Intelligence artificielle Relation clients : viser le long terme

Pour approfondir le sujet

Sur le même thème :

Intégration de l’IA dans le Retail et les CPG : un potentiel sous-estimé selon une étude de RELEX Solutions

Une étude récente menée par RELEX Solutions, un éditeur finlandais de solutions unifiées de planification de la chaîne d'approvisionnement et de la vente au...

Données de santé artificielles : une nouvelle ère pour les essais cliniques

Les données artificielles en santé ouvrent de nouvelles perspectives en permettant d'accroître la puissance des essais cliniques, d'effectuer davantage de tests dans un...

Tinashe Mutsvangwa prend la tête du nouveau département data science de l’IMT Atlantique

Grande école d’ingénieurs généralistes relevant du ministère de l'économie, des finances et de la souveraineté industrielle et numérique, IMT Atlantique annonce confier la direction...

L’OCDE annonce une mise à jour de ses Principes sur l’IA

La Réunion du Conseil de l'OCDE au niveau des Ministres (RCM) de 2024 s'est déroulée les 2 et 3 mai derniers au siège de...

Relation clients : viser le long terme

Connaître ses clients est un atout indéniable et un véritable avantage concurrentiel pour une entreprise. Pour parvenir à une stratégie orientée clients, les entreprises doivent les engager dans une relation de long terme.  

Une stratégie orientée clients

La quête de la connaissance individuelle de chaque client est une priorité. La recherche de la contextualisation du comportement de ces derniers par des facteurs exogènes en est une autre. En effet, cette dernière permet d’apporter une information complémentaire éclairant le comportement du client. Cet exemple venant des États-Unis en est une belle démonstration : une entreprise vendant des pizzas s’est aperçue que ses algorithmes de prévisions d’achats étaient de très bonne qualité sauf depuis deux ans pendant quinze jours toujours à la même période sur un point de vente particulier. Rien de concret n’expliquait ce phénomène. Après enquête, il s’est avéré que c’était dû à des travaux sur le parking qui n’étaient pas pris en compte par les algorithmes. Après modification, la qualité de l’algorithme a considérablement augmenté, et le chiffre d’affaires a suivi. La question que l’on peut se poser est de savoir : comment est-il possible d’élargir cette connaissance ?

 

Algorithmes et humains : une collaboration indispensable 

C’est toute la force de l’humain. Aucun algorithme ne peut penser à ça. C’est la raison pour laquelle il doit y avoir une collaboration forte entre humains et algorithmes. Les humains doivent se concentrer sur leurs valeurs ajoutées et laisser sans regret les algorithmes faire de même. La recherche de données extérieures peut être chronophage surtout avec l’open data. Il faut l’organiser tant que les systèmes ne sauront pas accéder à la connaissance universelle de l’open data avec une réelle interopérabilité. La priorisation doit donc passer par l’expérimentation. Nul besoin de travailler sur tous les clients, il est préférable de procéder par des tests, analyser les résultats et généraliser si l’expérimentation est concluante. Il est possible d’attendre la bonne idée ou d’organiser la démarche. Faire de la veille, organiser des séances de divergence afin d’identifier des axes de recherche est primordial. 

 

Évaluer les contributions du marketing 

Les dépenses en marketing sont très souvent vues comme une charge d’exploitation et non comme un investissement amortissable alors que bien souvent la démarche d’aujourd’hui sert à créer également la valeur de demain. Mais comment juger de la valeur d’un tel investissement et en quantifier les résultats ? Il est indispensable de mettre en place une évaluation à long terme des contributions du marketing, ce que les systèmes de comptabilité actuels ne savent pas bien prendre en compte. Il faudrait regarder de plus près la valeur à long terme du client. Il ne s’agit pas de se demander combien la dernière transaction a remporté, mais plutôt, de donner une valeur à la relation à long-terme qu’il convient d’établir avec tel consommateur. 

Par exemple, lorsque qu’un consommateur achète un billet d’avion, sa valeur ne se mesure pas seulement à la valeur du billet qu’il vient d’acheter (en y ajoutant éventuellement la valeur des services associés). Il s’agit également de considérer la probabilité que cette personne achète d’autres billets à l’avenir. C’est la Life Time Value : espérance mathématique de profits réalisés sur toute la vie estimée de fidélité du client. Le retour sur l’investissement est une vision rétrospective. 

 

Quelles entreprises sauront porter un regard sur l’avenir à long terme et quels revenus potentiels pourront-elles tirer d’une relation solide avec leurs clients ? De cette capacité découlera un avantage concurrentiel certain et elle sanctuarisera comptablement la connaissance client et son utilisation opérationnelle. 

Contributeur expert

Stéphane Amarsy

Plus de 20 ans d’expérience dans plus de 30 pays et dans tous les secteurs d’activité, font

Partager l'article

Intégration de l’IA dans le Retail et les CPG : un potentiel sous-estimé selon une étude de RELEX Solutions

Une étude récente menée par RELEX Solutions, un éditeur finlandais de solutions unifiées de planification de la chaîne d'approvisionnement et de la vente au...

Données de santé artificielles : une nouvelle ère pour les essais cliniques

Les données artificielles en santé ouvrent de nouvelles perspectives en permettant d'accroître la puissance des essais cliniques, d'effectuer davantage de tests dans un...

Tinashe Mutsvangwa prend la tête du nouveau département data science de l’IMT Atlantique

Grande école d’ingénieurs généralistes relevant du ministère de l'économie, des finances et de la souveraineté industrielle et numérique, IMT Atlantique annonce confier la direction...

L’OCDE annonce une mise à jour de ses Principes sur l’IA

La Réunion du Conseil de l'OCDE au niveau des Ministres (RCM) de 2024 s'est déroulée les 2 et 3 mai derniers au siège de...