Passer au contenu

Mieux vaut prédire que quérir

Face au coût grandissant d’acquisition de nouveaux clients, les entreprises préfèrent capitaliser sur ceux qui figurent déjà dans leurs bases. Des outils prédictifs les aident à leur proposer la meilleure offre selon leur profil et leur comportement d’achat.

L’explosion du web et des centres d’appel, il y a une dizaine d’années, a bouleversé la relation client, et surtout les analyses associées. Désormais, c’est en temps réel qu’il faut lui soumettre des offres, le retenir s’il est sur le départ… Et c’est donc avec la même réactivité que les systèmes décisionnels et prédictifs doivent se mettre en branle et alimenter la GRC opérationnelle. Ces contraintes se traduisent par des enjeux techniques qui ne sont pas propres à la GRC analytique, mais que cette dernière rend plus pressants encore.La nature des données à analyser a changé. Pour étudier le comportement d’un client, évaluer son profil, connaître ses goûts et le conduire à dépenser toujours plus d’argent, les besoins analytiques exigent de calculer le montant de ses achats, de mesurer la valeur de son panier moyen et, mieux encore, de connaître les articles qui lui ont été vendus. Et ce travail doit être réalisé pour tous les clients de façon à dégager des profils types selon certains axes (âge, catégorie socioprofessionnelle, lieu de résidence, etc.) ou combinaisons d’axes. Or ces informations, lorsqu’elles existent, ne se trouvent pas dans la GRC opérationnelle, mais dans les systèmes de vente, de facturation ou dans l’historique du client, souvent à travers un entrepôt de données. Une solution de GRC analytique s’appréciera donc à la richesse de ses connecteurs.

Du profil client à l’argumentaire de vente

Une fois le profil établi et la campagne marketing lancée, arrive le moment du contact synchrone avec le client. L’opérateur doit alors avoir les moyens de soutenir cette relation directe avec le client. C’est le moment de mettre en marche le rouleau compresseur de l’argumentaire de vente, qui doit être capable d’infléchir sa course en temps réel selon les décisions du client et son historique. Un argumentaire couplé, bien sûr, à des offres adaptées. Et qui repose souvent sur une mécanique conditionnelle des plus complexes. C’est précisément pour répondre à cette contrainte qu’il y a un an, SAS a introduit un moteur de règles dans son offre de Customer Intelligence, en l’occurrence le module RDM. Dédié aux traitements des données récoltées lors des appels entrants, il s’installe en amont de son outil de gestion de campagnes.Mais l’enjeu principal consiste à placer la prédiction au cœur de la GRC analytique. Car il s’avère plus facile et moins coûteux de prévoir le comportement d’un client et d’agir en conséquence que de chercher à en gagner un nouveau. Segmentation, optimisation, scoring, arbre de décision… : les offres de GRC analytique embarquent en standard tout ou partie de la panoplie des outils prédictifs. Les spécialistes du datamining comme SAS entendent naturellement jouer la différence sur ce point.

Le décisionnel intégré à l’opérationnel

D’autres éditeurs cherchent à se démarquer en mettant en avant la parfaite intégration de leur GRC opérationnelle avec leur GRC analytique. Cette immersion du décisionnel (rapports et analyses) dans les logiciels de production (GRC, PGI, SCM) est au cœur des applications d’entreprise de nouvelle génération. C’est le cas, notamment, des Fusion Apps d’Oracle (disponibles l’année prochaine), qui puiseront les services de business intelligence dans Fusion Middleware, ou du prochain PGI de SAP qui consommera des services BO exposés par Netweaver. Nul doute que les éditeurs ayant réalisé cet effort d’intégration conserveront un avantage sur les autres.

🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.


Vincent Berdot, Alain Clapaud, Marie Jung et Boris Mathieux