Entre mars et août 2020, un consommateur sur cinq a changé de marque et sept sur dix ont essayé de nouveaux canaux d’achat numériques. Le secteur de la vente au détail a connu dix années de croissance de la pénétration numérique en quelques mois. Mais l’augmentation des données qui en a résulté n’a pas permis aux spécialistes du marketing de mieux comprendre leurs clients, car la modélisation des données obsolètes de leurs entreprises n’est pas en mesure de capturer ces changements avec la granularité et la rapidité nécessaires.
Plutôt que d’utiliser les données pour tenter de mieux cibler les clients et d’adapter les messages, de nombreux spécialistes du marketing se sont tournés vers les communications et les promotions de masse. Comme nous l’a dit un directeur marketing : « Je me suis largement replié sur le marketing de masse plutôt que sur le marketing basé sur les données, car le comportement des clients évolue si rapidement que je ne peux pas faire confiance à mes données et modèles historiques. »
Mais certains spécialistes du marketing acceptent les données pour la générosité qu’elles représentent et, plutôt que de s’éloigner du marketing de précision, doublent leur mise. Une entreprise de biens de consommation, par exemple, prévoyait que les ventes de produits de beauté augmenteraient à mesure que les communautés sortiraient du confinement. Les équipes marketing ont suivi les réouvertures par comté, en utilisant des statistiques épidémiologiques, des rapports municipaux et des données de trafic pour déterminer où concentrer leurs dépenses médiatiques. Ces tactiques ont entraîné une augmentation des ventes à deux chiffres.
Des informations similaires ont aidé un fournisseur de services aux entreprises à prendre le pas sur une autre tendance émergente. Les données sur l’enregistrement des entreprises et l’emploi ont montré que les petits prestataires de soins de santé des principales zones métropolitaines connaissaient une croissance beaucoup plus rapide que les autres petites et moyennes entreprises. Forte de ces informations, la société a créé des offres groupées de produits spécifiques aux soins de santé et a lancé des publicités médiatiques payantes pour cibler ces entreprises et ces régions. Ces mesures, combinées à d’autres campagnes similaires basées sur des données, sont sur le point d’augmenter les ventes d’un produit principal de plus de 10 %.
Les entreprises qui perfectionnent leur marketing de précision de cette manière peuvent générer une acquisition significative de clients pendant les périodes de changement convulsif. Cependant, pour saisir cette opportunité, les marques devront mettre à jour leur modélisation (de l’extraction de nouveaux types de données au recyclage des algorithmes) afin à la fois de suivre le rythme de l’évolution des besoins et des attentes et d’anticiper les changements de comportement des clients.
De nouveaux défis à prendre en compte
Les modèles de marketing de précision sont formés pour reconnaître et tirer des conclusions à partir de modèles comportementaux. Un algorithme pourrait par exemple apprendre que les clients qui effectuent plus de deux visites sur le site Web d’un magasin sur une période de deux semaines sont 30 % plus susceptibles d’effectuer un achat. De tels indicateurs peuvent déclencher des offres personnalisées pour convertir les navigateurs en acheteurs, permettant ainsi aux spécialistes du marketing d’orienter leurs efforts d’acquisition et leurs dépenses vers les segments les plus rentables.
Mais le comportement des acheteurs a considérablement changé depuis le début de la pandémie, rendant invalides les règles relationnelles intégrées dans de nombreux modèles de données existants. Les externalités qui semblaient autrefois accessoires, comme la mobilité des clients, revêtent désormais une importance démesurée. La fréquentation est-elle en baisse parce que les clients ne peuvent pas se rendre au magasin ou parce qu’ils ne souhaitent plus y faire leurs achats ? De nombreuses équipes marketing ne le savent tout simplement pas. Un directeur marketing du Fortune 100 a déclaré : « Les indicateurs des nouvelles opportunités auxquelles nous sommes confrontés ne sont pas contenus dans nos propres données. »
En outre, bien que des modèles existent, ils sont plus difficiles à discerner – et même lorsqu’ils sont discernés, ils peuvent sembler éphémères, comme dans le cas de communautés qui s’ouvrent pour se refermer à nouveau. Pour identifier les indicateurs comportementaux saillants à temps pour agir en conséquence, les spécialistes du marketing ont besoin de données continuellement actualisées provenant de diverses sources et à un niveau beaucoup plus détaillé, en examinant aussi profondément qu’au niveau d’un pâté de maisons dans certains cas. Cependant, de nombreuses entreprises ont tendance à s’appuyer sur des données clients dérivées en interne, en utilisant des outils de modélisation qui n’ont pas été conçus pour gérer de gros volumes de données.
