Intelligence Artificielle et Marketing Automation : mariage annoncé.

Les progrès dans le domaine de l’Intelligence Artificielle, et la démocratisation des plateformes permettant de créer des dispositifs intelligents, devraient sans nul doute transformer l’offre des logiciels de Marketing Automation. Après une introduction au Machine Learning, je vous propose de tenter d’anticiper ce que le Marketing Automation pourra demain faire pour nous, quand l’Intelligence Artificielle en sera le moteur.

Ce qu’il faut savoir de l’Intelligence Artificelle

Le Machine Learning

L’Intelligence Artificielle est une branche de l’informatique qui vise à concevoir des algorithmes capables de résoudre des problèmes auxquels la programmation classique n’apporte pas de réponse satisfaisante. Les applications sont extrêmement variées, allant de la compréhension du langage naturel (Natural Language Understanding) socle technique des Chatbots, à l’optimisation des enchères de publicités.

L’illusion de l’intelligence est donnée par la capacité d’apprendre (Machine Learning) conférée à ces systèmes. Pour comprendre ce que cela signifie, prenons l’exemple de « l’analyse de sentiment ».

• Il s’agit de constituer une base de connaissance, par exemple dans un fichier excel de deux colonnes, dans lequel la colonne de gauche contiendra des phrases d’échantillon, et la colonne de droite indiquera pour chacune si elle est « gaie » ou « triste ».
• Ce fichier sera passé à une plateforme de Machine Learning qui apprendra ainsi ce que « gai » ou « triste » signifie.
• Une fois cette phase d’apprentissage terminée, il sera possible de fournir à la plateforme une nouvelle phase pour qu’elle nous dise si cette dernière est plutôt gaie ou plutôt triste, sur la base de ce qu’on lui a appris.
• En cas d’erreur, on pourra ajouter cette phase avec le sentiment associé correct, pour qu’elle s’améliore.

Les plateformes existent

Ce qui est intéressant, c’est que les plateformes de Machine Learning comme celle de l’exemple ci-dessus existent aujourd’hui. Sans prétendre à l’exhaustivité, citons Could ML de Google et Amazon Machine Learning d’Amazon Web Services qui permettent toutes les deux faire l’analyse de sentiments décrite plus haut.

Des classements supervisés ou non supervisés

Les plateformes de Machine Learning permettent toutes de faire toute sortes de classements, et lorsque les cases de rangement sont connues et prédéfinies il s’agit du mode dit « supervisé ». Big Data est typiquement un exercice de classification de données hétérogènes et conséquentes dans des cases non connues à l’avance, et donc un traitement « non supervisé ».

Ce que l’Intelligence Artificielle pourra apporter au Marketing Automation

Les plateformes de Machine Learning existent donc, et permettent de catégoriser des données, après qu’on leur ait appris à le faire ou par détection de schéma récurrents. Il n’est pas utile de rentrer plus avant dans l’ingénierie du Machine Learning pour appréhender ce qui suit, et un peu de bottom-up ne faisant pas de mal, nous pouvons maintenant tenter d’imaginer les utilisations que les plateformes de Marketing Automation pourraient proposer.

Segmentation automatique

Exercice marketing par excellence, la décomposition et le regroupement des cibles en sous-cibles, que l’on adressera d’une manière identique, pourrait tout simplement s’opérer automatiquement, et non a priori. Sur la base des données d’interactions avec le site, avec les surfaces sociales et pourquoi pas avec le CRM, les profils au comportement similaire seront automatiquement regroupés.

La promesse ici est la détection automatique de ces comportements, en autant de personas. Comme aujourd’hui, ces segments pourront donner lieu à des mécaniques d’escalade d’engagement dédiées ou à une présentation de contenus spécifiques.

Plus l’apprentissage sera approfondi, et plus les segments seront réduits, avec une aysmptote qu’on a coutume d’appeler Account Based Marketing (ABM). Ce Marketing one-to-one entre la marque et le client est l’obsession d’Amazon qui a pour ambition de proposer « une home-page par utilisateur », via un système de recommandations de plus en plus temps réel.

Vers un marketing de variantes plutôt que d’hypothèses

Pour apprendre, il faut faire des erreurs. Il convient donc d’introduire des variations, afin que le système fasse ses propres tests A/B pour avoir suffisamment de matériau décisionnel.

En pratique, plutôt que de définir une séquence fixe de mails, à expédier lorsqu’un seuil est atteint, on donnera un jeu de mails au système, qu’il pourra expédier selon divers timings et vers différents segments afin de déterminer le plus performant pour atteindre le but fixé et proposer le parcours le plus convertissant.

Dans la même veine, le contenu pourrait être acheminé dans une fenêtre temporelle la plus propice pour un segment donné, ou une personne en particulier, tenant ainsi compte des particularités de chacun. Cette hyper-personnalisation permettra non seulement de choisir automatiquement le meilleur moment pour communiquer, mais pourquoi pas le meilleur support également, afin de proposer une expérience optimale.

Nos chers formulaires pourraient également bénéfier de cette technique avec une définition de champs annexes à ne proposer qu’aux visiteurs les plus susceptibles de les remplir. Aujourd’hui les techniques de Progressive Profiling visent le même but, mais nous parlons ici d’un ajustement automatique mené par le système, et non de règles écrites à l’avance.

Lead Scoring

Ce bon vieux Lead Scoring, qui actuellement permet de noter en continu un prospect afin de mesurer tel ou tel engagement, sur la base d’interactions qui donnent ou enlèvent des points (consultation de la fiche produit = +15, visite de la rubrique des postes à pourvoir = -5, etc.) pourrait également se transfigurer. Dans le prolongement de l’analyse de sentiments, nous pourrions définir les interactions à pondérer, transmettre un fichier avec le nombre de chacune d’elles issues de parcours réels et le résultat de la conversion en dernière colonne (Chiffre d’affaire du compte ou Création d’une opportunité par exemple), afin de générer un Lead Scoring qui optimise les conversions d’un funnel donné.

Real Time Interaction Management (RTIM)

Cet acronyme fait référence à la faculté d’adaptation, non seulement à l’ensemble des interactions avec le système, mais également aux données externes comme par exemple la météo ou les actualités. Le contexte global est systématiquement réévalué, afin de proposer une expérience optimale.

Si cet article vous a plu, nous vous invitons à découvrir notre agence de Marketing Automation et à télécharger notre livre blanc « Placez le Marketing Relationnel au cœur de votre Stratégie d’Acquisition »