En B2B, la position du directeur marketing est délicate, car nous observons que les comportements d’achats des entreprises répondent à des contraintes qui sont liées au secteur, au type d’offre, à la culture et taille de l’entreprise, bien plus qu’à l’individu.
Il faut donc développer un marketing d’influence dans lequel on ne cherche pas seulement à convaincre l’interlocuteur direct, mais lui donner suffisamment de confiance et d’envie pour qu’il convainque ses collègues, puis sa direction de faire prendre un « risque » à l’entreprise, qui sera évalué ensuite formellement.
Cette situation complexe rend l’interprétation directe des données qu’il manipule extrêmement aléatoire et compliquée.
D’abord parce qu’il y en a peu et qu’il ne peut pas appliquer « la loi des grands nombres ». Les sites web sont peu visités (100 fois moins que leurs homologues en B2C), Google Analytics ne fournit qu’une vision quantitative de l’ensemble du trafic et non pas du trafic « utile » (celui des entreprises), et les taux de conversion sont très faibles (moins de 1% en moyenne).
Ensuite, parce que le comportement « observé » d’un individu dépend ne peut pas être extrapolé à celui de son entreprise, surtout si l’entreprise est de taille importante, et les leviers d’actions souvent réduits à juste « obtenir un email » pour enfin disposer d’informations clés comme la fonction et la société de l’individu.
Lorsqu’il recourt à l’emailing, le marketeur B2B est confronté à la puissance des antispams ou des clicbots qui protègent les boites mails de entreprises et des destinataires dont la boite mail est un outil de communication qui filtre tous les messages promotionnels l’obligeant à ruser et effaçant quasiment les efforts de mailing « de masse ».
Ce n’est pas que le marketeur n’a pas la compétence pour comprendre, c’est simplement qu’il n’a pas les bonnes données sous la main, et c’est là ou l’intelligence artificielle entre en jeu.
L’intelligence artificielle est essentielle là ou l’humain ne peut faire seul
Dans un contexte aussi compliqué, l’intelligence artificielle dont le marketeur B2B a besoin est d’abord une intelligence de la data. A partir de signaux faibles collectés en masse par de multiples biais , et croisement de bases de données, il est aujourd’hui possible en recourant à des algorithmes intelligents et le big data de « décoder » et « enrichir » l’information digitale des acheteurs au profit des marketeurs.
Xavier Paulik, DG associé chargé du développement technologique et commercial de la plate-forme et des services en ligne de GetQuanty
Les techniques de web tracking, les bases de données open data, la collecte de toutes les interactions via le marketing automation, les techniques de « onboarding » des données CRM multicanales d’une entreprises, et les infrastructures ouvertes dans le cloud de type « DMP » sont autant de sources d’information et capacité de les croiser qui permettent de développer une vision 360 et un historique consolidé au niveau d’une entreprise.
Comme ces données proviennent de sources différentes et avec une durée de vie courte, il faut souvent avoir recours à des algorithmes dit de « machine learning » capables de compléter les données manquantes, relier des entités aux noms approchants mais pas exactement identiques, trier les données « obsolètes » ce que l’humain ne pourrait pas faire dans un temps suffisamment court.
Mais surtout, cette nouvelle connaissance permet d’en développer d’autres : on passe alors du marketing traditionnel qui « segmente » au marketing prédictif qui « score ». En faisant tourner des algorithmes sur des masses de données et un historique suffisants, on peut comprendre l’état de maturité d’un prospect par exemple, l’évolution de ses centres d’intérêts, donc l’offre à lui proposer et même en déduire le bon moment » pour susciter un achat.
Intelligence artificielle ou bêtise augmentée ?
Mais en confiant à la machine le soin de corriger notre vision, on prend aussi le risque de se laisser dicter nos propres analyses ou prendre des décisions sur des bases erronées, ou pire, propager notre méconnaissance et en faire une loi universelle.
En effet, tous ces algorithmes « intelligents » se basent sur des observations passées sur de multiples variables, dont il est très difficile de relier la cause à l’effet. Pour apprendre à l’ordinateur à trier, il faut le plus souvent lui donner des exemples (on parle de « supervised learning ») qu’il va décortiquer et par « analogie » sera capable dans une situation approchante de retrouver un résultat analogue. De ce fait les prédictions sont extrêmement dépendantes de la qualité à la fois des données collectées, et des scénarios pris pour exemple.
Or il est de plus en plus difficile de maitriser l’origine des données collectées qui sont elles mêmes souvent des résultats calculés de données non maitrisées, mais disponibles à large échelle. Le rôle et la rigueur des Data Scientists « humains » est alors essentiel. Eux seuls sont les gardiens du temple qui peuvent nous apprendre à nous méfier des données, paramétrer les algorithmes et contrôler leur résultats, et décider de ne pas ajouter une nouvelle donnée non fiable qu’on a mis des mois pourtant à calculer… « garbage in, garbage out » !
On ne peut alors que recommander au marketeur B2B ébloui par ces nouvelles techniques et cette intelligence à sa disposition d’en faire un usage averti, c’est à dire utiliser sa propre intelligence et son discernement pour vérifier, analyser, confronter les suggestions de la machine à sa propre expérience et connaissance, et ainsi corriger en permanence son assistant virtuel, en quelque sorte en lui offrant une formation continue !
Auteur : Xavier Paulik, DG associé chargé du développement technologique et commercial de la plate-forme et des services en ligne de GetQuanty
***
Un article du dossier Intelligence artificielle et marketing
A lire aussi sur Marketing Professionnel : dossier Marketing BtoB
(c) Ill. DepositPhotos
Recommandé pour vous
Commenter
Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.
