Digital-émois

Digital-émois Intelligence Artificielle

Programmatique à la vitesse de la lumière

digital-emois.fr

Les analyses prédictives sont centrales dans les activités d’achat d’espace. Le machine learning permet d’analyser le comportement du consommateur de prédire les best moments pour l’adresser et par quels leviers. Nous poursuivons notre exploration des applications marketing de l’intelligence artificielle avec cette fois les leviers de com. Voici quelques cas d’usages  :

Gestion des achats publicitaires

Les nouveaux modes d’achats médias  (le Real Time Bidding, programmatique) orientent vers l’automatisation des achats publicitaires.

L’achat programmatique est un processus permettant aux annonceurs d’acheter de l’espace publicitaire et aux éditeurs de vendre leurs espaces publicitaires de manière automatisée. Ces achats/vente à grande échelle se font quasiment en temps réel.

“Un inventaire publicitaire s’achète aujourd’hui en l’espace de 150 millisecondes, après sélection de la bonne audience parmi les quelques 2,5 milliards de profils disponibles dans le monde”[1].

Aucun cerveau humain n’est capable de prendre une décision aussi vite, c’est ici qu’intervient l’intelligence artificielle.

Le programmatique libère des tâches répétitives et manuelles et donne plus temps pour la stratégie, la créativité et l’optimisation. Ceci permet de se concentrer sur des opérations spéciales à plus forte valeur ajoutée.

Mais au-delà de la mécanisation de l’achat des espaces, ces technologies permettent d’optimiser en quasi-temps réel les investissements de la marque. L’intelligence artificielle donne  accès à la meilleure impression possible. Le meilleur canal du moment donné, pour la personne souhaité en se basant sur l’exploitation de la data et utilisation d’algorithmes.

La méthodologie est simple : observer l’attitude de l’internaute, puis regarder son surf sur les principaux sites pour trouver le meilleur moment sur le bon support (desktop, tablette, smartphone). Mais c’est la programmatique qui en permet la mise en œuvre.

 

Display et affichage dynamique

Le programmatique à travers ces algorithmes de segmentation de l’audience permet de diffuser des impressions mieux ciblées. Grâce à la finesse des données utilisées pour cibler les internautes il est possible de personnaliser au mieux les bannières poussées. Elles sont sélectionnées en fonction du profil, du parcours mais aussi en tenant compte de données contextuelles externes comme la météo par exemple. Cette avancée, porte le nom de Dynamic Creative Optimization (DCO).

Le machine learning peut aussi être utilisé pour optimiser l’affichage urbain : le DOOH en mode programmatique. DOOH signifie Digital Out-Of-Home. Il regroupe, entres autres, les techniques d’affichage digital urbaines et l’affichage numérique indoor en centres commerciaux ou aéroports par exemple.

Depuis avril 20016, Amnet, avec la technologie Displayce, cible des audiences en fonction des centres d’intérêt, typologies de lieux, points de vente et coupler les diffusions multi-écrans. C’est la 1ère plateforme française dédiée à l’achat de campagnes d’affichage digital, via un processus programmatique.

Au Royaume-Uni, l’agence M&C Saatchi avec le réseau Clear Channel a développé une technologie qui permet de doter les panneaux publicitaire d’une véritable intelligence artificielle.

Les réactions du passant influent sur le visuel grâce à un système d’algorithmes : le contenu dépend et évolue au fil de la réaction des passants.  Un algorithme définit les publicités qui plaisent ou non aux passant, en utilisant la reconnaissance faciale pour détecter si une publicité rend heureux, triste, ou si elle laisse indifférent. L’affichage apprend des réactions des passants pour diffuser une publicité au plus en adéquation avec les réactions attendues par la marque. Les éléments  de la publicité  (image, baseline, typographies, mise en page…) alors affichée sur le panneau sont  modifiée  en temps réel.

Le développement de ces solutions évoluant très rapidement et sans cesse, le but de cet article est d’illustrer des cas d’usage de l’intelligence artificielle en marketing. Ce propos n’est en rien exhaustif mais il permet simplement de prendre conscience de cette tendance de fond, et de l’arrivée irrémédiable de ces nouveaux assistants dans tous les domaines du marketing… Retrouvez d’autres applications [ici]   

[1] Éric Clemenceau, directeur France de RocketFuel

Coup de coeur Digital-émois Mon coin pub

Courir pour survivre

Le 27 mai, c’est la fêtes des’momans’

Le dernier dimanche de mai, c’est aussi le jour choisi par l’association courir pour elles pour organiser sa course annuelle.
Cette journée nous réunit pour mener le combat et donner un peu de notre souffle, de notre « vie » à celles qui souffrent et celles sont parties trop vite…

La vie n’est qu’une course contre la montre, on le sait tous.
La course c’est donc la vie, pour vous motiver à courir, j’ai choisi une pub commerciale (on n’aime ou pas l’annonceur, ce n’est pas la question) créative et bien exécutée.

