« Prédictivité » : jusqu’où peut-on tout anticiper ?

14/04/2017, publié par Grégory Krumm
Le marketing prédictif

Big data, machine learning, automation… la plupart des tendances qui redessinent le marché et les métiers de l’industrie et des services s’articulent autour de la notion plus générale de marketing prédictif. Cette capacité à anticiper certains événements et comportements pour les accompagner, les prévenir ou les corriger n’est plus une rêverie inspirée de Minority Report. Les progrès techniques la rendent de plus en plus fiable, ouvrant de nouvelles perspectives business disruptives.

Écouter les signaux faibles pour anticiper les risques et saisir les opportunités

« Prévenez le mal avant qu’il n’existe, calmez le désordre avant qu’il n’éclate » écrivait Lao Tseu. Retenons-en que la maîtrise du temps et l’anticipation sont clés, notamment dans des situations critiques. Si je peux collecter des signaux faibles d’insatisfaction client avant qu’elle ne se manifeste, et piloter sur cette base la probabilité de perte du client, j’ai la possibilité de déclencher des actions correctives dans le bon timing, c’est-à-dire celui dont j’ai la pleine maîtrise. Chez les opérateurs téléphoniques, par exemple, lorsqu’un client à risque est détecté, il est rapidement et proactivement contacté afin de lui proposer une offre plus adaptée.

Mais la “prédictivité” n’est pas seulement un outil défensif, c’est aussi un atout dans une logique d’optimisation d’une démarche commerciale. Aujourd’hui, les prévisions saisonnales se sont considérablement améliorées et il est possible de prédire de façon assez précise – à l’échelle d’un pays tout du moins – la probabilité qu’un été soit caniculaire ou pluvieux. D’où un insight clé pour un fabricant de bottes en caoutchouc ou de maillot de bains qui pourra ajuster très en amont ses volumes de production. Par ailleurs, les données les plus précieuses restent celles qui appartiennent en propre à un annonceur, comme celles qui proviennent de l’analyse du trafic sur son site par exemple. Elles autorisent en effet un niveau de “prédictivité” très fin, via des logiques de scoring adossées aux parcours clients, que mettent en place certaines plateformes de e-commerce, notamment Amazon, pour personnaliser l’offre commerciale auprès de chacun, mais aussi prédire la probabilité de commandes futures.

Équilibrer ce qui peut être prédit… et ce qui doit rester imprévisible

Bien entendu, la qualité de la démarche prédictive dépend de la qualité de la collecte et du traitement de la data. Et dans ce domaine, le vrai enjeu n’est pas tant le manque de données, mais plutôt leur surabondance qu’il faut « dompter » pour trier les datas clés, celles qui permettront de construire des modèles prédictifs pragmatiques et efficaces et les autres, le « bruit » qui alourdira inutilement la démarche. Et surtout, face à cette masse considérable de données (qui sera encore amplifiée par l’essor des objets connectés, dont 30 milliards d’exemplaires devraient nous entourer d’ici 2020 selon le cabinet McKinsey), l’une des vraies questions que pose déjà le marketing prédictif consistera sans doute à équilibrer une mécanique déterministe – tout prévoir, tout anticiper, tout programmer sur la base de ce qui s’est déjà passé – et l’imprévu, la surprise qui sont clés dans l’expérience individuelle et humaine.