Cet article est le deuxième d’une série de 3 articles de Cédric Hervet (@CedricHervet), Directeur Recherche Opérationnelle de SOCIO Logiciels (groupe NP6). Retrouvez Cédric Hervet aux NP6 Marketing Insights le 28 janvier à Paris.
Ainsi qu’on l’a vu lors d’une précédente tribune, les approches prédictives permettent au marketeur d’attribuer à chaque prospect de sa campagne email un score, une prédiction de réactivité. Un moyen de s’affranchir de la logique de segments prospects génériques pour adapter le ciblage à chaque campagne et pousser la bonne offre au bon moment et aux bonnes personnes. Plusieurs acteurs du marché se positionnent sur cette activité et proposent des solutions permettant de réaliser ce ciblage de façon très précise.
La logistique de l’emailing et les limites du prédictif
Néanmoins, si l’on a montré l’intérêt de se passer de ces segments pour aller vers une logique one-to-one, il ne faut pas oublier que le principal intérêt des segments prédéfinis est de rendre la gestion de la logistique des envois très simple d’un point de vue opérationnel. En effet, l’email marketing est soumis à des contraintes fortes, dont certaines propres à ce canal.
Le premier souci d’un marketeur est de gérer au mieux la pression marketing qu’il exerce sur sa base de prospects. S’il envoie trop peu de mails, il est en dessous du seuil de rentabilité de sa base, mais s’il en envoie trop, alors l’exaspération ressentie par certains prospects peut les conduire à se désabonner, voire à se plaindre auprès de leur MSP (Mail Service Provider, tels que Orange ou Gmail).
Cela a deux effets délétères sur la base. Le désabonnement et la plainte ont pour conséquence d’en retirer le prospect. On parle alors d’érosion de la base, un phénomène très coûteux à long terme car il conditionne l’ampleur des stratégies d’acquisition qu’il faudra mettre en place pour renouveler la base. Le second effet, sans doute le plus grave, est qu’un trop grand nombre de plaintes pourra entraîner un blocage auprès d’un MSP, pouvant éventuellement déboucher sur un passage en blacklist, qui interdira toute communication ultérieure vers les prospects inscrits chez ce MSP. On comprend aisément la perte sèche que constitue un tel évènement, et les praticiens de l’emailing connaissent bien ce jeu de funambule qui consiste à doser la prise de risque sur une base prospects tout en maximisant les retombées qu’une campagne génère.
Gérer la pression marketing
Le raisonnement par segments prédéfinis permet de gérer ces aspects. D’ailleurs, les bonnes pratiques de segmentation tendent à inclure dans celle-ci le caractère « réactif » ou non du segment, qui est une façon de quantifier sa tolérance à la pression marketing. Ainsi, lorsqu’on pousse une campagne sur un segment de prospects, le marketeur sait qu’il ne doit pas re-solliciter ce segment avant un certain délai, qui dépend de la réactivité de ce segment.
Ainsi, il est possible de répartir les envois entre les segments, en essayant de s’assurer qu’on remplit les objectifs d’audience des campagnes (tant du point de vue quantitatif que qualitatif), tout en gérant la pression au mieux. Sur le papier, cela paraît simple, mais les praticiens connaissent la difficulté que cela représente, et ceux-ci disposent seulement de leur intuition et de leur expérience pour décider comment réaliser leurs envois. Cela reste donc « gérable », mais devient rapidement une activité à plein temps pour le marketeur qui se mue alors en logisticien des campagnes, bien loin de la créativité et de l’innovation à la base de ce métier.
On comprend alors que l’irruption du prédictif, si elle permet de dévoiler le potentiel réel des bases, fait prendre le risque d’une explosion de la complexité logistique car avec le prédictif, les segments fixes dans le temps n’existent plus ! Pour tirer pleinement parti du prédictif, il faut casser la logique de segment, mais si l’on casse la logique de segment, il devient impossible de gérer la pression marketing. Comment concilier les deux sans retomber dans une logique de segment déguisée en approche prédictive ? Est-ce même possible ?
Passer du prédictif au prescriptif
En un mot : oui. Mais cela nécessite de faire appel à une branche des mathématiques très différente des approches prédictives. S’il faut des algorithmes pour prédire les effets d’une action (i.e. envoyer tel mail à tel prospect a X% de chances de générer un clic / une ouverture), il faut d’autres algorithmes pour prescrire les actions à mener (i.e. quels mails envoyer à qui et quand). Ainsi, le prédictif n’est pas la finalité de la mutation qui s’opère derrière le terme très vaste de « marketing automation » ; il est la brique de base qui soutiendra sa clef de voûte : le prescriptif.
Les mathématiques derrière le prescriptif portent le doux nom de « Recherche Opérationnelle », discipline fondée à l’origine pour des besoins militaires à l’occasion de la planification du débarquement lors de la Seconde Guerre Mondiale qui, on s’en doute, constituait un problème logistique majeur, que l’émergence des premiers ordinateurs rendait attaquable par des algorithmes capable de rationaliser les processus. Depuis, le spectre d’intervention de la discipline a imprégné le domaine civil, principalement dans l’industrie lourde où les problèmes de planification et d’ordonnancement sont nombreux (ordonnancement de tâches dans une usine, planification de tournées de livraison…) puis, plus récemment, les processus marketing.
