5 conseils de Julien Descombes pour exploiter l’I.A. sur son site
L’un des objectifs de Julien Descombes, en charge du digital de Toyota France, est d’utiliser le site de la marque pour générer des leads. Pour améliorer les performances de ses campagnes, Julien s’est tourné vers l’I.A.
Des premiers essais à l’utilisation croissante de cette technologie, il nous a livré 5 conseils pour mettre en place une campagne de personnalisation assistée d’intelligence artificielle.
Conseil #1 : Ne pas chercher des leads à tout prix, chercher des leads qualifiés
« Toyota.fr, c’est 1,4 million de visites par mois. Ce trafic est en croissance, on en est très contents, pourvu que ça dure. Mais aujourd’hui ce que l’on cherche, ce n’est pas la croissance du nombre de leads à tout prix, mais la croissance du nombre de leads qualifiés, qui pourront apporter du test drive (essai de véhicule en concessionnaire) et augmenter à terme le chiffre d’affaires de Toyota.
Pour mesurer les performances de notre marketing digital, on suit sur notre site différents KPIs :
- Des KPIs d’engagement : le temps passé sur notre site ;
- La soft conversion : la configuration d’un véhicule, la demande de financement d’un véhicule sur le site ;
- La hard conversion – et c’est là la quête du graal : l’essai de véhicule.
On veut que les demandes d’essai qui interviennent sur notre site soient qualifiées, c’est-à-dire qu’on veut amener à notre réseau de concessionnaires des leads susceptibles de convertir. Cette qualité se mesure en trackant les demandes de ventes qui sont générées via les demandes d’essai. »
Conseil #2 : Comprendre son audience en la segmentant
« Pour mettre en avant la demande d’essai de véhicules, on a imaginé une pop-in.
On a commencé par mettre en place un scoring manuel afin de déterminer à qui l’adresser. On a identifié les facteurs discriminants qui devaient entrer en jeu dans le scoring, à savoir
- La visite de certaines pages du site (demande de brochure, configurateur, pages véhicules, page offres)
- Le temps passé sur le configurateur
- Un nombre de visites supérieur à 2
- Le prix de la configuration
On a obtenu des résultats encourageants, notamment de très bons scores de demandes d’essai, mais la qualification des leads n’était pas optimale. »
Conseil #3 : Capitaliser sur les technologies existantes pour améliorer ses performances
« On a alors décidé d’aller plus loin et de mettre en place un ciblage prédictif, s’appuyant sur un algorithme de machine learning. Cet algorithme travaille pour nous 24h sur 24 et 7 jours sur 7 et va analyser notre audience et identifier les internautes les plus appétents à notre marque et à nos modèles en particulier.
On a comparé scoring manuel et ciblage prédictif confié à un algorithme. Les résultats sont sans conteste.
Avec le ciblage prédictif, on multiplie par 2 la génération de leads et on améliore notoirement la qualité de ces leads. Cela nous permet également de personnaliser la pop-in en fonction du véhicule identifié comme intéressant le plus l’internaute, et en fonction du concessionnaire le plus proche géographiquement de l’internaute. » 
Conseil #4 : Concentrer ses efforts sur les tâches à forte valeur ajoutée
« Le ciblage prédictif nous fait gagner un temps fou. Pendant que la machine travaille à la segmentation de nos visiteurs, mes équipes et moi-même pouvons avancer sur d’autres projets.
Une fois que nous avons défini notre stratégie, on confie en toute sécurité notre ciblage à l’algorithme.
L’algorithme apprend en continu, il est donc en mesure de prendre en compte dans son ciblage tous les paramètres secondaires qui interviennent sur le site, et qui évoluent petit à petit. Si on change un élément sur le site, ou si on lance une offre particulière par exemple, on n’a pas besoin de reconfigurer notre ciblage, car l’algorithme est capable de s’adapter.
Par ailleurs, les données visiteurs sont analysées en continu par l’algorithme. On n’en perd pas une miette. Cela nous permet d’approfondir la connaissance qu’on a de nos clients : on est en mesure d’analyser de nombreux éléments qui nous échappaient auparavant au sujet de nos leads.
Qui sont les visiteurs qui font une demande d’essai ? Qui sont les visiteurs qui convertissent ? Proviennent-ils de desktop ou de mobile ? Combien de visites ont-ils faites avant de demander un essai ? Combien de temps sont-ils restés sur le site, et sur quelles pages ? Autant de données qu’on est désormais en mesure de collecter et d’analyser. »
Conseil #5 : Augmenter son CA en généralisant les cas d’application de l’I.A.
« Maintenant qu’on a confirmé l’efficacité du ciblage prédictif, on peut généraliser l’approche sur d’autres objectifs de notre site.
Les prochaines étapes pour Toyota vont être d’étendre cette approche de ciblage prédictif à d’autres domaines, et notamment pour optimiser d’autres KPIs : ceux qui concernent la soft conversion sur notre site.
On va donc mettre en place un ciblage prédictif pour adresser des pop-ins déclenchant d’autres actions :
- une demande de financement
- l’évaluation du prix de reprise d’un véhicule
- la configuration d’un véhicule. »
[ Conseil bonus / Mot de la fin ]
L’exploitation d’algorithmes de Machine Learning pour mieux segmenter et cibler ses visiteurs repose avant tout sur la disponibilité de la donnée dont ils se nourrissent pour réaliser leurs prédictions.
Si le sujet peut paraître compliqué de prime abord, n’hésitez pas à commencer par un cas d’application plus simple reposant sur des données « chaudes » liées au comportement de navigation de vos visiteurs.
Vous pourrez prouver la valeur de ces technologies avant de vous lancer dans des projets tunnel de consolidation de vos données.
Je vous invite à télécharger la success story que j'ai préparée sur ce use case, pour comprendre plus en détails le fonctionnement de l'algorithme :
