Le marketing prédictif dans le contexte du M-Commerce

Marketing prédictif pour le m-commerce, quelles opportunités?

MBA E-Business

Matière : E-business et mobilité

Mémoire de fin d’étude

Quelles opportunités représente le marketing prédictif pour le m-commerce ?

Quelles opportunités représente le marketing prédictif

pour le m-commerce ?

Aurélie MACCARIO & Véronique ROSTAIN

Nom du professeur : Rémy Lévy

Année scolaire

2008/2009

Remerciement:

Nous soussignons Melle Aurélie Maccario et Melle Véronique Rostain attestons avoir pris connaissance du règlement intérieur de l’école et certifiions que le dossier ou mémoire de recherche appliqué ci-joint ne fait l’objet d’aucun plagiat.

Par ailleurs, nous nous engageons à respecter les règles du dit règlement intérieur et les sanctions disciplinaires qui en découlent.

Sujet :

Le marketing prédictif dans le contexte du M-Commerce.

Problématique :

Quelles opportunités représente le marketing prédictif pour le m-commerce ?

Résumé:

L’engorgement des marchés, les crises économiques mais surtout les nouvelles données auxquelles les nouvelles technologies nous donnent accès aujourd’hui ont bousculé les orientations du marketing qui, traditionnellement orientés vers des offres produits, glissent vers une orientation client (quelle est la meilleure offre pour un client) : le marketing prédictif est la clé de cette nouvelle orientation !

Le marketing prédictif est un processus de management de données destiné à mettre en œuvre une action auprès d’un client déterminée à partir d’un objectif commercial ou marketing.

Parallèlement, le marché du mobile se développe et l’arrivée de l’Iphone sur ce marché en 2008 a démocratisé le Smartphone. Des premières expériences réussies et des premiers pas prometteurs poussent les sociétés à investir sur le mobile ! Les premiers sites de m-commerce apparaissent et commencent à se développer au Japon.

Notre problématique s’axera donc sur les questions suivantes :

Quelles  sont les nouvelles stratégies, les nouveaux acteurs, les résultats issus du marketing prédictif ?

Quelles opportunités représente le marketing prédictif pour le m-commerce avec l’arrivée des technologies telles que la NFC, communication sans contact, la géolocalisation et l’accès à un support de communication aussi riche d’informations pour les marketeurs et dans le même temps aussi personnel que le téléphone portable ?

Introduction – Pourquoi le marketing prédictif ?

Le marketing prédictif est défini comme suit : « C’est un processus de management des données destiné à mettre en œuvre une action déterminée à partir d’un objectif commercial ou marketing.

C’est un regroupement de techniques de traitement et de modélisation des comportements clients qui permet d’anticiper leurs actions futures à partir du comportement présent. »

Source : Quatrax

Son objet est de faire évoluer un marketing centré sur les produits vers un marketing centré sur le client : est il intéressant de le contacter ? Si oui, comment et quand le contacter ? Que faire s’il me contacte ?…

Dans le contexte actuel, dominé par une compétition plus rude entre les entreprises celles-ci doivent sans cesse innover pour acquérir plus efficacement des clients, les conserver et leur offrir les produits et services adéquats.

Le fait de disposer de grandes masses de données sur les clients et leurs consommations, les techniques de Business Intelligence et en particulier les techniques statistiques utilisées dans le Business Intelligence telles que le data mining ont permis de développer le marketing prédictif.

Il se positionne alors comme une aide à la prise de décision dans le marketing orienté client en :

  •  Prédisant les évolutions comportementales des clients,
  • Repérant les clients à risque dans le domaine des services vendus par abonnement par exemple ou au contraire, repérer les bons clients,
  • Segmentant les bases de données, …

Le marketing prédictif concerne potentiellement l’ensemble des sociétés possédant de grandes bases de données clients.

