La révolution du Big Data (mégadonnées) en matière de marketing fait de l’intelligence artificielle un outil essentiel pour les spécialistes marketing souhaitant rester concurrentiels. Mais qu’est-ce que l’intelligence artificielle (IA) marketing et comment peut-on en bénéficier?
Qu’est-ce que l’IA Marketing?
Afin de comprendre comment et pourquoi l’intelligence artificielle s’avère un outil marketing indispensable, il est primordial de définir au préalable ce que l’IA marketing signifie. Actuellement, force est de constater qu’une foule de définitions à son sujet circulent sur le web, ce qui peut créer de la confusion quant au vrai sens du terme.
Dans les faits, une définition idéale de l’IA Marketing devrait couvrir toutes les branches d’activités liées à ce domaine, plutôt que de se limiter à certains embranchements spécifiques. Elle devrait également bien illustrer l’apport de l’intelligence artificielle dans l’univers du marketing, en démontrant que le second élément est habilité par le premier.
Dans son livre intitulé Artificial Intelligence Marketing and Predicting Consumer Choice, le Dr. Steven Struhl définit l’intelligence artificielle comme étant « [Traduction] tout ce qu’une machine fait pour répondre à son environnement et maximiser ses chances de succès». Dans le contexte du marketing, il explique comment les spécialistes « [Traduction] ont pour but ultime de repérer les liens complexes que nous n’arrivons pas à détecter et qui permettent de prendre de meilleures décisions. »
La définition de l’IA Marketing présentée ci-dessus semble être l’une des plus complètes et compréhensibles pour expliquer ce nouveau domaine hybride. Pour les spécialistes marketing, la dernière partie de la définition sur la capacité à cerner des schèmes de données indétectables est exactement là où l’apport de l’IA marketing peut apporter une importante plus-value commerciale.
De façon générale, le monde du marketing, et plus particulièrement celui du marketing numérique, collecte une quantité de Big Data considérable qu’il importe de gérer et transformer. Les quatre éléments clés à considérer dans le Big Data sont les suivants:
- Le volume
- La vitesse
- La variété
- La véracité
Ultimement, le rôle de la science des données et du machine learning est d’analyser l’ensemble des données récoltées afin d’en tirer des conclusions fiables permettant d’optimiser la valeur commerciale d’une entreprise. Ce gain se traduit par des cas d’utilisation comme l’envoi de courriels personnalisés aux abonnés, l’utilisation de conversation automatisées (chatbots) sur les réseaux sociaux ou un ciblage optimal de clientèle dans le cadre de publicités programmatiques. Il peut également se traduire par de la recherche consommateur afin de cerner leurs véritables besoins. Au bout du compte, l’IA Marketing vise à améliorer l’ensemble des cycles de vie du marketing, de la réflexion au passage à l’action.
Pourquoi l’IA est-elle critique pour le futur de votre marketing?
Comme le dit la célèbre phrase de Peter Drucker, « [Traduction] Le travail important et difficile n’est jamais de savoir trouver la bonne réponse; c’est de savoir trouver la bonne question.» Cependant, votre capacité à trouver et à poser la bonne question d’affaires dépend avant tout de votre capacité à savoir ce que vous ne savez pas. Bref, plus vous en savez à propos de ce que vous ne savez pas, plus vous serez en mesure de découvrir ce qui peut réellement accroître vos performances en marketing. Évidemment, cela peut sembler plus facile à dire qu’à faire, surtout lorsque le seul outil mis à votre disposition se résume à un tableau Excel ou, au mieux, un ensemble de requêtes SQL (Structured Query Language) afin d’exploiter vos différentes bases de données.
Ces outils se sont avérés suffisants dans le monde «pré-GAFAM» (Google, Apple, Facebook, Amazon et Microsoft), alors que la plupart des données récoltées aboutissaient dans des bases de données d’Oracle ou des rapports Excel. Or, les spécialistes marketing d’aujourd’hui sont désormais bombardés par une longue liste de données analytiques ou de données issues de plateformes de Ad/MarTech ayant chacune leur lot de complexité et de défi en termes d’intégration.
Par exemple, bien que la plupart des équipes d’analyse marketing n’oserait sans doute pas l’admettre, une bonne part des données récoltées via Google et Adobe Analytics en viennent ultimement à être mises de côté pour partir au vent. La raison est simple: considérant l’océan de dimensions et de données métriques rassemblées pour être analysées, un individu ne peut faire autrement que de miser sur une petite partie de celles-ci uniquement. Autrement, devant une avalanche de colonnes de données, le cerveau humain n’est pas habilité à absorber et analyser une si grande quantité d’information pour en tirer des conclusions valables.
