L'analyse prédictive comme outil pour augmenter l'efficacité du marketing

La capacité croissante de collecter et de stocker des données a fourni aux entreprises des capacités améliorées pour l'analyse rétrospective et en temps réel. Maintenant, nous pouvons tracer des modèles et tirer des conclusions sur les échecs afin de ne pas marcher sur le même râteau. Ou nous pouvons identifier les solutions les plus réussies et répéter notre succès.

L'analyse prédictive est toujours plus efficace que l'analyse rétrospective ou en temps réel sur le long terme, tout comme la prévention est plus efficace que les soins médicaux d'urgence. L'analyse rétrospective est essentiellement une autopsie - une analyse d'une erreur qui ne peut être réparée. L'analyse en temps réel est une ambulance qui répond ici et maintenant, et l'analyse prédictive est une médecine préventive qui vous sauve de la maladie en premier lieu.

Comme l'a dit Thomas Davenport, personne n'a la capacité de collecter et d'analyser les données du futur. Mais nous avons la possibilité de prédire l'avenir en utilisant les données du passé. C'est ce qu'on appelle l'analyse prédictive, et en fait, de nombreuses entreprises l'utilisent déjà. Vous pouvez utiliser les données du passé pour :

1. calculer la valeur vie client (CLV). Cet indicateur vous aidera à comprendre la valeur qu'un client apportera à votre entreprise tout au long de sa vie, y compris les revenus futurs.
   
2. développer des recommandations optimales basées sur les données de comportement des utilisateurs de votre site Web.
   
3. prédire quels produits ou services un client est susceptible d'acheter à l'avenir.
   
4. prédire l'attrition des clients.
   
5. élaborer un plan et des prévisions de ventes au cours du prochain trimestre/six mois/année.

Tous ces éléments sont des formes simples d'analyse prédictive. Examinons les méthodes d'analyse prédictive populaires.

On peut identifier les étapes suivantes de la modélisation prédictive :

• Collecte de données primaires
• Formation de modèles statistiques
• Prévision
• Vérifier/réviser le modèle au fur et à mesure que des données supplémentaires deviennent disponibles

Les modèles prédictifs analysent le comportement passé d'un utilisateur pour évaluer la probabilité qu'il présente un certain comportement à l'avenir. Ce type d'analyse implique également des modèles qui trouvent des modèles subtils dans les données, comme pour détecter la fraude.

Souvent, les modèles prédictifs effectuent des calculs immédiatement lorsqu'un utilisateur passe par l'entonnoir de conversion avant d'effectuer une action de conversion, par exemple pour évaluer la probabilité qu'un utilisateur atteigne un objectif. Avec des données précises sur la probabilité d'une transition d'une étape de l'entonnoir à une autre, une entreprise peut mieux gérer les facteurs qui empêchent ou aident les utilisateurs à se déplacer dans l'entonnoir et peut décrire plus précisément les modèles de comportement des différentes catégories de clients.

L'utilisateur moyen a environ 50 applications sur son smartphone. Chacun d'eux reçoit, transmet et génère des données. Ces données sont stockées dans différents services et dans différents formats. Bien qu'à première vue, cela puisse sembler un facteur positif pour les spécialistes du marketing, travailler efficacement avec un tel volume de données structurées et non structurées est un problème.

Examinons quelques exemples d'entreprises qui ont appliqué avec succès les résultats de l'analyse prédictive.

… pour recommander des produits et services aux utilisateurs en fonction de leur comportement passé. Selon certains rapports, de telles recommandations rapporteraient jusqu'à 30 % des ventes d'Amazon. De plus, Amazon envisageait de développer un outil qui, sur la base de prévisions, livrerait les produits dans les zones où les commandes étaient attendues avant même que ces commandes ne soient passées sur le site, réduisant ainsi le temps de livraison des marchandises aux clients.

L'équipe de Macy's a profité de l'analyse prédictive pour un marketing direct plus précis. En l'espace de trois mois, l'entreprise a augmenté ses ventes en ligne de 8 % à 12 % en capturant des données sur les catégories de produits consultées par les utilisateurs et en envoyant des e-mails personnalisés en conséquence.

… pour cibler des clients potentiels, attirer des prospects et conclure des affaires. Ils identifient les clients potentiels les plus précieux qui sont prêts à effectuer un achat. Ensuite, un commercial contacte directement ces clients potentiels et les guide tout au long du processus de vente pour trouver l'offre la plus appropriée.

StitchFix est un autre détaillant avec un modèle de vente unique basé sur les prévisions.
Lors de l'inscription à StitchFix, les utilisateurs remplissent une enquête sur leur style. Ensuite, des modèles d'analyse prédictive sont appliqués pour offrir aux clients les vêtements qu'ils sont le plus susceptibles de vouloir. Si les clients n'aiment pas les vêtements qu'ils reçoivent, ils peuvent les retourner avec la livraison de retour gratuite.

