L'intelligence artificielle (IA) transforme le commerce de détail, offrant aux marques de nouvelles capacités et aux clients des expériences inédites. Selon Fortune Business Insights, le marché mondial de l'IA pour le retail devrait atteindre 55,53 milliards de dollars d'ici 2030.
L'IA semble bien placée pour être le principal moteur des campagnes de retail marketing de demain. Mais cela pose de nombreux défis, notamment l'acquisition de grandes quantités de données de haute qualité, ainsi que leur intégration et une optimisation en continu.
Voici trois manières dont les retailers peuvent appliquer l'IA à leurs processus marketing pour booster la fidélité client et leur niveau de dépense.
Depuis des années, les retailers aspirent à une personnalisation plus poussée, mais sont souvent limités par leurs capacités technologiques existantes. Malgré cela, la demande de personnalisation de la part des clients a explosé, McKinsey ayant constaté que les retailers qui utilisent la personnalisation génèrent 40 % de revenus en plus que ceux qui ne l'utilisent pas.
Mettre en place des initiatives de personnalisation est une chose ; les déployer à grande échelle pour influencer à la fois les revenus et l'expérience client en est une autre. Avec l'essor des solutions basées sur l'IA, les retailers ont enfin les outils nécessaires pour briser le plafond de verre et proposer des offres aux clients à un niveau plus poussé que jamais.
Cela va jusqu'à l'utilisation de l'IA pour automatiser la création d'offres en temps réel pour cibler les clients à un niveau individuel.
Notre PDG, Tim Mason, illustre cette pratique dans la deuxième édition récemment publiée d'Omnichannel Retailer 2.0 : How to Build Winning Stores in a Digital World. Cela via l'expérience du géant australien du retail Woolworths qui fut 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. Grâce à son moteur de personnalisation, Woolworths a constaté que les clients étaient cinq fois plus susceptibles d'acheter qu'avec le marketing traditionnel.
Le géant des supermarchés a également intensifié ses efforts de fidélisation en lançant son moteur de fidélité en temps réel, géré par Eagle Eye. En connectant les 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 le résultat d’une refonte de notre plateforme de fidélité qui nous a pris près de 4 ans pour passer d'un système existant et très contraignant, à un système en temps réel. Pour ceux qui s'intéressent à la technologie sous-jacente, il s’agit d’Eagle Eye AIR. Et tout peut être instantané, comme le fait réconcilier l'ensemble de l'historique d’un utilisateur. Et il n'y a pas de contraintes en termes d'offres que nous pouvons proposer, ou de la façon dont nous pouvons l'utiliser, ce qui fait que nous avons une plateforme incroyablement puissante.
Un autre exemple de personnalisation drivé par l'IA est celui de Starbucks. Dès 2016, la chaîne multinationale de cafés a intégré le big data, le machine learning et l'IA dans tous ses canaux pour créer des offres hyper-personnalisées en utilisant des millions de points de données, telles que les interactions en magasin, les interactions avec les applications mobiles, les préférences individuelles et l'historique des achats.
Cela a permis à Starbucks de proposer des offres individualisées à ses clients nouveaux et existants. Le premier torréfacteur et détaillant de café de spécialité a également renforcé son programme Starbucks Rewards afin d'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, dans le Tennessee, Starbucks a lancé une promotion localisée "beat the heat". Malgré 87 000 combinaisons de boissons différentes, l'entreprise a pu traiter chaque commande efficacement, offrir des promotions personnalisées et créer un cercle vertueux en collectant plus de données pour optimiser les futures expériences client.
Mais la personnalisation à grande échelle va au-delà de la simple mise en place d'une infrastructure capable 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.
La fidélisation est essentielle pour toute entreprise prospère. Selon les principes de la règle 80/20, 80 % des ventes proviennent de 20 % des clients. Bien que les économies soient cruciales pour les consommateurs, c'est l'engagement et l'expérience utilisateur qui distinguent les programmes de fidélisation.
