L’impact de l’IA sur les logiciels SaaS marketing

Les outils du marketing et de l’analytics vont être impactés dans moins longtemps qu’on pense par la révolution de l’intelligence artificielle. Il est important de s’y préparer. Dans sa dernière lettre aux actionnaires, Jeff Bezos, le PDG d’Amazon, fait remarquer que les « tendances lourdes ne sont pas difficiles à repérer (on parle et écrit beaucoup de choses à leurs propos), mais elles peuvent être par contre difficiles à comprendre et à intégrer, y compris par les grands groupes. Nous sommes au milieu d’une de ces tendances lourdes : le machine learning et l’intelligence artificielle ». C’est très juste, même si on peut penser qu’on est plus au début qu’au milieu de cette révolution.

Dans cet article, inspiré d’un excellent post en anglais de PlainFlow, nous allons étudier en profondeur l’impact à venir de l’intelligence artificielle sur les logiciels SaaS de marketing et d’analytics. Si vous êtes marketeur, l’IA impactera forcément votre métier, vos habitudes et le paysage technologique dans lequel vous évoluez. Vous devez vous intéresser à ce domaine – le plus tôt sera le mieux.

Le paysage des logiciels Marketing Saas aujourd’hui

L’écosystème des outils numériques, très lié au départ au secteur de l’édition traditionnelle, a commencé à se transformer en profondeur à partir du milieu des années 2000. A cette époque, le monde était « web-centric ». Le monde d’aujourd’hui est très différent. Il n’est plus web-centric, d’abord parce que les gens passent plus de temps que jamais sur leur mobile, leurs smartphones et leurs tablettes, mais aussi parce que ce monde dans lequel nous vivons évolue à une vitesse incroyable. Tout est en perpétuelle mutation. L’un des changements les plus récents est le passage des interfaces graphiques aux interfaces conversationnelles (Conversational User Interface, CUI), avec l’arrivée sur le marché d’appareils comme Amazon Echo ou Google Home.

L’année dernière, lors de la F8 Conference, Facebook a déclaré son intention de mettre le paquet sur le développement de la plateforme Messenger, destinée aux développeurs. « Notre objectif chez Facebook n’est pas de lancer un tas de bots, mais d’accompagner la réussite des entreprises sur Messenger en leur donnant la possibilité de mieux communiquer avec leurs clients » a expliqué Stan Chudnovsky, Head of Product de Facebook Messenger. « Comment vous y prenez-vous ? C’est là qu’entrent en jeu les bots. Ils ne sont pas la finalité, mais le moyen d’atteindre une finalité. Les bots sont là pour renforcer le lien qui unit les entreprises et les consommateurs. Nous pouvons offrir aux développeurs la capacité de construire une présence plus réussie sur Messenger, au bénéfice de tous ».

Découvrez notre article complet sur le passage du Mass Marketing au Marketing conversationnel.

La manière dont les utilisateurs interagissent avec les produits est très différente de ce qu’elle était il y a une dizaine d’années. Le paysage est devenu beaucoup plus complexe, car beaucoup plus riche. Cela concerne aussi bien les formes d’interactions des utilisateurs que les canaux de distribution, qui se sont multipliés. Résultat : les logiciels SaaS de marketing et d’analytics ont proliféré. Aujourd’hui, le paysage technologique apparaît comme un gigantesque puzzle composé de pièces éparses. ChiefMarket en recense plus de 5 000 !

Avec cette prolifération des canaux d’interaction, il devient de plus en plus important de cartographier ses parcours clients afin d’avoir une vue synthétique des manières dont vos clients interagissent avec vous et ensuite d’évaluer votre performance sur les différentes étapes et les différents canaux.

Aujourd’hui, la plupart des marketers sont des devins, des oracles qui ne savent pas ce qu’ils font ni pourquoi ils le font. La plupart n’ont pas une idée précise de l’impact de leurs actions. C’est la raison pour laquelle de nombreuses sociétés de la Silicon Valley dénigrent aujourd’hui le marketing et se méfient de lui. Pourtant, les marketers de notre époque sont persuadés d’être data-driven. A l’autre bout de la table, les analystes sont très doués dans la gestion et la manipulation des données, mais butent dès qu’il s’agit de trouver des patterns, de formuler des hypothèses, de les tester et de prendre des décisions sur la base des résultats.

