Marketing prédictif : définition, avantages et mise en œuvre

Le marketing prédictif se base sur les données pour calculer des probabilités de comportements de consommation. C'est grâce au modèle prédictif avancé de Netflix, par exemple, que les utilisateurs se voient recommander des films qui pourraient leur plaire. Autre exemple évocateur : le lead scoring prédictif mesure en temps réel les chances de convertir un prospect en client.

La pratique n'est pas nouvelle. Les technologies en revanche ont avancé, notamment l'IA, et le marketing prédictif est de plus en plus précis, fiable et automatisé. Les entreprises ont intérêt à s'en saisir.

Quels sont les avantages du marketing prédictif ?

Ne passer à côté d'aucune opportunité

Il suffit parfois d'une dernière action marketing, au bon moment, pour convertir un prospect. Le marketing prédictif convainc l'entreprise d'aller au bout de ses efforts auprès des prospects les plus susceptibles d'acheter.

Imaginons une entreprise B2B qui vend des casquettes brodées personnalisées.

• L'analyse de ses données indique que 90 % des prospects qualifiés de « petits clubs de golf » qui ont pris contact sur un salon professionnel, souscrit à la newsletter et visité le site web 3 fois sont devenus clients.
• Dès qu'un petit club de golf remplit ces critères, l'entreprise reçoit une alerte pour agir. Grâce à sa proactivité, l'entreprise saisit l'opportunité commerciale, au bon moment : le prospect a une intention d'achat, et n'a pas encore été capté par un concurrent.
• La probabilité de vendre n'est pas de 100 %, mais l'entreprise s'assure de ne pas passer à côté d'une opportunité.

Cet exemple offre une vision très simplifiée. En réalité, le marketing prédictif d'aujourd'hui analyse très finement des gros volumes de données, en temps réel, et ajuste en permanence ses résultats grâce au machine learning.

Augmenter ses revenus par client

Le marketing prédictif est très efficace pour personnaliser les recommandations de produits. Or recommander des produits à des clients est un bon moyen d'augmenter la valeur vie client (CLV, pour customer Lifetime Value), c'est-à-dire le total des revenus générés par un client.

Il existe deux types de recommandations : l'upsell, qui consiste en une montée en gamme, et le cross selling, également appelé vente additionnelle ou complémentaire. L'une et l'autre augmentent les revenus. Pour l'une comme pour l'autre, il faut viser juste, c'est-à-dire proposer le produit adapté au client, au bon moment. Le marketing prédictif aide à y parvenir.

Le fonctionnement (simplifié) est le suivant : le croisement des données d'une entreprise révèle qu'un client qui a un certain profil et un certain comportement achète très probablement un produit B. Dès qu'un client remplit les critères de profil et de comportement, l'entreprise lui recommande le produit B, via son site web ou dans une newsletter.

Retenir ses clients

Déjà en 2015, SFR utilisait le marketing prédictif pour détecter les « churners », c'est-à-dire les clients qui envisageaient de résilier leur abonnement. L'entreprise de téléphonie analysait le comportement de ses clients en ligne pour anticiper leur départ, et faire en sorte de l'éviter. SFR avait un taux de détection de 81 %, et évitait 75 % de désabonnements.

Suivre ses clients en ligne est plus difficile depuis 2020, car la CNIL a durci ses lignes directrices relatives aux cookies et autres traceurs. Il reste toutefois des données accessibles pour identifier puis retenir ses clients à risque.

Illustration : une entreprise de services sur abonnement croise les données de trafic sur son site web et ses données de service client pour anticiper la perte de ses clients. L'analyse prédit qu'un client est susceptible de résilier son abonnement après 2 réclamations auprès du service client, et 1 consultation de la page des CGV. Un système de notifications alerte l'entreprise à la survenance de ces signaux, lui permettant de mettre en œuvre les actions efficaces pour retenir le client – offre promotionnelle, par exemple.

Rendre service aux clients

Le système de recommandations personnalisées permet de générer des revenus supplémentaires, et d'améliorer l'expérience client. Les exemples de Amazon et de Netflix sont les plus évocateurs : leurs recommandations respectives de produits et de films, basées sur un modèle prédictif très évolué, sont finement ciblées.

Les clients apprécient ces recommandations personnalisées pour plusieurs raisons :

• Les recommandations font gagner du temps.
• Les clients découvrent des produits qui les satisfont au-delà de leurs attentes.

Le marketing prédictif, à cet égard, est perçu comme un service rendu. Les clients apprécient, et leur satisfaction contribue à les fidéliser.