Cependant, les sociétés les plus concernées sont celles qui ont besoin :

  •  D’anticiper les comportements car elles sont situées sur des marchés qui évoluent rapidement (produits High Tech par exemple) ou sur des marchés très concurrentiels et qui ont un accès aisé aux informations (ex : sites de e-commerce de voyages),
  • De mesurer les risques et dont l’activité est essentiellement basée sur l’abonnement (par exemple : opérateurs téléphoniques),
  • De détecter des comportements frauduleux (ex : les banques).

Enfin, le marketing prédictif permet un réel retour sur investissement pour l’entreprise. Selon Hervé Mignot, product manager, SPSS France, « Loin de concurrencer les autres projets d’infrastructure d’information de l’entreprise, l’analyse prédictive s’ajoute à ceux-ci et permet souvent de « réaliser » le retour sur investissement tant promis par ces différents projets ».

Ainsi, le marketing prédictif vient en support des outils de CRM de l’entreprise et donne un aspect analytique à ceux-ci afin de définir les opérations et d’optimiser le retour sur investissement.

Toujours selon Hervé Mignont, « Ce qui est désormais acquis, c’est que les entreprises qui exploitent l’analyse prédictive seront de facto plus performantes que celles qui ne le font pas. Il faut prédire ou périr » !

Les principaux acteurs ont aujourd’hui des stratégies construites, des retours d’expériences pertinents sur le Web.

Les nouvelles attentes, les nouveaux terrains d’expérimentations convergent tous vers l’internet mobile porteur d’informations et de données bien plus riches que celles que nous propose Internet.

Où en sont aujourd’hui les acteurs « mobile » en France et dans le reste du monde ?

Sommaire :

Introduction : Pourquoi le marketing prédictif ?

1. Le marketing prédictif d’hier à aujourd’hui

1.1 Quelles sont les nouvelles sources d’information ?

1.2 La modélisation de ces informations : le datamining

1.3 Les principales utilisations et applications

1.4 L’état du marché et les perspectives

2. Le marketing prédictif et la mobilité

2.1 Les nouvelles informations que nous procure l’internet mobile

2.2 Les acteurs

2.3 La géolocalisation : les premières applications

2.4 Les autres applications possibles

3. Quelles opportunités pour le m-commerce ?

3.1 Le m-commerce aujourd’hui en France

3.2 Premières initiatives sur le marché français

3.3 Les freins et nouvelles opportunités

3.4 L’exemple du japon

Conclusion

Annexes

Glossaire

Bibliographie / webographie

1. Le marketing prédictif d’hier à aujourd’hui

1.1 Quelles sont les nouvelles sources d’information ?

1.2 La modélisation de ces informations : le datamining

1.3 Les principales utilisations et applications

1.4 L’état du marché et les perspectives

1.1 Quelles sont les nouvelles sources d’information ?

1.1.1 Les différentes sources d’information

Internet a instauré un nouveau mode de collecte d’informations sur les clients : jeux concours, enquêtes de satisfaction, demandes d’information pour l’ouverture d’un compte… Les entreprises ne cessent de rivaliser d’idées pour récolter le plus d’informations possibles et pouvoir ainsi avoir des bases de données clients importantes.

Ainsi l’exemple de Danone est intéressant : la société a lancé son programme « Le bingo des marques » il y a quelques années. Le concept était simple : il s’agissait d’une grille qu’on devait remplir en y collant les différents codes barres des produits Danone achetés.

La grille était répartie par catégorie et pour gagner un cadeau ou un chèque (jusqu’à 500 francs) il fallait remplir une grille entièrement. Ce programme a permis à Danone de collecter un certain nombre d’informations sur ses clients (goûts et habitudes) et qui lui permettent actuellement de piloter 20% de ses meilleurs clients.

Le programme qui fonctionnait bien, a aujourd’hui changé et il a été remplacé par « Danone et vous : 90 ans, l’anniversaire de Danone » qui permet de remporter des bons de réduction ainsi que des chèques de 1000 euros.

Le social media (1) a fait naître une nouvelle vision de la récolte de données sur Internet. En effet, chaque internaute s’inscrivant sur un site de social media se crée un profil « virtuel » qui donne de très nombreuses informations sur sa profession, sa vie privée, … et il le fait de manière autonome. Ainsi des milliards de données sont stockées par des sites qui peuvent par la suite les exploiter.

