Quelle stratégie data pour une meilleure performance cross-canal?

À l'heure du big data, la donnée shopping est devenue un élément clé des stratégies marketing et publicitaires online et offline. Les possibilités de ciblage qui en découlent permettent de répondre aux attentes des clients, intentionnistes ou prospects de manière personnalisée, donc plus efficace. Encore faut-il voir clair dans le flux de données généré et se doter des bons outils afin de collecter, traiter et sélectionner la data utile pour entrer en contact avec les clients, répondre à un objectif business spécifique ou encore réconcilier online et offline.

Même si les investissements dans les stratégies data ont progressé, ils sont encore souvent considérés comme un poste de coût. Peu de patrons ont vraiment conscience de leur impact stratégique, observe François Ziserman, président de Target2Sell, société spécialisée dans la recommandation : "Quand on demande à un distributeur l'impact du digital sur son activité, il cite en général la part de l'e-commerce dans son chiffre d'affaires. C'est une faute de raisonnement fondamentale, car tous les clients cherchent et achètent à la fois dans les magasins physiques et dans le digital. L'impact du digital est souvent supérieur à 50%."

Bien mesurer l'impact des usages sur les ventes en magasin

Les annonceurs ont aussi du chemin à faire sur les mutations en cours : "90% des ventes restent réalisées dans les magasins physiques. 2017 sera la première année où les gens passeront plus de temps sur le digital que devant la télévision, et le mobile occupe la majorité de ce temps. Il est donc crucial de bien mesurer l'impact du mobile sur les ventes en magasin. Cet élément n'est pas encore assez pris en compte par les annonceurs", souligne Grégoire Gimaret, responsable retail de Facebook France.

La croissance des usages sur mobile change la donne. "Sur un smartphone, on lance désormais une recherche quand on a un moment à occuper et plus forcément pour chercher quelque chose de précis. Peu importe si on achète ou pas le produit, ou si on l'achète un mois plus tard en magasin", note Olivier Barth, responsable avant-vente EMEA chez RichRelevance. Au lieu des traditionnels taux de satisfaction ou de transformation, cette société américaine de personnalisation omnicanale préfère parler du score de "findability" ou "découvrabilité" d'un site car l'expérience utilisateur aura un impact significatif sur l'augmentation du taux de conversion, le montant du panier moyen, l'ajout au panier, la réduction du taux de rebond, la fidélité client... Autre point à surveiller : plus les écrans se réduisent, plus les retailers doivent soigner la présentation de leur offre online et concentrer les recommandations autour de deux ou trois produits.

Montée en puissance des applications de services

Pour aider les enseignes à relever ces défis, les prestataires qui travaillent sur la personnalisation et la recommandation ont développé des applications de services spécialisées dans des métiers ou des cas d'usage. Elles se greffent brique par brique sur les systèmes existants et jettent des passerelles avec le monde vieillissant, en commençant à reconstruire des stratégies autour d'un ID client et en faisant parfois le lien avec les informations des sorties de caisse ou les cartes de fidélité...

Les cookies installés sur les sites permettent de lancer la recommandation produit et la personnalisation des images. Le tri des pages proposées au visiteur d'un site fixe ou mobile est une autre manière de lier l'offre à la demande ou de faire découvrir la profondeur d'un site. " Les performances du tri sont supérieures à celles de la simple recommandation de produit. Il peut s'adapter à différents scénarios, dans le SAV ou avec le CRM. Peu de clients font pour le moment le lien avec le CRM mais ce sera une source importante d'amélioration du système ", estime François Ziserman.

Target2Sell a fait du temps réel un axe de différenciation sur le marché de la recommandation : "Pour tenir la charge sur les périodes de forte fréquentation, de nombreuses plateformes apportent des réponses préconstruites et donnent finalement la même information à tous les visiteurs. Nos solutions en temps réel répondent de manière personnalisée aux requêtes en 50 millisecondes quand nombre de sites d'e-commerce se satisfont d'un délai de réponse de 1,5 seconde...", détaille-t-il. Au moment des soldes, toutes les pages d'accueil d'Auchan sont délivrées par Target2Sell, ce qui déleste le système de l'enseigne.