Deux autres problèmes aggravent les défis auxquels sont confrontés les spécialistes du marketing. Les données de McKinsey montrent que les budgets marketing ont été réduits pour la plupart des entreprises, six spécialistes du marketing sur dix faisant état de réductions importantes. «Mon budget s’est évaporé», a déclaré un responsable marketing. « Nous en avons à peine assez pour exécuter notre marketing incontournable, et encore moins pour expérimenter de nouvelles tactiques. »
L’autre problème est le passage rapide et à grande échelle au travail à distance. Le marketing basé sur les données fonctionne mieux dans des environnements agiles, où les équipes peuvent tester et itérer lors de sprints. Mais avec près des deux tiers des employés travaillant à domicile, les responsables marketing ont eu du mal à créer une cadence efficace. « Dans le passé, nous avions l’habitude d’exploiter toutes les opportunités de marketing en disposant d’une salle de crise semblable à un centre de commandement », a déclaré un directeur marketing du Fortune 100, « mais comme tout le monde travaille à distance, nous n’avons pas été en mesure de réagir aussi vite que nous. ont dans le passé.
Comment rendre la modélisation plus précise lorsque tout le reste est en évolution
Alors que d’autres organisations se sont peut-être repliées sur le marketing de masse, celles qui améliorent leur modélisation peuvent être bien plus efficaces pour générer des revenus. Voici ce qu’ils doivent faire.
Exploitez de nouvelles (et meilleures) données
Le marketing de précision est aussi efficace que les données qui le sous-tendent. Les nouveaux modèles utilisant des données anciennes risquent encore de fournir des résultats inexacts. Pour affiner leurs connaissances, les dirigeants de la nouvelle normalité adopteront une approche globale de la collecte de données en rassemblant non seulement les tendances comportementales et les informations basées sur la localisation, mais également des analyses tierces sur leur entreprise, leurs clients et leurs concurrents pour compléter leurs informations. héberger les données des clients. Les entreprises qui se lancent dans cette aventure trouvent le plus grand intérêt à intégrer dans leurs modèles des données épidémiologiques provenant de sources gouvernementales et des données sur la mobilité des clients et les ventes provenant de fournisseurs tiers. Les entreprises qui étendent leur collecte de données de cette manière peuvent identifier les hausses de la demande et la provenance des nouveaux clients, ainsi qu’évaluer quels clients de leur base existante ont augmenté leurs dépenses et où sont passés les clients inutilisés.
Par exemple, avant de mettre à jour son approche de modélisation, une chaîne de vente au détail ne pouvait déterminer que le nombre de clients qu’elle gagnait ou perdait. L’entreprise a alors décidé d’exploiter les données des téléphones portables pour analyser les changements dans le trafic net de ses concurrents. Cette analyse a montré qu’une grande partie des clients qu’ils gagnaient pendant la pandémie provenaient d’acteurs spécialisés plus chers, tandis que ceux qu’ils perdaient se dirigeaient vers des acteurs moins chers et de plus grand format. Sur la base de ces informations, le détaillant a transformé ses campagnes d’intégration et de prévention du désabonnement. Ils ont envoyé des e-mails annonçant des offres haut de gamme aux clients quittant les magasins spécialisés, tout en vantant des produits axés sur les bonnes affaires à des clients orientés vers la valeur et risquant de se désinscrire.
Dans un autre exemple, un fournisseur de services aux entreprises a exploité de nouvelles sources de données tierces qui identifient les moments clés du cycle de vie d’une petite entreprise. Dans l’un de ces efforts, le fournisseur a regroupé des sources de données qui indiquaient, avec un décalage d’un jour seulement, le moment où de nouvelles entreprises étaient lancées pendant les turbulences du COVID-19. Leurs vendeurs ont immédiatement proposé des produits et des messages adaptés aux besoins des entreprises nouvellement créées, tels que des outils système. Ces efforts collectifs ont augmenté la productivité des ventes de plus de 25 pour cent.
Des données robustes peuvent également permettre aux entreprises de générer de meilleures informations sur leurs concurrents. En comparant les données de tiers sur l’assortiment, les ventes et les promotions à leurs propres chiffres, par exemple, les spécialistes du marketing peuvent évaluer la force des différentes propositions de valeur et voir quels éléments trouvent un écho auprès de différents groupes de clients. Ils peuvent ensuite fournir à ces groupes des messages, du contenu et des offres personnalisés.
Investissez dans une technologie qui apprend à grande échelle
L’incertitude accrue dans la nouvelle normalité oblige les spécialistes du marketing à améliorer leurs tests et à réagir plus rapidement. Un modèle opérationnel plus agile est un élément clé à cet égard, mais il est également de plus en plus nécessaire de travailler avec une technologie qui apprend à grande échelle. Cela nécessite de développer des capacités technologiques capables de lire et d’interpréter les signaux d’intention et les réponses des consommateurs aux messages marketing, puis de les réinjecter dans le moteur marketing afin qu’il puisse apprendre ce qui fonctionne et ce qui ne fonctionne pas.
