Internet a considérablement multiplié les possibilités des consommateurs sur : le choix des produits, ainsi que le lieu et les méthodes d’achat. Cette évolution signifie, pour chaque distributeur ou marque de contrôler, tous les jours, l’ensemble des aspects de leurs activités en ligne afin de maximiser les ventes. Comment distributeurs et marques peuvent-ils donc identifier et analyser toutes les résultats des données e-commerce, sur une période donnée, afin de prendre les bonnes actions afin d’améliorer à la fois l’expérience du client et leur rentabilité globale ?
Avec les nouvelles technologies et les modèles de services mis en place, les attentes des consommateurs sont de plus en plus importantes. En effet, ces derniers exigent plus de personnalisation et de proximité avec la marque. Gare donc à une promesse non tenue où à une attente consommateur pas respectée à 100%. A cela s’ajoute la complexité croissante du secteur de la distribution. Le parcours client vers l’achat n’est plus seulement défini par la fréquentation en magasin. Il est bien plus complexe. Une marque peut désormais atteindre ses clients à travers une multiplicité de canaux, tant traditionnels que digitaux. Leur décision d’acheter, où pas, dépend donc de différentes raisons qui vont du site web mal conçu et/ou peu attrayant, à un manque de compétitivité sur les prix, etc.
L’avantage de ce nouveau paradigme est que ces nouveaux chemins vers l’achat créent un vaste parcours numérique contenant des indices sur ce qui fonctionne ou pas lors d’un processus d’achat en ligne. Les cybermarchands possèdent ainsi des données utiles, de qualité et en temps quasi-réel. Par conséquent, s’ils souhaitent mieux comprendre leurs consommateurs, ils se doivent de comprendre et d’analyser ces données afin de déterminer les actions à prendre.
Toutefois, le volume et la complexité des données en ligne sont un véritable défi pour toutes les marques. D’abord comment donner un sens à cette montagne d’informations désormais disponibles ? Ensuite, comment les organiser comme un atout fonctionnel, plutôt que de les analyser séparément ? Enfin, comment les utiliser pour prendre des décisions plus efficaces ?
De la Business Intelligence à la Decision Intelligence
Les marques ne sont pas uniquement en proie à un environnement concurrentiel, elles font également face à un manque de ressources qualifiées et expérimentées. Dans ces circonstances, les entreprises doivent donc veiller que leurs équipes e-commerce fassent les bons choix en fonction des données collectées sur le site marchand. La problématique pour les e-commerçants est donc la suivante : comment prendre les décisions les plus pertinentes ?
Jusqu’à il y a peu, la Business Intelligence ou communément appelée BI était la seule réponse possible. Les informations qui en ressortaient, pour la plus part des données horizontales, permettaient aux cyber-marchands de bénéficier de reporting spécifiques. Ces rapports étaient conçus pour répondre à une question déjà définie par l’e-marchand. Concrètement avec les outils de reporting de Business Intelligence basiques, les utilisateurs devaient obligatoirement « poser les questions directement à l’outil », par exemple : quelle a été la disponibilité d’un produit par rapport au taux de conversion sur la semaine dernière ? Quel a été le panier moyen hier matin ? Etc.
Ensuite, selon les réponses données, les équipes eCommerce devaient prendre des décisions stratégiques. Avec la Decision Intelligence, la donne a littéralement changé. Les indicateurs remontent, les tableaux de bord apparaissent et surtout un plan d’actions priorisées et concret leur est proposé. Les équipes eCommerce n’ont plus qu’à appliquer des actions proposées automatiquement par l’outil.
Dans l’industrie du commerce en ligne où l’enjeu est de gérer et d’optimiser chaque parcours client, et ce de bout en bout, cette approche de « rapports instantanés » proposée par la BI n’est plus suffisante. Dans le monde de la « Big Data », il n’est tout simplement pas réaliste de s’attendre à ce que les commerçants aient suffisamment de recul pour prendre des décisions inter-fonctionnelles optimales et ce sans assistance.
Capitaliser sur la Decision Intelligence : le cas TM Lewin
TM Lewin, marque britannique de prêt à porter pour hommes et femmes, a utilisé cette méthode avec succès. Avant, la marque se focalisait sur le nombre de visiteurs sur son site et si leur taux de conversion était satisfaisant, elle cessait d’analyser son trafic web. Or, la Decision Intelligence a conduit à une approche regroupant l’ensemble des savoir-faire de l’entreprise. Ainsi par exemple, les campagnes d’email marketing étaient continuellement évaluées. Pour le site web, les pages les plus visualisées, mais ne générant pas de taux de conversion élevés, étaient restructurées via le changement de disponibilité des produits, l’ajustement de l’ordre de tri, etc.
Capitaliser et rentabiliser sa solution de Decision Intelligence ne se décrète pas, cela se construit. En effet, même avec un outil de Decision Intelligence à la pointe, encore faut-il avoir les bonnes personnes pour le gérer et prendre les décisions adéquates. Il est donc primordial de traiter toutes les informations collectées sur le site e-marchand, à savoir : les données sur les visiteurs uniques ; les coûts de publicité ; le panier moyen ; le taux de conversion, etc. Il faut donc aligner les stratégies eCommerce en fonction de ces résultats et veiller qu’en interne, toute l’entreprise travaille en symbiose.
Bien qu’il existe des centaines de causes possibles de fluctuation dans le commerce en ligne, certaines mesures peuvent être suivies de manière efficace. Elles doivent être hiérarchisées en fonction de leur capacité à influer sur le profit des e-marchands. La Décision Intelligence est donc une aide précieuse pour les marques et les distributeurs qui veulent comprendre le comportement de leurs consommateurs, en constante évolution, et in fine accélérer leur profit.