Résultat?
Votre équipe analytique choisira possiblement de se concentrer sur des dimensions et données métriques qu’elle reconnaît et connaît déjà, phénomène communément appelé de l’«analytique descriptive» ou «savoir ce qu’on sait déjà», ou de recracher toutes les données collectées dans un tableau Excel semblable à une belle grosse pizza extra large toute garnie et remplie d’arc-en-ciel. Alors que la seconde méthode est connue comme étant du vomi de données (Data Puke), la première conduit souvent à des interprétations et conclusions de données biaisées, erronées et souvent sans valeur.
Cela dit, inutile de blâmer vos équipes de BI (business intelligence) ou analytique si cela se produit. Dans les faits, le marketing numérique est basé sur du Big Data que les humains ne sont simplement pas en mesure d’analyser en entier. Même si vous avez investi des sommes d’argent importantes pour l’implantation de plateformes aptes à collecter TOUTES les données disponibles, le fait de penser que votre équipe saura les rassembler et en faire une analyse détaillée via un tableau Excel est un peu comme demander à une souris de manger un éléphant… Or, cela ne veut pas dire que les humains sont désormais inutiles dans ce processus. Au contraire, lorsque la plus grande part du travail est complétée par un algorithme, les humains s’avèrent ensuite particulièrement doués afin d’analyser les données et en tirer des insights pertinents. Bref, si vous fournissez à vos équipes de BI les bons outils de science des données et d’intelligence artificielle, votre entreprise pourra assurément bénéficier du meilleur des deux mondes et se développer à la fois un programme et une culture analytique fructueux pour votre organisation.
5 questions critiques adressées aux experts en analytique et en BI traditionnels
Pour certains d’entre vous, ce que je décris peut encore, sans doute, sembler plutôt utopique. Concrètement, vous pourriez déjà être pleinement satisfait de l’état actuel des choses, soit un système d’analyse marketing exclusivement basé sur Excel ou SQL. Après tout, si celui-ci fonctionne jusqu’à maintenant, pourquoi faudrait-il le réparer? Vous pourriez certainement douter de la nécessité d’intégrer l’IA marketing aux modèles de boîte noire que vous utilisez déjà à partir de diverses solutions MarTech. Et puis, utiliser l’IA est assurément trop complexe et coûteux, n’est-ce pas?
En assumant que c’est votre position actuelle, comme nous avons l’intention de le démontrer dans des articles à venir, vous serez peut-être surpris de découvrir en quoi l’IA marketing est plus facile que vous ne le pensez. Par la suite, osez prendre une pause afin de réfléchir aux questions suivantes et vous imaginant un scénario où vos plus grands compétiteurs ont déjà commencé à intégrer l’IA dans leur pratique et culture marketing.
- Avons-nous atteint le plein potentiel de nos données marketing? Sommes-nous à 80%, 50%, 20% de leur potentiel? En avons-nous même la moindre idée?
- Combien de revenus nos données marketing représentent-elles ou cachent-elles vraiment?
- Croyons-nous que nous saurons rester compétitifs à long terme en utilisant uniquement des rapports Excel et des requêtes SQL?
- Une bonne stratégie marketing peut-elle compenser une mauvaise lecture ou une lecture incomplète des données?
- Si tout le monde utilise désormais les mêmes solutions IA offertes de façon clé en main sur des plateformes telles que Facebook Ads et HubSpot ou via des annonces programmatiques, en quoi l’IA incarne-t-elle encore un avantage concurrentiel pour quiconque?
Avant de répondre à ces questions, je vous invite à regarder les statistiques liées aux conséquences d’investissements marketing gaspillés annuellement en raison d’une mauvaise exploitation des données ou de données incomplètes:
À l’heure actuelle, les statistiques présentées ci-dessus s’appliquent malheureusement à la plupart des entreprises et leur département marketing. D’un côté, cela signifie que vous avez encore du temps pour jouer à l’autruche et contempler ce que j’appelle «le problème du Big Data Marketing» en restant immobile. De l’autre côté, le temps file et il peut être particulièrement intéressant pour une entreprise de savoir percevoir cette problématique en tant que belle opportunité de faire partie des précurseurs dans le domaine. Cette éventualité implique une intégration rapide de l’IA Marketing au sein de votre marketing et de vos pratiques commerciales, concept mieux connu sous le nom d’analytique augmentée.
