique Mathieu Jondet, cofondateur de la start up. Parmi ses clients, 3Suisses, Brandalley, Darty, Govoyages.

Le temps réel, alternative au big data ?

Stéphane Bout, directeur général de Casino Information Technology, prévient : “ L'approche pose le problème de la volumétrie des données. Chaque jour, nous collectons dans nos points de vente 30 millions de lignes de tickets de caisse. Or, une analyse sur une journée n'est pas très intéressante. Pour dégager des données qui nous aideront à faire des propositions pertinentes, des mois de tickets de caisse sont nécessaires. Pour cela, il faut mettre en place une architecture capable de faire face à cette volumétrie. ” Face à la montée explosive des volumes de données à analyser, quelques éditeurs proposent l'analyse temps réel. “ Le volume des données double tous les dix-huit mois, s'alarme Jean-Luc Bernard, président de Netwave, Et même si les coûts de traitement baissent, nous allons vers un big data crash ! On s'est dit qu'il valait mieux que la donnée ait un sens non certain, mais à un coût 20 fois inférieur. ” La technologie proposée par Netwave, l'analyse situationnelle inductive, exploite le flux de clics de l'utilisateur, les tags placés dans les pages pour dire, avec un taux d'incertitude décroissant, s'il s'agit d'un profil CSP+ (catégorie socioprofessionnelle), quels produits lui conseiller. “ On a besoin de cinq à six clics pour comprendre vos attentes ”, conclut Jean-Luc Bernard. Cette approche temps réel figure aussi chez les éditeurs de moteurs de recherche. Sinequa, Fact-finder ou encore Autonomy voient les leurs mis à profit par les marchands pour suggérer des catégories de produit et, donc, améliorer le taux de transformation de leurs sites : “ Si, au début des années 2000, tous les projets de one to one marketing ont échoué, c'est que les marchands devaient entretenir des armées d'analystes pour gérer les milliers de règles marketing qui s'appliquaient en parallèle ”, explique Guillaume Brandenburg, responsable des ventes d'Automony à l'international. L'éditeur, récemment acheté par HP, pousse sa technologie IDOL auprès des marchands : “ IDOL comprend les contenus, les interactions entre humains et contenus. Cette sémantique nous permet d'offrir un contenu propre au contexte de l'utilisateur, que ce soit en assistance de saisie, en navigation par facette, pour recomposer le contenu du site en fonction de cet utilisateur. ” IDOL est notamment utilisé sur la boutique B to B de Lyreco, ou encore sur les sites marchands de Carrefour. Que ce soit en temps réel ou grâce au big data, le one to one marketing devient peu à peu une réalité.