Prenons un exemple avec cet arbre de prédiction généré sur un site de ecommerce :

Comment l’interpréter ?

Le rouge représente une forte probabilité d’achat (plus le rouge est foncé, plus la probabilité est élevée).
Le bleu représente une forte probabilité de non-achat (plus le bleu est foncé, plus la probabilité est élevée).

Le premier point à gauche représente 100 % de la population, une première division se produit avec la variable total_order_amount.

D’un côté, nous avons les personnes dont le total des achats (tout l’historique de leurs achats) ne dépasse pas les 25 €, et qui ont peu de probabilité de faire un achat (bleu foncé) ; de l’autre, les personnes dont le total des achats est supérieur à 25 € et qui sont plus susceptibles de faire un achat (bleu clair).
Parmi cette dernière catégorie, celles qui étaient récemment dans l’entonnoir ont plus de chances de faire un achat (cercle rouge clair) et parmi ces personnes, celles dont la dernière visite remonte à moins de 28 jours sont encore plus susceptibles d’effectuer un achat (cercle rouge très foncé).

Et pour les personnes dont la 1e visite date de plus de 28 jours, nous pouvons voir que celles qui ont consulté moins de 22 pages ont peu de chances d’acheter, sauf si le total des pages vues est inférieur à 55 et si elles ont consulté récemment 4 pages.

Cependant, celles qui ont vu plus de 55 pages et en ont vu moins de 8 récemment ne feront aucun achat

Etc., etc. en suivant les embranchements.

Leçons à retenir

• La variable la plus prévisible est le montant total de commande – elle doit être prise en compte lorsque vous créez vos segments.
• Une présence récente dans l’entonnoir d’achat modifie (sans surprise) de manière drastique la probabilité – d’où l’importance de récupérer les paniers abandonnés
• Le nombre de vues des pages est un indicateur de probabilité d’achat et dépend de la date de la dernière visite (nous pouvons en déduire qu’il existe une sorte de ratio qui détermine si une personne a l’intention d’acheter en fonction de la date de leur première visite, du nombre total de vues de pages après, et du nombre de vues de pages récentes).
  Vous devez donc créer un segment pour chaque embranchement rouge tout à droite de l’écran pour trouver tous les visiteurs avec une intention d’achat (ou approfondir les recherches sur le ratio pour créer une nouvelle variable de score et simplifier les choses par la suite)
• Les autres variables prévisibles à considérer sont recent_view_product et recent_view_category. Vous pouvez voir que plus les valeurs sont élevées, moins l’achat est probable – sans doute parce que ces visiteurs naviguent sans trop savoir ce qu’ils veulent, à l’inverse de ceux qui regardent juste quelques produits et catégories et sont plus susceptibles d’acheter rapidement

Si vous avez un peu de connaissances en marketing online, vous savez qu’activer les données client en temps réel est un thème récurrent dans les conversations, mais rarement dans les faits. Ceci est dû au fait que le marketing en temps réel dépend de la capacité de la marque à :

1. Identifier les messages et canaux marketing qui génèrent les meilleurs taux de conversion
2. Agréger des données d’audience, les comparer aux insights et créer des segments pertinents
3. Gérer des vues client à 360 degrés, qui incluent les comportements client online et offline sur tous les appareils

Tout ceci doit être réalisé en une fraction de seconde pour réellement stimuler l’engagement utilisateur avec le bon contenu et au bon moment, et influencer leurs décisions d’achat.

En coulisses, on trouve des solutions de gestion des tags (TMS) et plateformes de gestion du consentement qui doivent toujours être actives, traitant les données en temps réel. C’est pour cette raison que je les ai exclues de cet article, mais il est important de noter que la solution TagCommander est considérée comme la TMS la plus rapide du marché. C’est d’ailleurs la rapidité de notre solution qui nous a récemment permis de signer un nouveau partenariat avec le deuxième acteur mondial du secteur du tourisme en ligne.

Les produits de notre suite que les marketeurs utilisent pour faciliter le marketing en temps réel sont MixCommander, DataCommander et notre petit dernier, FuseCommander. Ces outils gèrent respectivement l’attribution, l’activation de données et la réconciliation d’identité, et augmentent l’efficacité de vos campagnes marketing en vous aidant à mieux comprendre ce qui intéresse vos clients (ainsi que les combinaisons de canaux qui génèrent les meilleurs taux de conversion) pour vous permettre en temps réel de segmenter vos audiences et proposer des messages personnalisés pertinents.

Du point de vue du marketing mix, il est indispensable que les marques qui gèrent des budgets marketing importants puissent déterminer en quelques heures qu’une campagne obtient bien les résultats attendus. Les marketeurs ont donc besoin de données immédiates pour identifier ce qui fonctionne (ou non) et réaliser des changements à la volée. Au-delà  des données de performance des campagnes en temps réel, MixCommander propose aussi une réconciliation cross-device – autrement dit, cette solution peut identifier un utilisateur unique à partir de ses différentes interactions avec vos publicités online et offline sur divers appareils. Cette fonctionnalité fournit des données plus précises sur le parcours client et l’impact de chaque canal et/ou partenaire – et ces données en temps réel permettent aux marketeurs d’améliorer leur ROI en optimisant les dépenses pour chaque canal.

Comprendre et exploiter les médias publicitaires qui génèrent le plus de conversions est une part importante de l’équation. De la même manière, il est vital d’agréger des audiences similaires, notamment leurs centres d’intérêt et comportements, et d’importer ces données dans vos outils d’orchestration marketing pour une activation en temps réel. Cette opération est possible grâce à DataCommander, qui collecte de manière transparente les comportements utilisateur, les standardise et crée des profils pertinents, puis envoie ces données à vos plateformes d’orchestration des campagnes en tant que segments destinés au reciblage.

Les données qui arrivent sur la plateforme DataCommander sont normalisées, regroupées et soumises à des standards très stricts pour éviter le fameux effet « Garbage In, Garbage Out » – le but étant d’aider les marketeurs à minimiser les erreurs qui pourraient nuire à leurs efforts de personnalisation.

La dernière brique de l’équation d’activation des données en temps réel consiste à créer des profils à 360 degrés destinés à fournir aux marketeurs une vision d’ensemble de l’historique d’achat d’un client, ses habitudes de navigation, son utilisation d’applications mobiles et son exposition à des campagnes antérieures, quels que soient les appareils et navigateurs web utilisés. C’est le rôle de FuseCommander, qui ouvre ainsi la porte à des expériences marketing réellement one-to-one.

Commanders Act possède une longueur d’avance sur ses concurrents en matière d’activation des données en temps réel, car son équipe R&D a commencé à incorporer cette fonctionnalité dans sa stratégie produits il y plusieurs années. Les produits Commanders Act peuvent être utilisés ensemble comme suite d’outils ou de manière indépendante en conjonction avec le stack MarTech existant d’une entreprise.