Les spécialistes du marketing qui repoussent vraiment les limites utilisent l’intelligence artificielle (IA) pour surveiller les campagnes et interroger les réponses à un niveau détaillé, afin de savoir non seulement ce qui fonctionne et ce qui ne fonctionne pas, mais aussi pour quels segments, à quels moments et sur quels canaux. puis d’ajuster leur stratégie en fonction de ces informations. L’obtention de ces informations spécifiques à l’aide d’analyses standard peut prendre plusieurs jours à une organisation marketing moyenne. Mais la surveillance basée sur l’IA peut y parvenir en quelques minutes, parfois quelques secondes.
Par exemple, une entreprise de services aux consommateurs a lancé des campagnes de fidélisation des consommateurs alors que les communautés sortaient du confinement. Leurs analyses habituelles, qui ne pouvaient évaluer que les campagnes dans leur ensemble, n’étaient que marginalement efficaces. Cependant, l’organisation a piloté un nouveau moteur d’IA capable d’examiner suffisamment en profondeur les réponses dans le domaine statistique de base (ASFC), ce qui a montré que la campagne était très efficace dans des niches spécifiques présentant des profils économiques et épidémiologiques similaires. Ce moteur d’IA identifiera l’évolution des modèles de performances de la campagne, permettant ainsi aux spécialistes du marketing de configurer le système de manière à ce que les analyses nocturnes basées sur l’IA alimentent directement la logique de ciblage de la campagne. Cette campagne et d’autres similaires constituent un élément crucial d’un programme marketing plus large basé sur les données qui a aidé l’entreprise à multiplier par cinq son taux de tests.
Deux clés du succès : investir son épargne et être agile
Afin de tirer de la valeur de ces modèles améliorés, deux actions sont cruciales.
Générez des économies pour investir dans la technologie
Alors que certaines entreprises se contentent de réduire leurs budgets et de procéder à des coupes budgétaires généralisées, d’autres trouvent qu’il peut être plus avantageux de réduire les dépenses dans les domaines improductifs et de réaffecter les économies (jusqu’à 10 à 20 % du budget global, dans certains cas) à l’analyse. . Cela nécessite une réévaluation approfondie mais rapide de toutes les dépenses marketing pour voir comment l’environnement COVID-19 a affecté le retour sur investissement. Les parrainages d’événements, la publicité télévisée traditionnelle et l’affichage programmatique basé sur des conditions obsolètes ne sont que quelques domaines dans lesquels les performances marketing sont susceptibles d’avoir considérablement évolué. Un détaillant de vêtements, par exemple, a constaté que l’efficacité de la recherche payante avait fortement diminué pendant la crise, tandis que l’activité sur les réseaux sociaux était bien plus productive. Les responsables marketing peuvent libérer des investissements supplémentaires en réutilisant et en réutilisant également les actifs existants. Les économies peuvent ensuite être redéployées pour financer des programmes de croissance basés sur les données.
Déployer le marketing agile à distance
Les pratiques agiles sont efficaces pour permettre aux équipes marketing de tester les comportements des consommateurs et de réagir rapidement aux changements. Alors que l’on pensait traditionnellement que les équipes agiles étaient plus performantes lorsqu’elles travaillaient au même endroit, les exigences de la pandémie ont obligé à repenser cette approche pour le travail à distance. Les grandes entreprises convertissent les salles de crise physiques en salles de crise virtuelles, créant ainsi des points de contact supplémentaires pour soutenir le respect des protocoles agiles (tels que les enregistrements de sprint par vidéo, par exemple) et l’utilisation d’outils de collaboration. Les meilleures entreprises sont allées plus loin en intégrant certaines de leurs équipes de fournisseurs dans leurs pratiques à distance, notamment en travaillant avec le service informatique pour créer des outils partagés et des directives de compatibilité afin de tenir compte des différentes technologies des fournisseurs.
Les entreprises qui réussissent affichent des résultats impressionnants. Par exemple, une entreprise de télécommunications nord-américaine a créé une salle de crise virtuelle comprenant des espaces de travail en ligne et des tableaux Scrum numériques pour la gestion des tâches et des performances. La planification du sprint a été menée à l’aide de tours de vote progressifs, chaque vote suscitant des débats actifs sur les mérites de chaque idée de test. Ils ont également organisé des cérémonies utilisant des stand-ups vidéo. La salle de guerre virtuelle a non seulement amélioré les résultats des tests, mais a également aidé l’équipe à lancer les tests plus de trois fois plus rapidement que leur configuration traditionnelle en personne.
Les pratiques budgétaires et opérationnelles doivent être continuellement revues pour prendre en charge ce modèle agile à distance. Au lieu de séances de planification trimestrielles ou semestrielles, les responsables marketing devraient évaluer les performances mensuellement pour s’assurer que le financement et les ressources sont alignés sur les plus grandes opportunités.
Les organisations qui donnent la priorité à leurs efforts de marketing de précision peuvent transformer la crise du COVID-19 en une période de transformation. En capturant de nouvelles données, en recherchant de nouvelles relations comportementales et en permettant une expérimentation rapide, les spécialistes du marketing peuvent saisir des opportunités de croissance granulaire et entrer dans la reprise avec un retour sur investissement et une résilience nettement supérieurs.