J’adore ! Vous verrez, le monde a besoin de runners !

Digital-émois Intelligence Artificielle

Intelligence Artificielle : mon soutien opérationnel

digital-emois.fr

L’intelligence artificielle et les analyses prédictives sont centrales dans les activités de ciblage et de gestion de campagne marketing. Le machine learning permet d’analyser le comportement du consommateur dans un contexte de parcours omnicanal. Il permet de comprendre et d’anticiper ses besoins, de prédire les best moments et leviers pour l’adresser. Voici différentes applications concrètes d’assistance à la conception des campagnes de marketing :

 Le ciblage

Le ciblage et la segmentation profitent pleinement de cette technologie. Les ciblages temps réel, dépassent les simples données sociodémographiques ou transactionnelles pour tenir compte du comportement des individus, de données contextuelles, ou psychologiques.

L’intelligence artificielle est très utile au marketing dans sa segmentation. Elle permet d’extraire de petits groupes homogènes qui ont des comportements et préférences similaires. C’est tout ce dont un marketeur a besoin !

L’automatisation des envois selon les cibles va encore plus loin avec l’intelligence artificielle.

La technologie permet de cibler au maximum au sein d’un segment et d’intégrer des fonctions qui personnaliseront vraiment les emails envoyés en fonction de la cible (sexe, profession, niveau de hiérarchie, centres d’intérêt, historique client, etc.).

Tinyclues par exemple, permet à tout marketeur de tirer davantage profit de sa base de données clients. Il donne la possibilité de toucher la bonne cible pour n’importe quelle campagne. C’est une un moteur de machine learning non-supervisé qui analyse les bases clients pour en extraire des signaux faibles. Il est capable de prédire la probabilité d’acheter, utilisateur par utilisateur et poste par poste.

Tinyclues remplace deux approches marketing ‘à l’ancienne’. D’une part le ciblage sociodémographique  (la ménagère de moins de 50 ans, qui présuppose tel ou tel comportement pour les femmes, les jeunes, les urbains) et d’autre part le ciblage des ‘intentionnistes’.

Les clients sont compliqués. Ils ne sont pas conformes aux stéréotypes. Ils achètent des choses différentes à des moments différents pour des raisons différentes. Et ils détestent se sentir re-ciblés.

La gestion de campagnes

Les solutions d’automatisation marketing offrent de nombreux avantages. Elles permettent réellement aux experts marketing d’en faire plus avec moins. Cela passe par la suppression des nombreuses étapes chronophages.

Pour tout expert marketing, il est difficile, voire impossible, d’accomplir toutes ses tâches quotidiennes, et d’avoir encore le temps de tester de nouveaux produits ou de nouvelles idées.

Les solutions de gestion de campagne comme SalesforceMarketo ou tant d’autres,  permettent de décharger le marketeur. Elles allègent les tâches les plus fastidieuses comme la qualification, l’assignation de leads, la personnalisation des messages. Voilà ce que vous apporte l’automatisation marketing.

Avec le développement de l’intelligence artificielle ces solutions d’automation prennent une nouvelle dimension. Les algorithmes sont désormais en capacité d’intégrer la position du prospect dans le tunnel de conversion.

La solution MailPerformance, par exemple se connecte à toutes les  sources de données. Il applique un scoring prédictif pour détecter et prédire le niveau de cycle de vie de chacune des cibles. Ainsi, positionnés dans le tunnel de conversion, les clients sont exposés aux meilleurs programmes marketing : Welcome Pack, Win back programme (opération de reconquête d’un client perdu), programme de fidélité,…

D’autres scores sont calculés, parmi lesquels, le score d’appétence horaire. Il calcule en temps réel pour chacune des cibles :

  • la meilleure heure d’envoi des emailings pour provoquer une réaction
  • d’autres scores prédictifs tels que : réactivité, attrition, réactivation …