Facebook va même jusqu’à proposer des publicités ciblées sur son site. Si un annonceur ne souhaite cibler que les jeunes entre 18 et 25 ans qui habitent en région parisienne et qui sont en école de commerce cela est désormais possible.

Récemment, des étudiants du MIT ont développé une expérience dénommée Gaydar qui utilise les techniques du data mining afin de déterminer les caractéristiques d’une personne (positionnement politique, religion et orientation sexuelle) en se basant sur ses amis. L’expérience se base sur le fait que des amis sont sensés partager ses caractéristiques.

Le social media ne se limite pas à Facebook, MySpace, Linkedin, … il s’oriente aussi vers le communautaire et les contenus générés par les internautes. Ainsi, selon une étude IPSOS « Quel est le pouvoir économique des blogs en Europe ? », 35% des internautes français font confiance aux avis lus sur Internet pour le choix d’un produit et 44% n’ont pas concrétisé un achat à cause d’un commentairelu sur Internet.

Ces chiffres sont éloquents et nous montrent bien qu’aujourd’hui, Internet joue un rôle important dans nos actes d’achats.

Source : Etude Ipsos sur le pouvoir des blogs en Europe

Les informations recueillies sur Internet permettent ainsi aux entreprises d’analyser les données dans différents buts :

Enrichir sa connaissance du marché :

De nombreuses sociétés proposent aujourd’hui d’analyser votre réputation sur Internet, de décrypter les tendances ou encore d’analyser la concurrence.

Avec Internet, tout devient plus simple (les informations en grand nombre sont plus faciles à obtenir et sont rapides d’accès, …) et les informations recueillies permettent de mesurer la réputation et l’intérêt portés par les internautes à une marque.

Nourrir la communication de la marque :

Internet permet aussi d’analyser l’aspect marketing d’une marque, de savoir si telle ou telle campagne a bien fonctionnée sans attendre de très longs mois. Ainsi les avis des internautes permettent d’enrichir les contenus tels que les FAQ, les fiches produits, …

Apporter des améliorations produits grâce aux avis des internautes

Le cas s’est produit avec l’Oréal qui, après avoir lancé un mascara aux Etats-Unis, a reçu de nombreuses critiques concernant l’odeur du produit :lors de son lancement en Europe, l’odeur désagréable a été supprimé.

Les marques peuvent ainsi s’appuyer sur les avis des internautes pour sans cesse améliorer leurs produits. C’est ainsi le cas de Danone qui avait mis en place un vote (via un site Internet : http://nouvelledanette.com/) qui visait à élire le prochain parfum lancé par la marque en 2009.

Réagir à chaud aux problèmes

Ce point s’avère très important car grâce à Internet, les marques n’ont plus besoin d’attendre le lancement d’un communiqué de presse ou d’un message du PDG. Elle peut ainsi éviter rapidement les débordements.

Les instituts de sondage, tels que Médiamétrie et Ipsos, permettent aussi aux entreprises de récolter des informations précieuses sur les consommateurs : audience de sites Internet, équipement des ménages en nouvelles technologies, …

Ainsi, à l’heure actuelle de très nombreux types d’information peuvent être récoltés sur Internet : aussi bien les informations concernant la vie privée (nombres d’enfants, orientation sexuelle, logement, habitude de consommation, …) que celles concernant la vie professionnelle (poste occupé, niveau de salaire, …).

Toutes ces informations permettent aux marques de profiler leurs clients.

1.1.2. Comment exploiter l’information ?

Aujourd’hui, l’information est surtout exploitée à des fins commerciales dans le marketing. Comme expliqué plus haut, le marketing prédictif permet d’analyser un très grand nombre d’information et de sortir des règles qui leur sont applicables.

Pour s ‘assurer de bon résultats, il est important, préalablement au recueil et l’exploitation de ces informations, de définir précisément les objectifs de ce analyses.

