Recevez chaque jour toute l'actualité du numérique

x

Comment Showroomprivé a mis en œuvre un ciblage avancé des campagnes grâce au machine learning

Étude de cas Showroomprivé a doté d’une dimension itérative ses projets de Data Science afin d’améliorer la performance de ses campagnes marketing. Témoignages croisés de Damien Garzilli, Chief Data & Innovation Officer chez Showroomprivé, et Christelle Mercier, experte Retail & CPG chez Dataiku, qui nous livrent les premiers enseignements de ce projet visant aussi à rendre les équipes autonomes.
Twitter Facebook Linkedin Flipboard Email
×

Comment Showroomprivé a mis en œuvre un ciblage avancé des campagnes grâce au machine learning
Comment Showroomprivé a mis en œuvre un ciblage avancé des campagnes grâce au machine learning © Aude Chardenon/L'Usine Digitale

Dans un secteur du retail historiquement très riche en données, le machine learning ouvre de nouvelles opportunités. Avec des technologies d’intelligence artificielle qui peuvent améliorer de nombreux processus, en point de vente comme en e-commerce, les possibilités sont multiples. Pour le site de ventes événementielles Showroomprivé, c’est sur l’amélioration des campagnes marketing que l’IA peut grandement jouer, notamment en matière de ciblage des campagnes, depuis les phases de développement et de tests jusqu’au déploiement du projet.

Si l’entreprise française indique s’être intéressée aux différents usages de la data, c’est l'équipe marketing qui s’est penchée plus précisément sur le sujet de l’envoi d’emails promotionnels, qui visent à promouvoir les ventes en cours et à venir auprès de ses clients. Jusqu’en 2016, elle sélectionnait manuellement l’audience cible avec l’aide du service IT pour extraire les données client, en fonction de leur sensibilité à la marque et en s’appuyant sur une segmentation prédéfinie.

Des envois plus efficaces pour améliorer le taux de conversion
L’approche présentait toutefois plusieurs contraintes. "Les marques ont souvent des publics cibles similaires : par exemple beaucoup de ventes s'adressent à des femmes de 20 à 30 ans – ce qui signifie que certains acheteurs potentiels pouvaient être sollicités plusieurs fois, quand d'autres ne l'étaient pas", explique Damien Garzilli, Chief Data & Innovation Officer chez Showroomprivé. Par ailleurs, ces envois massifs ne tiennent pas compte de l’appétence à la marque et donc la capacité à convertir l'intérêt en achat. "Nous voulions envoyer moins d’emails sur les grosses bases, et les envoyer aux bonnes personnes", poursuit-il.

L’objectif est alors double : il s’agit d’une part de rendre les campagnes marketing plus efficaces mais aussi rendre l’équipe marketing totalement autonome en supprimant cette implication systématique des équipes Datascience et/ou IT. Après un PoC (proof of concept) sur une solution d’attribution, le projet est donc décliné sur le sujet du ciblage des emailing. "Notre plateforme est complètement agnostique, c’est le client qui détermine le cas d’usage", rappelle Christelle Mercier, experte Retail et CPG chez Dataiku.

La plateforme Dataiku retenue 
Le principe est de doter les projets d’une dimension itérative. Autrement dit, il vise à améliorer continuellement le ciblage en s’appuyant sur le machine learning. Les équipes ont accès à une application web appelée Targetor qui est alimentée par des modèles créés et industrialisés dans Dataiku. Elle est utilisée deux à trois fois par jour et permet aux marketeurs de générer leurs propres recommandations de ciblage.

L’e-commerçant se tourne en 2016 vers la pépite française, spécialiste de la démocratisation des usages de la data science en entreprises. Elle choisit de se tourner également vers un outil analytique externe pour définir la cible client par marque. "Mais rapidement, l’équipe a estimé qu’elle avait toutes les compétences pour créer sa propre version de Targetor en interne", poursuit-on chez Showroomprivé. Pendant plusieurs mois, les équipes testent et comparent les performances de trois solutions : la solution externe, son équivalent développé en interne dans Dataiku et une dernière également développée par les équipes internes mais sans plateforme de data science sous-jacente. "Cette dernière solution a rapidement été abandonnée car les résultats, notamment en matière de taux d’ouverture, n’étaient pas à la hauteur des deux autres solutions", indique Damien Garzilli.

Industrialiser les projets de data science
Après plusieurs mois de tests, Showroomprivé décide de retenir la solution développée sur la plateforme Dataiku. Elle permet aux équipes marketing de s’approprier Targetor tout en utilisant Dataiku. "L’interface leur permet de produire par eux-mêmes leur ciblage client, via une interface clique-bouton particulièrement accessible aux non experts de la Data, quand les datascientists intervenaient sur le projet depuis une interface avancée accessible par les populations de codeurs", expliquent les deux partenaires.

La webapp est mise à disposition des équipes CRM, qui peuvent choisir la marque, la ville, le segment, et tester de manière continue afin de valider les performances. La rationalisation du modèle lui permet de le faire évoluer facilement au fil du temps. "Un projet de data science a un cycle de vie particulièrement évolutif", résume Christelle Mercier. Les équipes marketing et data science ont même été en capacité de travailler conjointement sur Targetor, permettant ainsi d’améliorer constamment les campagnes. "Celle-ci permet un meilleur contrôle à long terme au sens monitoring et maintenance du projet mais aussi en faisant de ce projet un véritable outil clé en main et différenciant sur son marché", poursuit-on chez Dataiku, dont la plateforme permet "une industrialisation des projets data science".

Des campagnes plus efficaces selon les partenaires
L’objectif est toujours d’améliorer constamment l’exploitation de la donnée en perfectionnant et en apportant de nouvelles fonctionnalités au projet. Par exemple, les équipes peuvent s’assurer que les nouveaux utilisateurs ne restent pas continuellement ignorés ou non touchés par les e-mails marketing de vente événementielle.

Si Showroomprivé ne communique pas l’impact direct de ces nouveaux process sur les ventes, l’entreprise française indique que les campagnes marketing sont "2,5 fois plus efficaces" grâce à ce ciblage. Aujourd’hui, de nouveaux usages de la plateforme Dataiku par Showroomprivé sont développés, tels que le pricing dynamique et le score de popularité par produit.

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.