Naviguer sur de nouvelles eaux : L'application de l'IA au marketing de détail

L'intelligence artificielle (IA) est en train de réimaginer l'ensemble du parcours de vente au détail, en donnant aux marques plus de capacités et à leurs clients plus d'expériences. Selon Fortune Business Insights, le marché mondial de l'IA dans la vente au détail devrait atteindre 55,53 milliards de dollars d'ici 2030.

Sur la base des tendances actuelles (et des investissements des détaillants), l'IA est bien placée pour être le principal moteur des campagnes de marketing de détail de demain. Cela ne veut pas dire qu'il n'y aura pas de défis à relever, notamment en ce qui concerne la capacité des détaillants à acquérir des données de haute qualité en grande quantité, à réaliser une intégration transparente et une optimisation à long terme.

Aujourd'hui, nous examinons trois façons dont les détaillants peuvent appliquer l'IA à leurs processus marketing afin de fidéliser davantage leurs clients et d'augmenter leurs dépenses globales.

#1. Appliquer l'IA à la personnalisation à grande échelle

Depuis des années, les détaillants aspirent à une personnalisation plus poussée, mais ils ont été limités par leurs capacités technologiques existantes, ce qui leur a laissé un plafond de verre considérable. Malgré cela, la demande de personnalisation de la part des clients a explosé, McKinsey ayant constaté que les détaillants qui utilisent la personnalisation génèrent 40 % de revenus en plus que ceux qui ne l'utilisent pas.

Mettre en œuvre des initiatives de personnalisation est une chose. Le faire à l'échelle requise pour avoir un impact à la fois sur le chiffre d'affaires et sur l'expérience client en général en est une autre. Avec l'essor des solutions basées sur l'IA, les détaillants disposent des outils nécessaires pour briser le plafond de verre et proposer des offres aux clients à un niveau plus approfondi que jamais.

Cela va jusqu'à l'utilisation de l'IA pour automatiser la création d'offres en temps réel afin de cibler les clients à un niveau individuel.

Notre PDG, Tim Mason, a présenté un exemple clé de la façon dont ces capacités peuvent être mises en pratique dans la^2e édition d'Omnichannel Retail 2.0, récemment publiée : How to Build Winning Stores in a Digital World, l'expérience du géant australien de la distribution Woolworths. Woolworths a été l'un des premiers à adopter l'IA pour la personnalisation à grande échelle en achetant 75 % de la société d'analyse de données Quantium. Équipé de son moteur de personnalisation, Woolworths a indiqué que les clients étaient cinq fois plus susceptibles d'acheter qu'ils ne l'auraient été en utilisant le marketing traditionnel.

Le géant des supermarchés a également considérablement renforcé ses efforts de fidélisation en introduisant son programme de fidélisation en temps réel, alimenté par Eagle Eye. En connectant les systèmes de points de vente en magasin au programme de fidélité en temps réel, les consommateurs peuvent suivre, gagner et échanger leurs points au fur et à mesure de leurs achats. Comme l'a déclaré Brad Banducci, PDG de Woolworths, lors d'une récente conférence téléphonique sur les résultats, "notre plate-forme de fidélisation en temps réel est une réorganisation de notre activité de fidélisation qui nous a pris près de 3,5 ans pour passer d'un système existant qui présentait un certain nombre de contraintes quant à ce que nous pouvions faire pour nos membres, à un système en temps réel". Il s'agit d'Eagle Eye, pour ceux qui s'intéressent à la technologie sous-jacente. Et il peut être instantané. Il peut réconcilier l'ensemble de l'historique. Et il n'y a pas de contraintes en termes d'offres que nous pouvons proposer, ou de la manière dont nous pouvons réutiliser les données, de sorte que nous disposons d'une plateforme incroyablement puissante.

Starbucks est un autre exemple de personnalisation alimentée par l'IA. Dès 2016, la chaîne multinationale de cafés a intégré le big data, l'apprentissage automatique et l'IA dans ses canaux existants pour produire des offres hautement personnalisées en utilisant des millions de points de données, y compris les interactions en magasin, les interactions avec les applications mobiles, les préférences individuelles et l'historique des achats.

Starbucks a ainsi pu proposer des offres hyperpersonnalisées à ses clients nouveaux et existants. Le premier torréfacteur et détaillant de café de spécialité a également renforcé son programme Starbucks Rewards pour offrir plus de valeur en proposant aux clients les bonnes offres au bon moment et au bon endroit.

Par exemple, lors d'une vague de chaleur à Memphis (Tennessee), Starbucks a lancé une promotion localisée "Battre la chaleur". Malgré ses 87 000 combinaisons de boissons différentes, l'entreprise a pu traiter efficacement chaque commande, proposer des offres personnalisées et créer un cercle symbiotique en recueillant encore plus de données afin d'optimiser les expériences futures de ses clients.

Mais la personnalisation à grande échelle ne se limite pas à la mise en place d'une infrastructure permettant de créer et de traiter une infinité d'offres en temps réel. Il s'agit également de mieux donner aux clients ce qu'ils veulent avant même qu'ils ne pensent à ce dont ils ont besoin.

#2. Générer du contenu sans offre

La fidélisation est au cœur de toute entreprise prospère. Selon les principes de la règle 80/20, 80 % des ventes sont générées par 20 % des clients. Si les économies sont importantes pour les consommateurs, l'engagement et l'expérience de l'utilisateur permettent aux programmes de fidélisation de se démarquer.