Pourquoi être « data informed » n’est pas forcément être « data driven »

Plus vous utiliserez de logiciels marketing SaaS, plus vous aurez de données. Et toutes vos données clients seront éparpillées dans vos différents outils, séparées en silos étanches. La plupart des startups sont confrontées, en général aux alentours d’un an après leur lancement, à un gros problème : elles ont adopté plusieurs logiciels SaaS, collectent des tonnes de données mais ne savent pas comment en tirer parti. Elles sont dépassées par leur outillage technologique.

Ces entreprises qui prennent conscience du problème que constitue la prolifération non maîtrisée d’outils et de données décident alors en général de faire de l’analyse de données. Un travail fastidieux que l’on peut résumer en 4 étapes (voir le schéma ci-dessus) :

• Extraire les sources de données silotées dans chacun des logiciels SaaS
• Intégrer ces données dans les bases de données (OLAP et OLTP).
• Intégrer ces bases de données dans des outils analytics (type Google Analytics).
• Analyser ces données en créant des rapports personnalisés.

La plupart des entreprises pensent avoir fait tout ce qu’il fallait après avoir réalisé ces 4 étapes. En réalité, elles n’ont accompli que la première moitié du chemin. Ces 4 premières étapes, l’analyse data, permet d’acquérir une bonne compréhension de ses données utilisateurs ou clients. Elles permettent de devenir « data-informed », mais surement pas « data-driven ». Il reste la moitié du travail à faire pour le devenir. Comment combler ce fossé entre le stade « data-informed » et le stade « data driven » ?

Être data driven, c’est transformer des données en actions

Nous vivons un moment historique. Les entreprises n’ont jamais eu à disposition autant de données disponibles. Nous sommes submergé de données. Le volume de données que possèdent entreprises ne cesse de croître de jour en jour, et pourtant la plupart d’entre elles ne savent pas les exploiter. La manière dont elles prennent des décisions n’a pas beaucoup évolué en dix ans de temps. Elles continuent de faire comme si elles ne disposaient pas de cet incroyable trésor de données qu’elles ont entre leurs mains. La plupart des entreprises ne savent pas utiliser leurs données. Ou, en tous cas, leur utilisation des données n’a pas d’influence sur leurs prises de décision et la définition de leurs stratégies.

Ce dont les entreprises ont encore du mal à prendre conscience, c’est que la collecte, l’intégration et l’analyse des données n’est pas la partie la plus difficile. C’est la première étape – et la plus facile. Le vrai enjeu, c’est de réussir, par l’analyse des données, à identifier des modèles de données susceptibles d’aider à la prise de décision.

C’est le vrai enjeu de l’analyse data. Les géants comme Amazon, Apple, Google ou Netflix sont devenus maîtres dans l’art d’exploiter les données à des fins prédictives et décisionnelles. Prenons l’exemple de Netflix. Les industries qui évoluent dans le secteur télévisuel sont confrontées toujours au même problème : les goûts et les tendances changent sans arrêt. Lorsque Netflix a décidé de produire la série « House of Cards », ils avaient 33 millions d’abonnés. En analysant des millions de données (des data points comme le fait d’appuyer sur le bouton play, de mettre l’épisode en pause, de faire avancer le curseur du lecteur pour passer une scène, de re-regarder un épisode), Netflix a acquis une parfaite compréhension de ce qui était susceptible d’intéresser ses abonnés et donc de prédire à l’avance le succès d’une série.

Netflix savait parfaitement que la série « House of Cards » ferait un carton, avant même que quiconque ne clique sur « play ». Dans une conférence Ted, Sébastien Wernicke, qui a travaillé au sein de l’équipe Data de Netflix, explique le process utilisé. Netflix est parvenu avec un énorme succès à utiliser ses données collectées pour fidéliser ses abonnés et en recruter de nouveaux. Netflix est l’exemple par excellence d’un marketing « data-driven ».

