Utiliser le profil client, le big data pour améliorer les ventes en temps réel

UTILISER LE PROFIL CLIENT ET LE BIG DATA POUR AMÉLIORER LES VENTES EN TEMPS RÉEL

Jean-Michel Franco, Business & Decision

Jason McFall, NICE

© 2

L’e-business est mort, vive l’omni-canal

28/11/2013 Nice Interactions 2013

By 2016, 70% of salespeople in $1 billion-plus sales organizations will integrate

data from customer digital interactions with face-to-face selling, enhancing the

customer experience. Patrick Stakenas, Gartner

© 3

Des clients

Toujours joignables

et multi-connectés

"Nos clients sont autonomes et ils ont eux-mêmes digitalisé les points de

ventes. Nous, on court derrière» Olivier Godart - But

Sur-sollicités

Aux parcours

d’achats complexes

et non séquentiels

Multi-facettes

Utiliser le profil client et le big data pour améliorer les ventes : pourquoi maintenant ? Le point de vue client


© 4

Utiliser le profil client et le big data pour améliorer les ventes pourquoi maintenant ? Le point de vue de l’entreprise

• Des coûts par leads sensiblement moins élevés (61%)

• Des taux de transformation plus importants

Miser sur la maîtrise du marketing entrant

• 80% des entreprises souhaitent exploiter d’avantage les données « temps réel » dans leurs actions marketing

L’exploitation des données en temps réel : essayer, c’est l’adopter

• 22% des entreprises personnalisent leur site web aujourd’hui…

• 59% comptent le faire d’ici douze mois

Le 1-1 marketing, un sujet enfin mature

• 85% des entreprises estiment avoir atteint un ROI, dont 54% dans un délai court (comptés en mois)

Des résultats mesurables, des ROI

calculables

Sources : hubspot, Infogroup Targeting Solutions and Yesmail, Neolane


© 5

Big Data : Définition


Les challenges incluent la collecte, la curation, le stockage, l’enrichissement, le croisement, la partage, l’analyse et la visualisation.

Le ‘Big Data’ vise à tirer un avantage concurrentiel au travers de méthodes de collecte d’analyse et d’exploitation des données qu’on ne pouvait utiliser jusqu’à présent du fait des contraintes économiques, fonctionnelles et techniques liées aux

, à la de

traitement et à la des

données à considérer.

Source “the 451 Group” et Gartner Source : Wall Street Journal

Source Wikipedia

© 6

Nouvel enjeu : le principe de la longue traîne, appliqué à la gestion de l’information


Popu

lari

té

Information disponible

La gestion de l’information telle qu’on la connaît - Capital informationnel constitué sur la base des SI internes

de l’entreprise

- Information exploitée transversalement uniquement en temps différé

- Information modélisée à priori

La gestion de l’information

telle qu’on la voudrait La gestion de l’information telle qu’on la connaît

+ informations générées par les humains

+ informations gérées par les machines

+ informations en « juste à temps » (vitesse)

+ informations modélisables, assemblables et extensibles

au fil de l’eau (élasticité)

© 7

Big Data : pour quoi faire ? L’expérience client, représente près de 50% des cas d’usages du Big Data


49 18 15 14 4

Experience Client Excellence opérationnelle

Risques/Fraudes/Finance Nouveaux business models

© 8

Gérer les interactions et le parcours client grâce au Big Data : Nice Multi Channel Decisions

• Fédérer l’historique de la relation client (profil, analyses, transactions, interactions )

• Fédérer, organiser (graphe d’identité, timeline)

• Enrichir (scoring, profiling, analyse prédictive)

• Agir (recommandations en temps réel)

• Améliorer, ajuster (analytique, machine learning)

Une « Customer Data Platform »

• Volumes (tous les détails de la relation client historisés dans le temps)

• Variété (transactions, scores, données de Clickstream…)