Le contenu autre que l'offre est essentiel pour gagner la bataille de l'engagement et de l'expérience, ce qui explique pourquoi la gamification est devenue centrale dans les programmes de fidélisation de nombreux détaillants. Une étude a révélé que plus de 60 % des clients ayant interagi avec des éléments gamifiés ont ensuite effectué un achat. Ce n'est qu'un exemple parmi d'autres de la manière dont un contenu autre que des promotions ou des remises explicites peut générer un volume d'achat.

Notre récente étude, Grocery's Great Loyalty Opportunity, a révélé que 66 % des consommateurs joueraient à des jeux, participeraient à des concours et relèveraient des défis dans le cadre d'un programme de fidélisation. Ce niveau d'engagement est essentiellement un contenu non basé sur une offre qui renforce le lien entre le client et le détaillant.

Par exemple, le détaillant britannique Asda a lancé son programme Asda Rewards sous le nom de "Pounds Not Points" en 2022. Les clients peuvent épargner et participer à des jeux, des défis et d'autres activités pour générer de l'argent dans son application. À ce jour, cinq millions de clients utilisent l'application au moins une fois par mois.

En plus de cibler les consommateurs désireux d'économiser sur leurs achats, Asda utilise les données de ces interactions pour s'engager sur ses autres canaux. En outre, en utilisant des solutions d'IA pour traiter les données issues de son programme Asda Rewards, le géant des supermarchés a enregistré une augmentation de 179 % des taux d'engagement direct via sa lettre d'information électronique.

D'autres formes de contenu sans offre peuvent inclure des guides, des articles utiles et des informations sur la marque personnalisées. Ceux-ci peuvent être personnalisés à l'aide des mêmes points de données que ceux utilisés pour produire des offres hyper-personnalisées, et développés et déployés rapidement à l'aide de l'IA générative ; tout cela permet aux détaillants d'exploiter les mêmes outils d'IA pour fidéliser les clients tout en personnalisant l'expérience du consommateur sur tous les canaux.

#3. Apprendre des interactions

Chaque interaction avec le client, qu'il s'agisse de programmes de fidélisation, de gamification, d'habitudes d'achat en ligne ou de comportement en magasin, est une occasion d'apprendre et de créer des campagnes plus convaincantes et plus réussies.

Les détaillants utilisent les tests A/B pour déterminer ce qui fonctionne le mieux afin d'en tirer le meilleur parti. Les tests A/B sont essentiels pour obtenir les bons messages, les bonnes offres et les bons changements. Donner aux clients ce qu'ils veulent est essentiel à la réussite d'un détaillant, mais déterminer ce qu'ils veulent a toujours été le plus grand défi des détaillants.

Traditionnellement, l'apprentissage à partir des interactions prenait des mois, voire des années dans les grandes entreprises. Mais l'IA peut être utilisée pour accélérer rapidement ce processus.

Plutôt que de créer de nouveaux points de contact pour obtenir des données supplémentaires, l'IA peut permettre aux points de contact traditionnels des détaillants de fournir des informations vitales sur l'amélioration de l'expérience client. En d'autres termes, l'IA permet de tirer davantage d'intelligence des systèmes de point de vente et des applications mobiles existantes.

L'IA peut aider à analyser tout ce qui concerne les achats, la durée de navigation, le défilement, les goûts et les offres utilisées, donnant aux détaillants plus de mesures en temps réel que jamais. Il est essentiel de noter ici que l'IA ne modifie pas le principe d'apprentissage et d'action sur la base des interactions antérieures avec les clients. Au contraire, elle accélère et amplifie le processus, donnant aux détaillants de meilleurs résultats, réduisant ainsi la probabilité d'échec des campagnes et les pertes qui y sont associées.

Le passage d'une approche binaire à une compréhension plus nuancée de tout ce qui touche aux offres, à l'engagement et aux communications a permis aux marques de traiter chaque client comme un individu et non comme un segment. Le défi, cependant, réside dans la gestion du changement. En d'autres termes, les détaillants doivent abandonner les méthodes d'analyse traditionnelles et surmonter les infrastructures existantes. La manière dont ils aborderont cette question déterminera la fluidité de la transition.

De la théorie à la pratique en 2024

Ces exemples d'application de l'IA proviennent principalement des premiers utilisateurs du secteur de la vente au détail. Ils ne sont pas encore largement mis en œuvre dans l'ensemble du secteur, mais cela est en train de changer rapidement. Selon une nouvelle étude, 56 % des dirigeants du commerce de détail investiront dans des outils d'IA pour leurs efforts de marketing de détail en 2024.

Malgré les premiers résultats impressionnants des solutions d'IA pour le commerce de détail, des obstacles doivent encore être surmontés, notamment la capacité d'intégration, de mise à l'échelle et de personnalisation. À mesure que les solutions d'IA progressent, de nombreux experts ne s'attendent pas seulement à ce que leur puissance et leurs capacités augmentent, mais aussi à ce qu'elles soient plus faciles à installer et à personnaliser.

En attendant, de nombreux détaillants s'efforceront de dépasser la phase de buzz de l'IA et d'adopter des solutions pratiques qui leur permettront d'obtenir les hausses de revenus qu'ils attendent.