… et fournir préventivement les informations nécessaires sur la manière de les conserver. L'IA de Sprint prédit ce que veulent les clients et leur propose des offres lorsqu'ils risquent le plus de quitter l'entreprise. Depuis l'introduction de ce système d'intelligence artificielle, le taux de désabonnement de Sprint a chuté et les clients ont attribué à l'entreprise d'excellentes notes pour un service personnalisé et des offres ciblées. Comme vous pouvez le constater, la prévision du taux de désabonnement des clients est une tâche réalisable pour l'analyse prédictive parmi les entreprises SaaS et de commerce électronique.

Voici une liste des mesures les plus populaires dans le cadre de l'analyse prédictive :

1. Taux de sortie des clients (taux de résiliation)
   
2. Prévision du plan de vente
   
3. Valeur vie client
   

L'introduction de l'analyse prédictive est impossible sans la coopération des départements marketing et analytique, la compréhension des objectifs de l'étude et l'ordre établi dans les données. L'analyse prédictive se déroule comme suit :

1. Définissez votre hypothèse
   
2. Collecter des données en interne et en externe pour construire un modèle
   
3. Définir des métriques pour mesurer la précision de votre modèle
   
4. Utilisez un service prêt à l'emploi ou développez le vôtre :
   1. Créer un MVP
      
   2. Former le modèle en termes de paramètres de manque de précision pour obtenir une version de travail stable
      
   3. Créer une interface ou un rapport
      
   4. Mettre à jour ou recycler le modèle pour répondre aux nouvelles exigences
      

Au stade de la collecte des données, assurez-vous d'avoir mis en place des analyses de bout en bout, car sans elles, la mise en œuvre d'analyses prédictives est généralement inefficace.

Le pourcentage de décisions commerciales basées sur l'analyse marketing a atteint un sommet au début de 2019 (en tenant compte des données des six dernières années) selon le rapport CMO Survey: Spring 2019 de Deloitte. Selon une étude de MarketsandMarkets, le marché de l'analyse prédictive passera de 4 milliards de dollars à plus de 12 milliards de dollars en 2022

Un intérêt pour l'analyse marketing en général - et pour l'analyse prédictive en particulier - encourage les entreprises à développer des solutions et des services faciles à utiliser qui rendent l'analyse prédictive plus accessible aux entreprises.

Voici quelques-uns de ces services :

• Un produit OWOX BI qui aide les entreprises à atteindre leurs objectifs marketing et à croître 22 % plus vite que la moyenne du marché.
  
• Leader du classement printemps et été 2019 de G2 Crowd dans les catégories « Logiciels marketing – analytics » et « Logiciels d'analyse en e-commerce ».
  
• Envoie des prévisions sur la mise en œuvre de votre plan marketing directement sur votre e-mail.
  

OWOX BI :

• Combine des données marketing provenant de diverses sources, les rendant disponibles pour analyse dans Google BigQuery.
  
• Détermine la valeur de l'étape de chaque utilisateur à l'aide de son propre modèle d'attribution basé sur l'entonnoir.
  
• Génère automatiquement des rapports pour analyser l'efficacité du marketing.
  
• Montre comment votre plan de vente sera mis en œuvre, quels sont vos domaines de croissance et vos faiblesses, et comment votre part de marché évolue.
  

Vous pouvez essayer OWOX BI dès maintenant en utilisant la période d'essai gratuite :

Vous pouvez en savoir plus sur OWOX BI dans notre article sur la façon de prédire les zones de croissance et les risques dans un plan marketing basé sur les données.

Les modèles prédictifs proposés par Infer vous aideront à combiner toutes vos sources de données pour obtenir une image complète de la position de vos prospects dans l'entonnoir de vente. Infer suit les signaux provenant de sources en ligne et de bases de données publiques, puis crée des modèles prédictifs basés sur les comptes principaux précédents et les règles que vous avez définies. Les données obtenues par Infer seront utiles aux spécialistes du marketing et aux spécialistes de la vente à la fois pour trouver des prospects susceptibles de se convertir en clients à l'avenir et pour optimiser l'entonnoir de vente dans son ensemble.

Radius fournit plusieurs services d'analyse de données axés sur le marketing B2B prédictif. Les fonctionnalités clés incluent :

• Radius Customer Exchange (RCX), qui compare le profil de votre entreprise avec celui d'autres entreprises qui ont le même public, vous donnant la possibilité de travailler ensemble et de créer vos propres listes de marketing.
  
• Radius Connect : envoyez des données prédictives à Salesforce.
  

La plate-forme Radius aide également les spécialistes du marketing à échanger des données entre les services et à trouver de nouveaux comptes dans des bases de données internes. Comme Infer, Radius est un système basé sur le cloud.

Basé sur les règles de la modélisation prédictive, BOARD fonctionne dans une interface adaptative avec des tableaux de bord en temps réel.

Cela signifie que vous pouvez modéliser différents scénarios et analyser les résultats possibles sans avoir à créer un nouveau modèle à chaque fois.

BOARD est livré avec plusieurs connecteurs intégrés, ce qui vous permet d'extraire des données de presque toutes les sources : votre système ERP, votre base de données cloud, votre cube OLAP et même des fichiers plats. Vous pouvez également transformer vos prévisions en applications personnalisées à l'aide des outils de BOARD.

