Qui veut aller loin entretient son algorithme ! conseille Albert Derasse

News
Albert Derasse.png

Les Marketeurs le savent désormais, les algorithmes prédictifs vont devenir incontournables pour mener un marketing efficace. Albert Derasse (Managing Partner - Inbox Belgium) nous explique...

Les clients sont imprévisibles ou du moins leurs comportements sont de plus en plus difficiles à anticiper. Ainsi, il n’est pas rare de voir des gens descendre dans un cinq étoiles tout en voyageant en low-cost ni de voir de rutilants bolides allemands sur le parking d’un discounter. Chacun aujourd’hui alloue sa « share of wallet » comme il l’entend… sans complexe et c’est tant mieux !

Par conséquent, face à des consommateurs de plus en plus « multiples » et volatiles, les marketeurs se sont tournés vers les algorithmes pour les aider à anticiper le comportement d’achat, de réachat, ou d’attrition.

Les algorithmes identifient les caractéristiques « discriminantes »

En se basant sur des indicateurs de tous types (socio-démo, transactionnels, comportementaux …), les algorithmes sont capables d’identifier les caractéristiques « discriminantes » explicatives du comportement recherché. Dans la phase de modélisation, un poids sera attribué à chacune de ces caractéristiques. Ces modèles permettront de noter chaque individu de la base de données traduisant sa « propension » à ce qu’il adopte ou non le comportement.

Prenons un exemple. En cette fin passionnante de championnat de football… Imaginons qu’un club utilise des algorithmes pour anticiper la venue ou non des abonnés au stade. Un modèle prédictif aurait calculé cette propension en se basant par exemple sur des critères discriminants tels que le sexe de l’abonné, son âge, son éloignement par rapport au stade, le classement des clubs qui s’affrontent, … Le score aurait bien fonctionné jusqu’à ce qu’un élément vienne « gripper » la machine. En effet, notre pays a connu une vague de froid sans précédent fin février. Les critères « âge de l’abonné(e) » ainsi qu’« éloignement par rapport au stade » ont subitement pris davantage de poids dans le modèle, conséquence de ce froid polaire.

Grâce au Machine Learning, l’algorithme s’adapte et corrige

Et c’est là qu’intervient la notion de Machine Learning. Les nouvelles techniques dédiées au Marketing prédictif vont constamment vérifier la qualité du modèle au vu des résultats (ici la venue ou non au stade) et réallouer des poids aux variables en fonction de ce qui aura été constaté. L’algorithme « apprend », s’adapte et corrige.

Dans cet exemple, les algorithmes, suite aux analyses des résultats fin février, auraient certainement repondéré certains critères en donnant probablement plus d’importance à l’«âge de l’abonné» et l‘«éloignement par rapport au stade » avant de sans doute revenir à une situation proche de la situation initiale lorsque la vague de froid serait passée.

De l’importance de maintenir son modèle

Lorsque la demande de construire un modèle est ponctuelle, pour une action One Shot, le maintien de ce dernier n’est évidemment pas crucial. Par contre lorsque le marketeur désire s’appuyer sur ce modèle pour mettre en place une action récurrente ou déclenchée/Trigger Marketing (par exemple envoyer chaque matin un e-mail spécifique aux profils « à risque »), alors le modèle doit absolument être maintenu si on veut éviter d’envoyer une action moins pertinente car dirigée vers des « profils » peu enclins à adopter le comportement visé.

Dans le même ordre d’idée, dans un contexte Inbound Marketing (appel à un call center, consultation d’un site web, visite en agence, …) le modèle doit être maintenu. En d’autres termes, la modélisation doit être régulière, comme l’application du modèle à la base de données d’ailleurs, afin de s’assurer que la proposition faite est toujours pertinente car guidée par un modèle prédictif efficace !

Les solutions « nouvelle génération » de modélisation prédictive permettent de programmer la fréquence de modélisation (ponctuelle, journalière, hebdomadaire, mensuelle) afin de garantir un Marketing efficace.

En apprendre plus ?

Vous voulez savoir comment intégrer les algorithmes prédictifs et le Machine Learning dans le marketing moderne ? Suivez notre nouvelle Master Cass « Predictive Marketing »

Marketing Technology Research, Data & ROI Data & ROI Digital Artificial Intelligence Data Technology Academy E-marketing