Un exemple intéressant de l’exploitation de données est la SNCF. Celle-ci a créé en 2004 une filiale nommée CRM services qui permet d’optimiser le marketing à destination des possesseurs de cartes de fidélité : Grand voyageurs et « Gagnez à voyager » (cartes 12-25, Escapades, Senior et Enfant+) ce qui représente un peu plus de trois millions et demi de clients.

Ainsi, la SNCF fait du scoring sur ses clients mais aussi de la segmentation et établit les profils clients.

Le programme d’analyse prédictive permet aussi à la SNCF de savoir quel client va ou non utiliser ses points de fidélité et d’adapter le prix des cartes en fonction de leur segmentation et de leur fidélité. Ce système permet réellement de proposer aux clients la meilleure offre et de faire de l’animation commerciale qui peut aussi passer par les SMS.

Le programme a remporté un grand succès puisque le nombre de renouvellement de cartes a augmenté de 15% et la satisfaction client a gagné 5 points en trois ans.

1.2 La modélisation de ces informations : le datamining

1.2.1 Définition du datamining et son évolution

« Le data miningest l’ensemble des algorithmes et méthodes destinés à l’exploration et l’analyse de grandes bases de données informatiques en vue de détecter dans ces données des règles, des associations, des tendances inconnues (non fixées a priori), des structures particulières restituant de façon concise l’essentiel de l’information utile pour l’aide à la décision. »

Source : http://data.mining.free.fr/

Le terme de « data mining » remonte aux années 1989 au cours du premier workshop KDD (KnowledgeDiscovery in Databases).

En effet, avant le data mining, les analystes devaient développer des hypothèses sur les données qui étaient par la suite testées sur les bases de données. Mais ce procédé ne fonctionne que dans le cadre d’un volume dedonnées.

Il a donc fallu trouver un moyen de stocker et analyser un grand nombre de données bien plus rapidement via l’ordinateur : le data mining était né. Cependant, le data mining est différent des analyses statistiques car il ne se base pas sur une hypothèse mais analyse les données sans à priori pour tirer des conclusions.

Avec l’évolution rapide des techniques informatiques, les possibilités de stockages de plus en plus importantes et le développement de l’intelligence artificielle, le data mining aide aujourd’hui de très nombreux secteurs à prendre des décisions.

Il s’utilise dans de nombreux domaines très divers même s’il concerne principalement les secteurs qui possèdent de très nombreuses informations clients :

  • Les assurances
  • Les services financiers
  • La grande distribution
  • La téléphonie
  • Les outils de collaboration.

Il est très utilisé dans le marketing et plus particulièrement dans le CRM car il permet, entre autres, de segmenter des bases de données, d’identifier les clients à risque ou ceux à fort potentiel…

1.2.2 Le principe

Les deux types de techniques du datamining sont les suivantes :

  1. Les techniques descriptives permettent de souligner ou tirer des règles des informations cachées dans la masse. L’analyse factorielle, le clusteringou la recherche d’association sont des exemples de techniques descriptives. Elles permettent de faire de la segmentation.
  2. Les techniques prédictives permettent d’extrapoler de nouvelles données à partir des informations recueillies.

On distingue deux types de données à extraire :

  • Les arbres de décision, l’analyse discriminante ou la régression logistique qui permettent de trouver des données qualitatives.
  • La régression linéaire ou les arbres de décision qui permettent de trouver des données quantitatives.

Ces techniques permettent de faire du scoring.

Pour plus d’informations, voir l’annexe 1 : datamining – classification des techniques.

Pour citer ce mémoire (mémoire de master, thèse, PFE,...) :
La première page du mémoire (avec le fichier pdf) - Thème :
Quelles opportunités représente le marketing prédictif pour le m-commerce ?
Auteur·trice·s :
Aurélie MACCARIO & Véronique ROSTAIN
Aurélie MACCARIO & Véronique ROSTAIN
Université :
MBA E-Business - Matière : E-business et mobilité
Année de soutenance :
Mémoire de fin d’étude 2008/2009
Télécharger ce mémoire en ligne PDF (gratuit)
Rechercher
Publier!
Publier son mémoire de fin d’études ! - WikiMemoires

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Retour haut de page