Le machine learning pour des solutions dynamiques

Avec sa solution Recommend, qui intègre du machine learning, RichRelevance propose aux enseignes de construire leurs propres algorithmes. Ils s'appuient sur 125 stratégies déjà éprouvées et sur les données les plus pertinentes pour chaque interaction client à travers le Web, le mobile, l'e-mail, le magasin ou le centre d'appel. Le moteur pousse les bannières qui ont le plus de chances de transformer. Les modèles se recalculent plusieurs fois par jour, afin d'adapter très vite la stratégie. Les clients peuvent aussi s'appuyer sur leur propre connaissance du marché pour pousser leurs actions.

Aux États-Unis, wine.com a par exemple intégré des informations d'oenologues qui ne figuraient pas à son catalogue. " Cette stratégie qui ramenait de la connaissance produit dans notre outil est celle qui a le mieux transformé. C'est aussi comme cela que certaines marques peuvent se distinguer de la concurrence ", fait valoir Olivier Barth.

L'outil Find, lancé en octobre par le groupe, fournit pour sa part des résultats de recherche personnalisée basés sur des comportements d'achat réels. Il s'adapte au parcours de chaque client pour faire ressortir les produits les plus pertinents sur tous les terminaux en connectant le public aux produits qu'il a l'intention d'acheter. Côté utilisateur, la recherche s'affine au fur et à mesure de la saisie. Côté enseigne, il est possible de promouvoir, filtrer ou cacher des produits dans les résultats de recherche.

Les Gafa en embuscade

Les Gafa veulent aussi se tailler la part du lion du business cross-canal. Facebook a lancé plusieurs solutions, notamment Store Visit, un outil de notoriété locale qui permet de personnaliser les campagnes. "L'annonceur peut voir en temps réel le nombre de visites en magasin en réponse à sa campagne Facebook. Le volume de visites est estimé à partir des infos des magasins indiquées sur Facebook, croisées avec les données des personnes qui ont activé la géolocalisation et des enquêtes réalisées auprès de groupes restreints de visiteurs en magasin", explique Grégoire Gimaret. Renault a ainsi généré 10 000 visites dans 100 concessions mises en avant, avec un coût par visite deux fois moins élevé que les autres canaux. En avril 2016, 12 % des gens qui avaient cliqué sur une publicité Leclerc sur Facebook se sont rendus en magasin dans les sept jours. L'application Offline Conversion peut être connectée aux données de transaction (CRM, sorties de caisse...) et mesurer les conversions online et offline.

Spécialiste du shopper média, Media­performances a noué un accord avec Google autour d'un dispositif drive-to-store s'appuyant sur Google Display Network. Il est intégré, depuis janvier, dans sa solution Actimédia. " Par sa puissance et sa capacité à cibler les profils orientés sur la grande consommation, les intentionnistes, les affinitaires..., Google était un partenaire évident pour aller chercher du contact utile et une couverture additionnelle aux campagnes télé ", note Élise Maingueneau, directrice marketing et communication. Quand la campagne pousse une bannière, Google Maps ouvre une fenêtre et indique le magasin le plus proche où le produit est disponible.

La data one-to-one, une promesse encore en devenir

Le développement des solutions drivées par la data, conjugué à la poursuite de la digitalisation des magasins physiques à travers des bornes ou des beacons, laisse-t-il entrevoir l'arrivée prochaine d'une véritable data one-to-one? Même si on se rapproche d'un référentiel unique autour du client, ce Graal n'est pas encore pour demain... Les enjeux autour de la maîtrise des données illustrent déjà les rapports de force autour de cette promesse marketing extrêmement forte. Si la distribution rechigne encore à partager ses données, le secteur prend progressivement conscience de l'intérêt de s'en servir pour travailler avec des partenaires.

La promesse d'une relation one-to-one entre une marque et ses consommateurs n'est d'ailleurs pas forcément utile dans tous les secteurs. "Dans la grande consommation, il est déjà intéressant de pouvoir faire du one-to-many ou du one-to-few. Le one-to-one n'aurait pas forcément de sens car il faut surtout lever des volumes importants", remarque Élise Maingueneau. Pour la distribution spécialisée, les évolutions seront peut-être plus rapides, surtout si des business cases parviennent à mettre en avant de véritables bénéfices pour les acteurs.