MailPerformance permet de créer et d’envoyer des milliards d’emails et SMS ultra personnalisés dont le contenu est adapté en temps réel en fonction des informations clients : informations descriptives, comportement de navigation, support de lecture, précédents achats…

Le développement de ces solutions évoluant très rapidement et sans cesse, le but de cet article est d’illustrer des cas d’usage de l’intelligence artificielle en marketing. Ce propos n’est en rien exhaustif mais il permet simplement de prendre conscience de cette tendance de fond, et de l’arrivée irrémédiable de ces nouveaux assistants dans tous les domaines du marketing… Retrouvez d’autres applications [ici]

 

Digital-émois Intelligence Artificielle

IA : mon nouveau soutien produit

digital-emois.fr

Le machine learning permet d’extraire facilement et simplement un maximum d’insights de l’analyse big data et du web social pour créer de  la valeur. Cette agrégation de tout ce qui est dit sur la marque permet de mettre en évidence des insights et des tendances non détectable avec l’analyse humaine. Voici différentes applications concrètes d’assistance à la veille et conception des offres :

Veille sociale

Sur les réseaux sociaux, les contenus intégrant des images se généralisent et génèrent plus d’engagement qu’un simple texte ou qu’un lien. Face à cette vague de fond, la société Linkfluence, spécialisée dans le Social Listening, a intégré la reconnaissance d’images pour permettre aux marques d’avoir une analyse plus exhaustive des publications sociales qui les concernent. Cette technologie, basée sur le machine learning, permet aux marques de mieux appréhender leur présence sur le web et les usages qui sont faits de leurs produits. Grâce à l’analyse des images, les marques identifient plus facilement leurs influenceurs et ambassadeurs et en cas de crise elles peuvent ajuster leur action.

En complément de la reconnaissance d’image, le machine learning est capable depuis tout récemment, d’intégrer également une reconnaissance de la personnalité de l’internaute. Cette analyse de sentiment intègre des paramètres comme l’affect, l’humeur et l’émotion pour mieux l’intégrer à un scénario marketing.

Veille tarifaire

Autre activité que le machine learning simplifie grandement en permettant aux e-commerçants de suivre les prix de leurs concurrents.

Les marques ont besoin dans un contexte marché aussi compliqué que celui dans lequel elles opèrent actuellement, d’une stratégie de prix temps réel et contextualisé. Grâce à des algorithmes de matching les produits identiques d’un e-commerçant avec ceux de ses concurrents sont détectés et associés. Leurs prix sont alors mis sous surveillance quotidienne avec un système d’alertes pour permettre à la marque d’être réactive. C’est l’algorithme qui détermine par exemple la meilleure fréquence de suivi de chaque produit et chaque site.

En observant et analysant les variations de prix d’une marque concurrente le machine learning est capable d’anticiper les prochaines variations et d’en déduire la stratégie de prix de la marque. Un outil comme Profitero suit activement 450 millions de produits dans plus de 5000 sites de vente au détail, dans plus de 45 pays !

Positionnement tarifaire

Certains des outils de surveillance des tarifs vont jusqu’à intégrer la politique tarifaire interne et la politique commerciale. Ils croisent alors ces données avec celles de la concurrence pour produire des rapports de recommandation sur le positionnement prix à tenir. Ces super-assistants peuvent même gérer la mise à jour automatique des tarifs. Ainsi le système Amazon pilote plus de 2,5 millions changements de prix par jour [1] !

Recommandation produit

Les moteurs de recommandation produit sont déjà très développé et nous sommes nombreux à avoir déjà expérimenté la puissance des technologies de personnalisation, sans s’en rendre compte. C’est par exemple, la possibilité  de trouver un ancien collègue via la fonction « Personnes que vous connaissez peut-être » de LinkedIn. Ces moteurs de recommandation permettent d’anticiper de façon très précise les préférences des acheteurs via des algorithmes spécifiques utilisant des données historiques.

A l’image de la solution IBM Product Recommendations, ces moteurs de recommandation produit fournissent des recommandations d’achat personnalisés dynamiques sur les canaux Web, mobiles et email. Ils génèrent automatiquement des recommandations de produit sur la base des caractéristiques spécifiques d’un client, de ses achats antérieurs, de ses comportements d’achat actuels et passés, et de règles métier.

Le système utilise les données de comportement des visiteurs générées pendant chaque session, par exemple les termes de recherche entrés et les produits consultés et applique des algorithmes basés sur les tendances actuelles pour créer des recommandations de produits à la fois optimales, pertinentes et en quasi-temps réel.