La Recherche Opérationnelle : les algorithmes au service du marketing
Concrètement, la recherche opérationnelle consiste à modéliser le problème de décision auquel on est confronté, puis à concevoir des algorithmes pour le résoudre automatiquement et de façon optimale. Elle est l’étape qui fait suite à la modélisation prédictive dans un processus de décision automatisé.
La force de l’approche est de modéliser le problème dans sa globalité en décrivant mathématiquement les décisions à prendre, les KPIs qu’elles doivent optimiser, et les contraintes éventuelles qu’elles doivent respecter. Par exemple, pour l’implantation d’un réseau de distribution, les décisions seraient les points dans lesquels ouvrir une boutique, le KPI la couverture globale du réseau, la contrainte étant de ne pas dépasser le budget et d’éviter la cannibalisation entre boutiques.
Le prescriptif appliqué aux campagnes email
Comme on l’a vu, le prédictif amène à considérer chaque individu comme un segment à part. On se retrouve donc avec des milliers, voire des millions de segments auxquels il faut envoyer des communications parmi une liste donnée de campagnes. Chaque campagne a ses propres objectifs (un minimum d’envois à réaliser, sur une période donnée), éventuellement des modes de rémunération différents dans le cas d’une campagne tiers.
De plus, les MSP ont chacun leurs propres politiques de blocage. Ainsi, grâce au prédictif, on peut prédire quelle sera la probabilité de réagir de chaque individu selon la campagne. On peut également prédire sa propension à se plaindre ou se désabonner si la pression marketing est trop forte ou qu’on lui envoie des communications qui ne l’intéressent pas. Comment décider quelle campagne envoyer à chaque individu, chaque jour, en tenant compte des particularités de ces derniers, tout en garantissant que nos objectifs sur chaque campagne sont tenus et que l’efficacité globale du planning d’envois est maximisée ?
C’est à cet endroit que le prescriptif prend le relai. Les algorithmes de Recherche Opérationnelle vont utiliser les prédictions pour prendre la meilleure décision tout en respectant la totalité des contraintes simultanément (qui peuvent porter sur les objectifs de chaque campagne, les différentes politiques des MSP, le budget marketing maximal…). Pour modéliser l’efficacité d’un planning, chaque action doit être reliée à un coût et un gain. Par exemple, le coût peut être le potentiel désabonnement du prospect ainsi que l’envoi du mail. Le gain est la rémunération qu’on tire d’un clic ou d’une transformation. L’algorithme ira trouver lui-même, parmi les innombrables plannings d’envoi, celui qui maximise le ROI global, toutes campagnes confondues.
L’intérêt de cette approche est triple, et répond aux problèmes que le prédictif laissait ouverts :
– La complexité logistique de planification est laissée aux algorithmes qui garantissent que l’ensemble des contraintes métier sont satisfaites
– Les algorithmes tirent le meilleur parti possible de la puissance offerte par le prédictif
– Cette planification est automatisée
Que peut-on attendre en sortie de ce processus ? Un planning global, où chaque individu reçoit des emails de façon complètement personnalisée en respectant sa tolérance à la pression marketing, où chaque campagne remplit ses objectifs sans violer les contraintes imposées par les MSP. De plus, on connait à l’avance les gains que le planning va générer puisque ces derniers ont été maximisés par les algorithmes. Les premières expérimentations montrent des gains impressionnants par rapport à des approches uniquement prédictives, où 30% semble être un minimum.
Conclusion
Il est peu probable que le prédictif atteindra son plein potentiel sans l’aide du prescriptif, et cela se fera au prix de l’intervention humaine sur la gestion des campagnes, qu’il faudra déléguer aux modules d’intelligence artificielle conçus par la Recherche Opérationnelle. Les gains en termes de temps et de ROI méritent de considérer la question, d’autant que ces algorithmes sont bien plus une opportunité et un support pour le marketing qu’une menace. Ils sont du ressort de l’aide à la décision, pas plus et pas moins : ils feront mieux et plus vite ce que l’homme ne peut pas faire à la main.
Ainsi, il ne faut pas oublier que c’est avant tout la qualité du message, du visuel, la stratégie marketing globale qui resteront la clé de la réussite. Le rôle des algorithmes sera d’exploiter au mieux la créativité du marketing, de la sublimer en l’affranchissant des limites logistiques qu’elle peut rencontrer. En d’autres termes, ils permettront au marketing de se recentrer sur son métier pendant qu’ils gèreront les maux de tête.
Passer du prédictif au prescriptif est donc possible dans l’email, mais qu’en est-il des autres canaux ? Après tout, le marketing automation de demain semble être multi-canal et les marques voudront converser avec leurs clients sur tous les supports, ce que l’essor des technologies dites programmatiques rend possible. Ce sera l’objet de la troisième et dernière tribune, intitulée « Passer du prédictif au prescriptif, le marketing automation de demain ».
