Nos formations : www.jedha.co
Nous sommes cette fois avec Neuralytics pour discuter comportements d'achats ! Prenant le cas d'usage de l'achat automobile (le 2e achat des plus importants), Jimmy - CTO de Neuralytics - nous présentera les challenges liés à ces achats pour les vendeurs, et les solutions que les modèles de prédiction de Machine Learning peuvent apporter. A extrapoler à d'autres secteurs ?
4. le point commun : ils ont compris l’enjeu d’une connexion
permanente avec leurs clients pour maintenir une relation
durable
5. les acteurs de la distribution automobile
souffrent au même titre que les autres
industries d’une connexion insuffisante avec
leur client
19%des appels
n’aboutissent pas en
point de vente
62%Des clients changent
de marque lorsqu’ils
changent de
véhiculeSource Kibitoh
Source Cetelem
6. conséquence : les points de contacts
physiques avant achat se font de plus en
plus rares
2 visites en point de
vente avant l’achat
de son futur véhicule
2 visites avant
signature de son
futur logement
à peine plus de
source Google source Le Figaro
moins de
7. plongée au cœur des parcours
DÉCLENCHEUR
ESSAI EN CONCESSION
(4 semaines)
RECHERCHE
(6 semaines)
RÉFLEXION
(7 semaines) RECHERCHE POST-VISITE
(4 semaines)
NEGOCIATION
(3 SEMAINES)
ACHAT
Total: 24 semaines
tout au long de son parcours d’achat le consommateur automobile va rencontrer des barrières , des points de difficultés. Les
points de ventes ne sont cependant pas toujours l’acteur choisi pour y répondre
.maprochaineauto propose aux distributeurs de se doter d’outils technologiques à même de détecter voir d’anticiper ces besoins
et se propose de les traiter de manière industrielle , autonome et en temps réel
la prise de conscience la demande la réponse
EXTÉRIEUR
POINT DE VENTE
9. l’objectif : répondre aux besoins de leurs clients dès que
ceux-ci s’expriment - et parfois même avant
#anticiperpoursuscisterlebesoin
10. l’automobile est un objet complexe …
et son acheteur l’est encore plus
traitement manuel échantillonnage puis traitement
manuel
traitement manuel machine learning
taille du jeu de données d’apprentissage
petite grande
complexessimples
caractéristiquesdel’analyse
11. la démocratisation de l’intelligence machine
nous offre une capacité d’anticipation
nouvelle
#supprimerlestachespaslesmetiers
pour la première fois nous disposons des
données ET de la puissance de calcul
15. pour permettre aux distributeurs automobiles de
s’insérer dans ce mouvement
nous avons imaginé …
16. intelligence automobile retail.
1LA
ère
construite à partir de l’observation du marché , de ses transactions et des comportements consommateurs
maprochaineauto se veut une extension aux écosystèmes digitaux existant , pensée pour accompagner en
transparence acheteurs et vendeurs , identifier les intentions et y répondre de manière personnalisée
17. tous les jours 200 000 clients se rendent en
atelier pour l’entretien de leur véhicule
50Md’entrées atelier
enregistrées en 2018
soit 35 entrées par
jour par point de
vente en moyenne
Source CNPA
18. prendre la parole plus souvent , de manière non intrusive
mais personnalisée
19. au moyen du plus grand jeu européen de données
comportementales et transactionnelles
10 modèles propriétaires
d’enrichissements prédictifs sur
l’individu et sur le véhicule
dix millions de transactions de
professionnels à particuliers rendues
anonymes
même avec peu d’informations
anticiper l’intention = comprendre le consommateur
une observation statistique
quotidienne d’un million d’annonces
de professionnels et de particuliers
comprendre
pour développer une compréhension du mode de vie de chaque intentionniste
+ =
20. et bénéficier à tous
distributeurs agences digitalesconsommateurs
apps clés en main bibliothèque api
+&
23. faire en sorte qu’une recommandation soit adressée à chaque client atelier lorsqu’une opportunité est identifiée
cas pratique : la recommandation flash
du véhicule possédé
30 secondes pour adresser une prescription spontanée sans avoir à poser une seule question
#1 identification
#2 enrichissement
#3 prédiction
#4 édition
des informations contact et véhicule
d’un projet de remplacement
d’une prescription personnalisée à partir des valeurs
de reprise point de vente et du stock
25. F
Intérêt
pour
l’automobile
Budget consacré à
l’achat
Rationalité
de l’achat
prédisposition
à l’Électrique
importance donnée
à la Famille
I
BR
E
pour anticiper mieux que quiconque
modèles propriétaires de machine et de deep learning pour prédire 5 axes essentiels du comportement d’acheteur automobile