Les moteurs peuvent aussi s’appuyer sur la reconnaissance visuelle. L’algorithme apprend alors de l’individu en l‘invitant à sélectionner les visuels le plus proche de son besoin. Le machine learning analyse les visuels des différents produits d’un site par exemple afin de proposer des produits visuellement similaires au produit source et cela en basant uniquement sur l’image, sans aucun attribut produit permettant définir une similarité. Cela permet par exemple au visiteur d’un site de disposer d’un aperçu plus large de la gamme d’offre disponible et de lui éviter de devoir visiter trop de pages pour trouver le produit qu’il cherche !

Le moteur de recommandation va devenir un incontournable dans le parcours client, du fait de la multitude de produit, mais surtout de cette exigence de réponse personnalisée.

Rédaction de fiches produit

Des solutions pour produire de façon automatisée le contenu des fiches produit en langage naturel sont désormais disponibles. LabSense par exemple, rédige à grande échelle et à une vitesse extrême des textes à partir de données Concrètement, un algorithme permet de comprendre et de structurer les datas des entreprises et de les interpréter ensuite en langage naturel de façon automatique et en temps réel.

LabSense travaille notamment pour des e-commerçants qui ont besoin de rédiger des fiches pour leurs centaines, voire milliers, de produits à partir de leurs caractéristiques. “Un client qui commercialise les offres de 300 000 hôtels dans le monde souhaitait une fiche unique pour chaque établissement. Une fois les paramétrages effectués, il a fallu une nuit de temps-machine pour rédiger les 300 000 fiches”[2]. Au-delà de l’aspect rédactionnel, les contenus rédigés sont optimisés pour gagner en visibilité sur Internet, grâce au SEO.

Les moteurs de recherche étant plus en plus exigeants concernant la qualité du contenu et le respect de la sémantique,  les algorithmes intègrent un champ sémantique. C’est en tout cas la promesse d’une plateforme de machine learning telle que Scribeur. Son algorithme innovant permet de réaliser un audit sur les meilleurs contenus indexés par Google, afin d’en extraire les mots-clés les plus pertinents et de  définir un environnement sémantique pertinent.

 

Le développement de ces solutions évoluant très rapidement et sans cesse, le but de cet article est d’illustrer des cas d’usage marketing. Ce propos n’est en rien exhaustif mais il permet simplement de prendre conscience de cette tendance de fond, et de l’arrivée irrémédiable de ces nouveaux assistants dans tous les domaines du  marketing… Retrouvez d’autres applications marketing [ici]

[1] Etude Profitero I Décembre 2014

[2] Edouard de Ménibus, Cofondateur de Lab Sense

 

Digital-émois Intelligence Artificielle

Machine Learning : tu ne m’avaleras pas

digital-emois.fr

Intelligence artificielle, deep learning, robotisation du monde…

Une révolution en marche

Les machines s’introduisent dans notre vie quotidienne et les consommateurs sont déjà exposés quotidiennement à l’Intelligence Artificielle.

Google l’utilise pour compléter ses requêtes de recherche par la saisie semi-automatique, Facebook et Amazon utilisent des algorithmes prédictifs pour formuler des recommandations basées sur l’historique de lecture ou d’achat de l’utilisateur.

On observe la multiplication des assistants virtuels dans les systèmes d’exploitation des smartphones et les japonais vivent déjà avec  Pepper, un robot humanoïde capable d’identifier l’humeur des clients et de reconnaître leurs visages…

C’est une évidence, la prochaine génération de consommateurs aura grandi avec ces technologies numériques et exigera des marques qu’elles anticipent ses besoins et apportent des réponses instantanées et personnalisées. Les marques doivent donc se préparer et en particulier leurs marketeurs.

“Les technologies, l’automatisation et l’intelligence artificielle nous placent à l’aube de la quatrième révolution industrielle »[1].

Le marketing révolutionné ?

Pour le marketing, le machine learning va plus loin que la simple utilisation de données pour mieux cibler. Les algorithmes de machine learning peuvent apprendre des réponses, des comportements des clients ou prospects.

Il devient alors un assistant, un complément d’analyse, un bras droit précieux du marketeur indispensable à ses activités. Le Marketing et la connaissance client doivent capitaliser sur toutes ces nouvelles possibilités.

