En utilisant des données de plus en plus granulaires; passant des caractéristiques démographiques et psychographiques détaillées aux chemins que les consommateurs utilisent sur le web, les entreprises commencent à créer des offres hautement personnalisées. Venez voir comment celles-ci arrivent à orienter leurs consommateurs vers le "bon" produit ou service au bon moment, au bon prix, et dans le bon canal (en ligne et/ou hors ligne).

1. Data Driven Retailing
Le cas du Next Best Offer

2. Qui sommes-nous ?
Julien LEMAITRE
Conseiller en valorisation de données
Corentin CORDIER
Conseiller en Intelligence d’Affaires

3. Agenda
1. Introduction : Les cinq tendances qui révolutionnent le retail
2. Le NBO : Principe et bénéfices
3. Le NBO : Implémentation et recommandations

4. 1. Introduction
Les cinq tendances qui révolutionnent le secteur du Retail

5. 1. Toujours plus de données
IDC, estime que le volume de
donnés dans le secteur du Retail
double tous les 2 ans

6. 2. Des investissements croissants …
En 2014, 82% des acteurs souhaitaient augmenter leur budget TI
Parmi les priorités :
Intégration multi canal BI en magasin Mobile

7. … notamment en magasin
Taux de conversion jusqu’à 20 fois supérieur (vs online)
Smart Retail IOT

8. 3. Focus sur la profitabilité
Identifier, segmenter et conserver les clients profitables …
… versus en acquérir de nouveaux

9. 4. Ultra personnalisation
Changement de paradigme : de l’Outbound à l’Inbound temps réel

10. 5. Expérience client Multi Canal …

11. … implique une unification
Magasins et eCommerce ni exclusifs, ni rivaux - complémentaires
Showrooming (50% des ventes en magasins impactées)
Webrooming (80% des gens consultent internet)
Enjeu : expérience d’achat unifiée
Conversion (+40%)
Valeur du panier (+22%)
Loyauté

12. … la convergence des métriques
« Google Analytics » pour
les vraies boutiques

13. … et l’apparition du digital in store
Digital in store : utiliser les outils digitaux pour renforcer
l'expérience client et améliorer le taux de conversion en magasin

14. 2. Next Best Offer
Principe et bénéfices

15. Recherche d’un produit
Offres personnalisées
Conseils
1. Amazon, le pionnier du NBO

16. 2. Principe (1/2)
Recommandations à partir de plusieurs paramètres
Profil du
client
Contexte
d’achat
Caractéristiques
du produit

17. 2. Principe (2/2)
Diminution du ”churn”
Proposition de produits ou
services en rabais
Augmentation du taux de
réponse de la circulaire
Augmentation de la part du
portefeuille
(”share-of-wallet”)
Augmentation des
ventes en magasin

18. 3. Bénéfices
Offres ciblées
Découverte de produits
Apprécie les recommandations et
l’expérience unifiée
Augmentation des ventes
Baisses des coûts de marketing direct
Longue traîne (long-tail)
Fidélité client accrue/baisse du churn
Meilleure connaissance de son business

19. 4. Affinité entre départements
Affinité faible
entre
départements
Affinité forte entre
départements
Livres et médias Animaux
Santé
Bagages et sacs
Fournitures
de bureau
Sports et jeux Jeunesse
Bijoux/Montres
Jardin
Vêtements
Chambre et bain

20. 5. Opérationnalisation en magasin
Cas 1. Produits utilitaires, faible friction :
› Beaucoup de références
› Prix faible / Fort volume
› Faible service à la clientèle
Cas 2. Haut de gamme, conseil client :
› Marge élevée
› Focus sur la fidélité et l’attachement à la
marque

21. 3. Next Best Offer
Implémentation et recommandations

22. 1. Enjeux
Comment je peux
vendre plus de produits
à mes clients ?
Je propose le produit “C"
à mes clients car il répond
à leur besoin
Je dois proposer le
produit "B" à mes clients
car il est très profitable
Je dois proposer le
produit “A" à mes clients
car il me permet
d'atteindre mon objectif
annuel
Je dois proposer le
produit “E" à mes clients
car c'est le produit du
mois
Je dois proposer le produit
“D" à mes clients car il
correspond le mieux à leur
historique d'achat et leurs
critères démographiques
3
2
1
4
5

23. 2. Implémentation
1. Définir
l’objectif
2. Collecter
les données
3. Analyser et
implémenter
4. Mesurer et
améliorer

24. 2.1. Définir l’objectif
Que souhaitez vous réaliser ?
Augmenter les ventes ? (Valeur du panier)
Accroitre la fidélité ?
Augmenter la part du portefeuille ? (Share-of-wallet)
Acquérir de nouveaux clients ?

25. 2.2. Collecter les données
CLIENT
Données
socio démo …
PRODUIT
Catégories, attributs
…
CONTEXTE
Date, lieu,
météo, seul/à
deux …

26. 2.3. Analyser et implémenter
Entrepôt de
données
Moteur de
recommandations
Moteur de règles
et de diffusion
Règle à retenir ?
(Alignement stratégique)
Client (Canal, timing …)
2 approches
• Collaborative filtering (CF)
• Content based-filtering (CBF)

27. 2.4. Mesurer et améliorer
Expérimentez : le NBO n’est
pas une science exacte
Mesurez la performance en
continu
Etablissez et réutilisez des
recettes gagnantes
Ce qui marche pour une compagnie ne marchera peut-être pas pour une autre

28. 3. Recommandations
Définissez
un premier objectif
simple
Dotez vous des bons
outils
Exploitez
votre potentiel
informationnel
Itérer

29. Questions ?