Améliorer la rentabilité marketing

Les actions décidées sur la base du marketing prédictif atteignent très probablement leur objectif. Les décisions en effet sont fondées sur des données, de la logique et un système avancé de probabilités mathématiques.

Ainsi, l'entreprise ne laisse rien au hasard, au contraire : chaque ressource investie, en temps et en argent, produit un résultat, qui plus est prédit. La rentabilité est meilleure, et les prévisions financières sont plus justes.

Tirer le meilleur du CRM

Formulaires en ligne, données de web analytics et de réseaux sociaux, historiques clients, programmes de fidélité ou encore interactions avec le service client : les entreprises collectent des données à de nombreuses occasions et les stockent dans un outil de type CRM, parfois sans rien en faire par la suite. Ce sont pourtant des actifs d'une grande valeur, notamment pour se démarquer dans son environnement concurrentiel.

Faire du marketing prédictif valorise les données du CRM. Voici un exemple concret :

1. Grâce à son CRM, l'entreprise constate que certains clients sont inactifs.
2. Grâce aux fonctionnalités prédictives du CRM, l'entreprise sait que tels clients vont probablement passer à la concurrence.
3. L'entreprise déploie les actions de rétention adaptées aux profils des clients à risque.

Un CRM permet d'observer, un CRM doté de fonctionnalités prédictives permet de tirer des conséquences de ces observations.

CRM gratuit de HubSpot

Un logiciel CRM gratuit pour toutes vos équipes

• 100% gratuit
• Prise de rendez-vous
• Modèles d'e-mails
• Live chat

En savoir plus

Quelles sont les étapes pour mettre en place une stratégie de marketing prédictif ?

Certaines entreprises créent elles-mêmes leur propre modèle prédictif, avec une équipe de data scientists. Aujourd'hui cependant, des outils de type CRM proposent des fonctionnalités prédictives clé en main. Voici comment cela fonctionne.

1 - Collecte et centralisation des données

Plus le volume de données est important, plus les prédictions sont précises. Plusieurs dispositifs permettent d'obtenir des données utiles :

• Les formulaires de contact et les formulaires de téléchargement de contenus premium.
• Des veilles en ligne, notamment sur les réseaux sociaux.
• Un outil de web analytics pour collecter les données de comportement sur le site web.
• Les interactions avec le service client par e-mail, par téléphone ou encore par chat.

Il revient à l'entreprise, à cette première étape de la stratégie de marketing prédictif, de mettre en place un maximum de dispositifs de collecte de données. Il lui incombe aussi de sensibiliser tous ses collaborateurs : ils doivent prendre l'habitude de collecter les données qui leur sont transmises, et de les rentrer dans une base de données centrale – un CRM idéalement.

2 - Définition des objectifs stratégiques

Le marketing prédictif a plusieurs applications : conversion de prospects, recommandations personnalisées ou encore rétention de clients à risque. Les données à explorer diffèrent selon l'objectif.

Pour recommander une vente complémentaire, par exemple, il faut se focaliser sur les données des clients qui ont acheté au moins deux produits. Identifier les prospects avec la plus forte intention d'achat, en revanche, nécessite d'observer les données des prospects devenus clients.

Les fonctionnalités à utiliser, par ailleurs, diffèrent selon l'objectif. On utilisera par exemple du lead scoring prédictif pour convertir les bons prospects au bon moment.

L'entreprise définit ses objectifs marketing pour dessiner une ligne directrice à suivre aux étapes ultérieures, et pour évaluer les résultats de sa stratégie.

3 - Analyse des données et scoring avec l'IA

L'outil de marketing prédictif prend le relais à cette étape de la stratégie. Grâce à son IA intégrée, l'outil va chercher les données nécessaires, et les analyse, puis fait ses prédictions en rapport avec les objectifs préalablement définis.

Certains outils nécessitent de l'entraînement. Le rôle incombe à l'entreprise, qui effectue des simulations et évalue les résultats, afin d'indiquer à l'outil la meilleure voie à suivre.

Les prédictions sont généralement formalisées sur la base d'un scoring : l'IA attribue un score en se fondant sur des probabilités. Exemple avec une entreprise qui utilise le marketing prédictif de son CRM doté d'IA pour convertir des prospects intéressés :

1. L'IA a analysé les données de centaines de prospects devenus clients de l'entreprise, et en a déduit une liste de critères de maturité.
2. Tous les contacts du CRM sont notés sur cette base : plus le nombre de critères remplis est élevé, plus la note se rapproche de 100.
3. L'entreprise en déduit que les prospects notés proche de 100 sont les plus matures : ce sont eux qu'il faut convertir maintenant.