TIBCO Data Science est un produit relativement nouveau, annoncé en septembre 2018. Créé en tant que plateforme unique, TIBCO Data Science combine les capacités des générations précédentes de services de TIBCO : TIBCO Statistica, Spotfire Data Science, Spotfire Statistics Services et TERR.

Le service Data Science aide les organisations à innover et à résoudre des problèmes complexes plus rapidement, en convertissant rapidement les prévisions en solutions optimales.

SAS détient 33 % du marché de l'analyse prédictive et 40 ans d'expérience ; ils offrent aux utilisateurs des capacités avancées d'analyse de données basées sur de nombreux éditeurs visuels. La principale fonctionnalité de SAS Advanced Analytics est basée sur des graphiques, une carte de processus automatique, du code intégré et des règles de temps automatiques.

Selon les avis des utilisateurs, SAS Advanced Analytics fait un excellent travail de prévision et d'analyse du mouvement global et peut traiter de grands ensembles de données relativement rapidement. SAS propose des démonstrations gratuites de ses produits et une base de connaissances pour vous aider à commencer à les utiliser.

Ce logiciel vous permet d'automatiser la création de rapports basés sur des intervalles de temps. Vous pouvez importer vos propres ensembles de données et les exporter vers d'autres programmes grâce à plus de 60 intégrations intégrées.

Les extensions offrent une plus grande flexibilité (détection d'anomalies, traitement de texte, web mining), mais peuvent ne pas être incluses dans le prix de base de l'abonnement

Bien que RapidMiner ait été créé pour les data scientists, il est facile à installer et à utiliser.

IBM SPSS utilise la modélisation et l'analyse des données basées sur des statistiques. Ce logiciel fonctionne avec des données structurées et non structurées. Il est disponible dans le cloud, localement ou via un déploiement hybride pour répondre à toutes les exigences de sécurité et de mobilité.

Vous pouvez utiliser vos données existantes pour créer des modèles prédictifs dans l'éditeur visuel SPSS et les tableaux de bord de modélisation. La prise en charge premium des données non structurées inclut la technologie linguistique et le traitement du langage naturel, ce qui vous permet d'inclure des données provenant de réseaux sociaux et d'autres sources textuelles dans vos modèles.

SAP HANA fournit des bases de données et des applications localement ou dans le cloud. Ce logiciel réduit le temps nécessaire pour créer des modèles avec des connecteurs supplémentaires pour les grands ensembles de données externes et des visualisations intuitives.

Vous pouvez également connecter des bibliothèques d'analyse prédictive (PAL) à SAP HANA pour obtenir des informations supplémentaires à partir de grands ensembles de données. Pour les industries centrées sur le client, ce logiciel propose une analyse des données textuelles et des médias sociaux pour prédire le comportement futur des clients et recommander des produits en fonction du comportement passé.

SAP HANA est compatible avec le langage de programmation R, vous n'avez donc pas besoin d'apprendre un nouveau langage pour configurer vos requêtes. Lorsque votre système intègre suffisamment de données internes, les modèles prédictifs fournissent automatiquement de nouvelles informations.

L'analyse prédictive en marketing est un puissant outil de science des données dont les capacités ne peuvent être couvertes dans un seul article. Faites-nous savoir dans les commentaires sur quels aspects de l'analyse prédictive vous aimeriez en savoir plus dans nos prochains articles.

Pour rappel, voici les trois commandements de l'analyse prédictive :

• Commencez par les bases : vérifiez la qualité de vos données et collectez-les automatiquement pour éliminer les erreurs humaines. La qualité de votre modèle entraîné dépend de la qualité de vos données d'entraînement.
  
• Ne vous éloignez jamais du but de votre recherche, car ce n'est pas le processus qui compte, mais le résultat.
  
• Respecter les exigences de précision. N'oubliez pas que les résultats de vos prévisions ne peuvent être validés qu'en mesurant la précision du modèle éprouvé lorsqu'il est appliqué à vos données.
  

Modélisation prédictive
L'importance de l'analyse prédictive pour les magasins de commerce électronique
Un guide complet sur l'analyse prédictive
Top 10 des outils d'analyse prédictive, par catégorie
Prévision des revenus à l'aide de l'analyse prédictive : une étude de cas interactive
Une introduction à l'analyse prédictive
TOP 24 DES LOGICIELS GRATUITS D'ANALYSE PRÉDICTIVE
20 meilleurs logiciels d'analyse prédictive de 2019
Outils d'analyse prédictive
Logiciel d'analyse prédictive
Modélisation prédictive
Outils d'analyse prédictive
Des idées à l'action - Pour de vrai cette fois
7 façons dont Amazon utilise le Big Data pour vous traquer (AMZN)
Amazon veut utiliser l'analyse prédictive pour offrir une expédition anticipée
Fidélisation des clients : Macy's utilise l'analyse prédictive pour augmenter les dépenses des clients
L'analyse prédictive en 2019 : ce qui est possible, qui le fait et comment
Comment utiliser l'analyse prédictive pour de meilleures performances marketing
Prévision des revenus à l'aide de l'analyse prédictive : une étude de cas interactive
Démystifier l'analyse prédictive