• Vitesse : recommandation temps réel

Les trois V du big data

• Vue unique du client multi canal

• Personnalisation des interactions cross canal

• Apprentissage du profil du profil anonyme au client fidèle

• Découverte de nouveaux comportements et segments

Valeur ajoutée


Comprendre, prédire et transformer le parcours client

Compte courant

Souscription au service On-

Line

S2S: Une facture à

régler Téléchargement App

Click to Chat

Offre guichet automatique

Enquête de satisfaction

Offre de crédit et souscription au service

mobile

Utilisation du simulateur de prêt

Appel pour un

virement

Email offre de

crédit

1. Comprendre l’état d’esprit de l’individu

2. Prédire son intention

3. Proposer des expériences significatives à un client au bon moment via le bon

canal

10

Customer Engagement Framework

Parcours client

+ Résolution ID

Analyse client &

modèles prédictifs

Décisions temps

réel et proposition

d’offres

DRC

Web

Social

Enquêtes

CRM

Couvrir l’ensemble

du processus

€ Valeur

Expérience Web

temps réel

Vente et service

contextuel en temps réel

Offres mobiles

pertinentes et collaboration

Campagnes d’email

ciblées et pertinentes

cookie

Adresse de

livraison

Carte de crédit

Carte de

fidelité

Recherche en ligne

Achat en ligne

Achat en boutique

Appel au centre de contact

Achat en boutique

12

2 Timeline Client 3 Profil Prédictif 4 Décisions temps réel 1 Données brutes

Recherche de profil sans latence,

modèle de scoring et de règles

mènent à des décisions multi-

canal temps réel

Mesure de groupes ciblés et

définis

Chaque interaction

stockée dans le

HBase/Cloudera

Flux d’événements client

unique assemblés via

association d’identitfiant

Calculé dynamiquement dès la

lecture

Signal structuré issu des données

brutes de structures multiples

Traitement des données pour NICE Multi-Channel Decisions

13

DEMO

16

Comportement Web

VOC

Transaction données

Agences

Email Campaign

Données de centre d’appels

App Mobile

Entrée des données clients

NICE Decisions multi-canal permet de mener la

meilleure action consécutive

Expérience Web temps réel

Vente et service contextuel en temps réel

Offres mobiles pertinentes et collaboration

Campagnes d’email ciblées et pertinentes

Engagement personnalisé Propension à pouvoir

faire de l’upsell/crossell

Score sur la valeur

totale client

Propension à

rechercher un prêt immobilier

Propension à appeler

Evénement majeur (mariage, naissance,

changement de poste)

Risque d’attrition

In-Session

Scoring

Machine

Learning Customer

Analytics

Customer Engagement Solution

Objectif: Utiliser toutes les données disponibles pour proposer le meilleur message au

meilleur moment via le multicanal et devenir ainsi une organisation orientée client

Décisions

Customer

Profile

© 17 Nice Interactions 2013

Principaux cas d’usage d’une Customer Data Platform

Parcours web/mobiles guidé par le client (sites web…)

Engagement, Connexion avec contexte, Collaboration (mobile, web)

Recommandations temps réel (centre d’appel…)

Accueil personnalisé (clienteling, ventes en côte à côte…)

Personnalisation des messages (E-mailing)

28/11/2013

DU CONCEPT A SA MISE EN APPLICATION CONCRETE

28/11/2013

© 20 Nice Interactions 2013

Customer Data

Platform

Gestion de données

Gestion des offres et règles

d’éligibilité

Composante prédictive et prescriptive

Dimension analytique

Mettre en œuvre le projet Les quatre piliers d’une Customer Data Platform

28/11/2013

© 21

Générer la valeur ajoutée: étape par étape

Définir le Business case

Importer les données multicanal

Créer des modèles de

recommandation

Intégrer tous les points de contact

1

2

3

4

Concevoir le Story Board

Comprendre les informations

clients

Faire évoluer les offres

Faire évoluer les parcours

28/11/2013 Nice interactions 2013

© 22

Générer la valeur ajoutée: étape par étape déterminer les enjeux et bénéfices (client et entreprise)




recommandation


1

2

3

4



clients



Les étapes requises:

• Identifier les enjeux business, les métriques et les points de mesure

• Solliciter les parties prenantes : ventes, marketing, services, IT…

• Identifier/ déterminer les « moments de vérité » clients.

• Concevoir les story boards et les parcours clients types


© 23

Générer la valeur ajoutée: étape par étape Organiser la collecte, la fédération et l’exploitation de données hétérogènes

Profil

Transac tions

Inter actions

Person-nalisation

Application mobiles

Clickstream

Réseaux sociaux

ERP

E-commerce

CRM

Business Intelligence

Master Data Management

CRM

Centre de contacts


© 24





recommandation


1

2

3

4



clients




• Déterminer les sources et le modes d’intégration (temps réel, au fil de l’eau, batch)

• Qualifier les sources de données et les besoins de pré-traitements associés

• Décider de la stratégie d’association de l’identité dans les flux de données

• Analyser les données et identifier les variables prédictives


© 25





recommandation


1

2

3

4



clients




• Créer/importer les modèles • Propension au Churn

• Intérêt produit

• Evénement majeur (naissance,

mariage, retraite)

• Générer des scores en temps

réel pour tous les clients

• Tester et ajuster les

recommandations grâce au

testing continuel automatique

et au moteur de règle


© 26

Générer la valeur ajoutée: étape par étape Intégrer progressivement tous les points de contacts et influer les parcours




recommandation


1

2

3

4



clients


Influencer les parcours


– Intégrer au fil du temps

chaque point de contact • Web Content Management

• Poste du téléconseiller

• Interactions Chat et Mobile

• Poste CRM SFA ou points de vente

• Marketing automation (marketing

sortant)

– Analyser les parcours, les

segments et les taux de

trasnformation pour

améliorer les offres


© 27

Pour quels bénéfices ?

• Des taux de conversion améliorés de manière

drastique

• La visibilité et la traçabilité du parcours client, depuis

l’intention jusqu’à l’achat, et de plus en plus fine au

cours du temps

• La satisfaction du client « reconnu »

• Une compréhension de plus en plus précise et en

temps réel de l’efficacité des actions commerciales, en

fonctions des segments, des parcours, et de chaque

client


Documents

Utiliser le profil client, le big data pour améliorer les ventes en temps réel