Les avancées de l'IA, et précisément celles du machine learning, augmentent les possibilités du marketing prédictif. Cette technologie en effet permet aux outils d'apprendre de manière autonome, à mesure des résultats obtenus. Ainsi, la fiabilité des prédictions progresse rapidement.

4 - Suggestions d'actions et marketing automation

Le scoring suggère des actions marketing à mettre en œuvre pour atteindre les objectifs de l'entreprise. Dans l'exemple précédent, l'entreprise doit déployer auprès des prospects les plus matures les actions qui convertissent le plus favorablement.

L'IA de certains outils permet non seulement de prédire le comportement des prospects, mais aussi de suggérer les actions les plus efficaces eu égard aux objectifs, en se fondant sur les données passées.

Les outils CRM les plus avancés permettent de faire du marketing automation basé sur les prédictions. Cela automatise une grande partie du processus marketing, tout en personnalisant les actions en fonction du client.

Dans l'exemple ci-avant : l'outil est paramétré de manière à ce que tout prospect qui atteint un score supérieur à 90 reçoive immédiatement une offre promotionnelle de bienvenue par e-mail, puis une relance le lendemain du premier envoi. Les actions sont effectuées automatiquement par le CRM.

Quels sont les logiciels de marketing prédictif ?

HubSpot

Breeze, l'IA de HubSpot, croise les données first-party de l'entreprise et des données third-party pour fournir des prédictions affinées. Différentes fonctionnalités prédictives sont accessibles : recommandations de produits personnalisées, suggestions d'actions marketing fondées sur les données, prédictions de comportements d'achat ou encore scoring d'intentions d'achat.

Concrètement, l'analyse prédictive associée aux fonctionnalités de marketing automation aide les équipes à construire des relations clients personnalisées, à convertir les prospects et à gérer les pipelines. Le moteur d'IA de HubSpot apprend en continu, et s'adapte en fonction des résultats obtenus, pour fournir des prédictions fiables.

ActiveCampaign

La plateforme marketing ActiveCampaign propose plusieurs fonctionnalités prédictives alimentées par l'IA :

• La fonctionnalité de probabilité de conclusion de la vente évalue la maturité des contacts et met le score à jour en temps réel, pour éviter à l'entreprise de passer à côté d'une opportunité. Grâce aux fonctionnalités de marketing automation, l'outil déploie automatiquement certaines actions marketing en fonction de la note.
• Sur la base des probabilités de conclusion des ventes, l'entreprise obtient des prévisions de chiffre d'affaires fiables.
• L'outil analyse les données clients pour proposer des opportunité de vente croisée et de vente incitative.
• L'IA de ActiveCampaign paramètre des campagnes marketing personnalisées en fonction du profil client.
• La fonctionnalité d'envoi prédictif permet d'envoyer les e-mails marketing au meilleur moment, pour augmenter le taux d'ouverture. L'outil se base sur le comportement passé du destinataire, et sur le comportement d'une audience semblable.

Klaviyo

Le CRM B2C Klaviyo a développé son intelligence artificielle Klaviyo l'IA sur laquelle se basent trois fonctionnalités prédictives :

• Risques d'attrition et opportunités de rétention.
• Fréquence des commandes par client et date de la prochaine commande.
• Valeur vie client.

L'outil affiche pour chaque profil client les Analyses prédictives, pour anticiper les comportements d'achat et affiner les prévisions financières. Les modèles prédictifs clé en main se basent sur les données de l'entreprise, et s'entraînent automatiquement une fois par semaine.

Zoho CRM

Le logiciel Zoho CRM met son intelligence artificielle Zia au service des prédictions de vente, pour permettre aux entreprises de se concentrer sur leurs transactions les plus probables.

Concrètement, Zia fait du lead scoring pour aider les commerciaux à évaluer leurs chances de conversion. Sur cette base, ils excluent les leads non prometteurs et ils priorisent les autres.

Salesforce

Le logiciel Salesforce met à disposition des modèles prédictifs très complexes, et personnalisables, qui soutiennent des fonctionnalités avancées de lead scoring, de prédictions de churn, de prévisions de ventes ou encore de recommandations personnalisées.

En plus de ses capacités analytiques, l'IA Einstein est capable de générer des contenus marketing personnalisés en fonction des prédictions de comportement des clients. Grâce au machine learning, Einstein progresse en continu et fournit des résultats toujours plus fiables et précis.