Le machine learning transporte le marketing traditionnel dans l’ère du  marketing dynamique. Dorénavant, le marketeur agit et communique en comprenant l’environnement des clients et leur état émotionnel.  Il permet d’identifier quels sont les moments adéquats pour convertir et donne les moyens d’atteindre le consommateur au meilleur moment : où qu’il se trouve, sur n’importe quel canal web ou physique avec un produit unique et  un prix contextualisé.

Si le digital a bouleversé le marketing, y compris dans la pratique même du métier, c’est au tour du machine learning de transformer le métier de marketeur pour sans doute mieux le révolutionner ?

Des marketeurs un peu perdus

Les marketeurs sont face à une dure réalité : s’ils ne s’adaptent pas aux nouveaux usages et ne proposent pas d’expériences suffisamment personnalisées à leurs clients d’autres le feront….

Entrer dans une logique de prédictibilité est la clé du succès car elle permet de se focaliser sur l’anticipation et la vision plutôt que sur résolution de problèmes. C’est véritable changement de paradigme pour le marketeur : il va anticiper et prédire le succès d’une campagne plutôt que de l’analyser a posteriori.

Et c’est bien là toute la différence qui crée la disruption : pouvoir affiner en temps réel et selon la bonne méthode les campagnes marketing grâce à des algorithmes créés à partir de ce que l’on sait sur ses clients.

Les possibilités offertes par le Machine Learning sont infinies … Des données illimitées, un apprentissage machine et une puissance de calcul décuplée vont bientôt rendre omniprésente l’intelligence artificielle. Si jusqu’à présent les technologies sont restées cantonnées à des sujets très techniques comme la data, l’automation marketing… l’avènement annoncé de l’intelligence artificielle va venir bousculer les marketeurs au cœur même de leur savoir-faire.

Déjà que les marketeurs souffraient d’un déficit de compétences pour s’approprier les technologies marketing et l’exploitation des data … Si l’optimisation de leurs activités est délégué à une machine, peut-on imaginer que les marketeurs soient demain des robots ?

[1] Affirmation tirée du dernier Forum économique mondial-Davos – début 2016

Data et Techno Marketing Digital-émois Regard d'experts

Le couple DSI / Marketing : je t’aime moi non plus

digital-emois.fr

La logique du rapprochement Marketing-DSI est assez évidente. Pour beaucoup d’entreprises la transformation digitale tourne autour du digital pour le client : le choix du binôme s’impose de lui-même et d’ailleurs ils se sont trouvés naturellement. Pourtant, les relations DSI – Marketing sont souvent un peu tumultueuses.

‘Je vais être un peu caricatural mais le marketeur aime ce qui est nouveau et a besoin d’aller très vite alors que l’IT a un côté lourd, lent et cher.’ Michel Mariet, Président du CMIT (Club des Directeurs Marketing et Communication des TIC).

Voyons comment sauver ce couple.

lire la suite

Data et Techno Marketing Digital-émois

La loi de MarTech : faire avec !

digital-emois.fr

72% des marketeurs[1] estiment que le paysage de la technologie de marketing est en train de changer «rapidement» ou à la «vitesse de la lumière » au cours des 5 dernières années !

La technologie évolue plus vite que les organisations, c’est ce que l’on appelle la loi de Martech. Les technologies évoluent à un rythme exponentiel, alors que les organisations se transforment à un rythme logarithmique. Les entreprises n’évoluent pas assez vite par rapport au marché (clients et concurrents) et leur retard s’accentue à mesure que les innovations technologiques font évoluer les usages.

lire la suite

Data et Techno Marketing Digital-émois

Marketeurs condamnés à la techno

digital-emois.fr

Les marketeurs de toutes générations sont pleinement conscients de la nécessité de faire évoluer leurs modèles marketing, sous la pression du nouveau consommateur connecté. Le rapprochement entre marketing et technologies n’est déjà plus une tendance. C’est une évolution concrète du secteur.

D’abord parce que le marketing devient petit à petit le référent «front office client», ses choix techniques impactant directement l’expérience client. Ensuite, du fait de la monétisation des données et des audiences, cette nouvelle source de ROI, le pousse vers le statut de centre de revenus.

Au-delà d’être bousculé dans ses fondations, le marketing se voit surtout et avant tout enrichi d’un nouveau P, celui de Plateforme. Plateforme, pour plateforme marketing, plateforme technologique. Ce P vient marquer le rôle de plus en plus structurant des technologies dans la les fonctions marketing.

lire la suite