Rocket Fuel : la Data de la Semaine

Nous sommes dans une ère où la data unique est facilement disponible et met en exergue des aspects particuliers et des occurrences probables. Cependant, afin de gérer efficacement des volumes de data considérables, une plateforme de marketing prédictif s’avère nécessaire.

Il s’agit essentiellement d’un système qui intègre la data provenant de diverses sources pour informer des décisions en temps réel. Cela valorise les expériences marketing et révèle des insights précis sur le client.

Le marketing prédictif peut être utilisé comme un égalisateur, qui permet aux agences de collaborer, tout en offrant aux OEMs d’observer les marques et de gérer les clients ciblés entrée de gamme, mid market et luxe aux différents moments de leur vie.

Prenons l’exemple de Volkswagen, qui peut vous cibler d’abord avec une Beetle, puis passer à une Audi Q5 dès lors que vos revenus et vos besoins augmentent, et vous proposer éventuellement une splendide Bentley ou une Bugatti, pour en profiter pleinement à la retraite. Ce qui amène la question suivante : Comment une plateforme de marketing prédictif peut-elle transformer une OEM en une entreprise plus prédictive ?

Tirer profit d’une solution orientée data qui favorise les business models basés sur le client peut déclencher rapidement plusieurs nouvelles opportunités pour les OEMs.

HUB AUDIENCE/MODELISATION D’UN PARCOURS CLIENT DYNAMIQUE

Les OEMs détenteurs d’une visibilité via des silos fragmentés, des systèmes, des canaux, des produits et des audiences qui peuvent accroître leur flexibilité sur leurs marchés respectifs, en créant plus d’opportunités pour l’innovation.

Cela s’effectue via la modélisation d’un parcours client dynamique, qui utilise des volumes importants de First data transactionnelle pour aider les OEMs, les vendeurs et les prestataires de services ainsi que les autres revendeurs technologiques à proposer des expériences uniques au niveau du point de contact.

Poursuivons avec un exemple automobile : des constructeurs de rang1 et des vendeurs de rang2 peuvent aligner ensemble leurs messages via une approche orientée data et les gammes de la marque, peuvent non seulement différencier leur message, mais aussi détecter des opportunités cross-marque et cross-marketing.

Les fans de BMW sont très éloignés des audiences de Ford, mais même chez BMW, un conducteur de Série3, un conducteur de SérieX et un conducteur de M sont très différents. Tirer profit d’une approche orientée data permet aux constructeurs automobiles de découvrir des opportunités marketing cachées et de prédire les prochaines. Par exemple, des entreprises peuvent améliorer efficacement leur ROI en connectant les audiences digitales via des niveaux.

En 2016, l’Institut Rocket Fuel a publié une étude soulignant la manière dont les constructeurs automobiles perçoivent 18% d’amélioration dans la réponse de vendeurs en niveau2, lorsque les audiences sont informées des activités entreprises par les industriels de niveau1.

OPTIMISATION DE L’ENSEMBLE DES FONCTIONNALITES ET DU MARKETING FONDES SUR LA DEMANDE

Les marques doivent découvrir de nouvelles méthodes pour identifier le bon produit ou le bon service pour le bon client. L’optimisation de l’ensemble des fonctionnalités orientées data dévoile des opportunités cross-sell et up-sell pour des audiences spécifiques.

D’après une étude d’Accenture, les marques  automobiles devraient évoluer vers un endroit d’où ils peuvent améliorer constamment l’expérience client digitale, en se concentrant sur la valorisation des moments distincts du parcours : avant-vente, vente, propriété et revente.

Il sera possible de créer de nouveaux segments de véhicules spécialisés créés pour des besoins très particuliers. Une étude récente de McKinsley & Company souligne, en raison de cette évolution vers les diverses solutions de mobilité, qu’une voiture sur dix qui sera vendue en 2030 pourrait être un véhicule partagé, ce qui pourrait diminuer la vente de véhicules à usage privé, un effet en partie compensé par un taux de remplacement plus rapide pour les véhicules partagés. En se basant sur cette évolution, les entreprises de rang1 doivent réévaluer leur marque, afin que les conducteurs du futur soient réceptifs aux nouveaux standards d’utilité. Les conducteurs qui possèdent d’abord un véhicule pour les services auront des préférences différentes des conducteurs qui effectuent des longs voyages à travers le pays. Dans tous les cas, l’optimisation de l’ensemble des fonctionnalités permettra aux OEMs de mieux comprendre comment les styles et les préférences de conduite collent à l’usage actuel. Récursivement, les OEMs qui comprennent l’usage peuvent prédire les styles et les préférences pour le marketing.

Le pourcentage en augmentation de contenu électronique et logiciel dans les véhicules est une mesure de valeur croissante : selon un rapport du Global Industry Analysts Inc, en 1975, l’électronique représentait seulement 10% de la conception. En 2014, le logiciel et l’électronique représentent 60%. Depuis que la plupart des véhicules sont intégrés digitalement, on peut utiliser plus de data non seulement pour améliorer la maintenance via la communication télématique, mais les marques pourront également créer des profils plus solides et des messages personnalisés.  

AUTOMATISATION DES PIECES DETACHEES ET DU SERVICE

Dès lors que le client et l’interaction à la marque continuent à progresser vers le digital, il y a plus de data disponible pour informer la supply chain, qui peut être directement affectée aux préférences client. Les OEMs devraient saisir l’Intelligence Client comme une série continue de moments intégrés comme une simple interaction sur un site Internet, où chacun crée son nouveau véhicule en ligne, ou un device connecté qui gère la conduite.

La data issue des exemples comme ceux-ci donne des insights nécessaires aux marques pour améliorer le service client, pour tirer des enseignements des cycles d’achat et personnaliser les expériences.

La data devra également informer la génération de demandes ou prévenir les services d’alerte d’un inventaire disponible, la durée de vie des pièces détachées, comme les pneus et les niveaux d’approvisionnement du moment. Des exemples varient des programmes de vente du vendeur de pneus à rappeler ou les notifications du bulletin de service, à la gestion de l’inventaire de véhicules d’occasion.

La data alignée étroitement avec la supply chain représente une fantastique opportunité pour les services après-vente. De plus, si les OEMs rassemblent l’intelligence prédictive sur les pièces détachées qui doivent être remplacées plus souvent en raison de la conduite, cela donnera des informations produit aux équipes pour le modèle de l’année suivante.

Les outils avancés comme le Machine Learning et l’Intelligence Artificielle ont déjà été utilisés pour imiter un large éventail de caractéristiques de conduite, en aidant l’OEM à déterminer l’expérience de conduite optimale et les produits qui satisfont émotionnellement les moments clés des clients.