Découvrez notre comparatif Google Analytics 360 vs Google Analytics standard.

Quand l’IA s’invite dans les logiciels marketing SaaS

Résumons-nous. On a, d’un côté, un énorme volume de données dispersées. De l’autre, on a des entreprises dans l’incapacité de déchiffrer ce chaos de données et de transformer les données en actions. C’est ici qu’intervient l’intelligence artificielle, pour combler le fossé. Une des techniques les plus utilisées en intelligence artificielle est le machine learning. Le machine learning repose sur deux éléments clés : des algorithmes d’un côté, et des données de l’autre pour entraîner ces algorithmes. Lorsqu’un logiciel marketing qui génère de gros volumes de données intègre des algorithmes de machine learning, la magie se produit.

Dans quelques années, on peut en être quasiment certain, toutes les entreprises SaaS qui sont capables de générer de gros volumes de données finiront par intégrer, à un niveau ou à un autre, l’intelligence artificielle dans leurs logiciels marketing. Aujourd’hui, les startups veulent utiliser l’IA pour mieux servir leurs clients, améliorer l’expérience client. Demain, les startups ne voudront plus l’IA, elles en auront besoin, que ce soit pour répondre aux besoins de leurs clients ou pour répondre à de nouveaux besoins impossibles à satisfaire sans le recours à l’intelligence artificielle. Le passage de la phase « désir » à la face « besoin » (ou nécessité) sera facilité par l’adoption de logiciels cloud, plus flexibles et moins coûteux que les logiciels classiques à installer. Amazon par exemple investit beaucoup pour proposer aux développeurs des outils et des plateformes d’IA. De nombreux outils sont déjà proposés, que ce soit Amazon Polly pour la reconnaissance vocale, Amazon Rekognition pour l’analyse d’images ou de vidéos basée sur l’IA, Amazon Lex pour créer des chatbots.

L’impact de l’intelligence artificielle sur les métiers du marketing

Aujourd’hui, beaucoup de personnes s’inquiètent de l’impact de l’intelligence artificielle sur les destruction d’emploi. Quantités d’articles inquiets sont produits sur le sujet. Cela fait penser à l’histoire de Sir William Lee. William Lee était un inventeur du 16ème siècle. On lui doit en particulier la machine à tricoter les bas. Son invention a été utilisée pendant des siècles après sa mort. Mais quand il proposa son invention à la Reine d’Angleterre, elle refusa de publier le brevet de peur que cette invention ne détruise des emplois dans le secteur textile. Le successeur de la reine Elizabeth, James I, refusa également, pour les mêmes raisons.

Il est certain que l’intelligence artificielle entraînera l’obsolescence de certaines compétences marketing, mais dans le même temps de nouvelles compétences seront demandées. Beaucoup de tâches marketing seront automatisées (par exemple : l’identification des mots-clés cibles, l’optimisation du budget publicitaire sur les Ad Exchanges, la configuration des métriques sur Google Analytics, etc.), mais de nouvelles tâches émergeront. L’intelligence artificielle va certainement entraîner de grands bouleversements dans les métiers du marketing, mais il faut se garder de toute vision étriquée et conservatrice.

Découvrez 8 conseils de vieux sage pour améliorer l’adoption du CRM par vos équipes.

Il y a quelques mois, Rich Barton, qui est investisseur et fondateur d’entreprises comme Expedia ou Zillow, a déclaré que nous entrions dans un nouvel âge d’or du marketing, le Big Data et l’intelligence artificielle permettant de rendre les équipes marketing plus efficaces et intelligentes que jamais. On ne peut qu’être en accord avec cette idée. L’intelligence artificielle ouvre de grands horizons pour le marketing. Et ces nouveaux horizons ne sont pas si lointains que ça.

CRM / Data - Plus de 15 ressources & templates gratuits à télécharger.

Découvrir