Le contenu non promotionnel est crucial pour remporter la bataille de l'engagement et de l'expérience, ce qui explique la place centrale de la gamification dans de nombreux programmes de fidélisation. Une étude a montré que plus de 60 % des clients ayant interagi avec des éléments de gamification ont ensuite effectué un achat. Ce n'est qu'un exemple parmi d'autres de la façon dont les contenus non promotionnels peuvent stimuler les achats.
Notre récente étude, Grocery's Great Loyalty Opportunity, a montré que 66 % des consommateurs seraient prêts à jouer à des jeux, participer à des concours et relever des défis dans le cadre d'un programme de fidélité. Ce type d'engagement constitue un contenu non promotionnel qui renforce le lien entre le client et le retailer.
Par exemple, le retailer britannique Asda a lancé en 2022 son programme Asda Rewards, intitulé "Pounds Not Points". Les clients pouvaient économiser et participer à des jeux, des défis et d'autres activités pour gagner de l'argent via l'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 issues de ces interactions pour s'engager sur d’autres canaux. De plus, grâce à des solutions d'IA pour traiter les données d'Asda Rewards, le géant des supermarchés a vu une augmentation de 179 % des taux d'engagement direct via sa newsletter.
D'autres formes de contenu non promotionnel peuvent inclure des guides, des articles utiles et des informations sur la marque elle-même. Ces contenus peuvent être personnalisés grâce aux mêmes données utilisées pour les offres hyper-personnalisées et développés rapidement grâce à l'IA générative. Cela permet aux retailers d'utiliser les mêmes outils d'IA pour fidéliser tout en personnalisant l'expérience client sur tous les canaux.
Chaque interaction avec le client, que ce soit à travers des programmes de fidélisation, de gamification, des habitudes d'achat en ligne ou des comportements en magasin, offre une occasion d'apprendre et de concevoir des campagnes plus efficaces et attrayantes.
Les retailers utilisent les A/B tests pour identifier ce qui fonctionne le mieux et en tirer le maximum de bénéfices. Les A/B tests sont essentiels pour obtenir les bons messages, les bonnes offres et les bons changements. Répondre aux attentes des clients est crucial pour le succès d'un retailer, mais déterminer ces attentes a toujours été le plus grand défi.
Traditionnellement, l’apprentissage à partir des interactions prenait des mois, voire des années pour les grandes entreprises. Cependant, l'IA peut accélérer considérablement ce processus.
Au lieu de créer de nouveaux points de contact pour collecter plus de données, l'IA peut extraire des informations essentielles des points de contact traditionnels pour améliorer l'expérience client. En d'autres termes, l'IA permet de tirer davantage d'intelligence des systèmes de points de vente et des applications mobiles existantes.
L'IA peut aider à tout analyser, des achats à la durée de navigation, en passant par le défilement, les goûts et les offres utilisées, donnant aux retailers plus de métriques en temps réel qu’ auparavant. Il est important de noter que l'IA se base sur ce principe d'apprentissage qui se base sur les interactions passées avec les clients. Elle accélère et amplifie ainsi le processus, offrant aux retailers de meilleurs résultats et réduisant ainsi le risque d'échec des campagnes et les pertes associées.
Passer d'une approche binaire à une compréhension plus nuancée des offres, de l'engagement et des communications a permis aux marques de traiter chaque client comme un individu plutôt que comme un segment. Le défi réside cependant dans la gestion du changement. Les retailers doivent aller au-delà des méthodes d'analyse traditionnelles et challenger le legacy des infrastructures IT. La façon dont les retailers aborderont cet enjeu influencera la fluidité de leur transition.
Ces exemples d'IA appliquée proviennent principalement des premiers adopteurs dans l'industrie du retail. Ils ne sont pas encore universellement adoptés, mais la tendance est au changement. Selon une étude récente, 56 % des dirigeants du retail investiront dans des outils d'IA pour leurs efforts de retail marketing en 2024.
Malgré les premiers résultats impressionnants des solutions d'IA dans le retail, des obstacles restent à surmonter, notamment en matière d'intégration, de mise à l'échelle et de personnalisation. À mesure que les solutions d'IA progressent, de nombreux experts s'attendent non seulement à une augmentation de leur puissance et de leurs capacités, mais aussi à une facilité accrue d'installation et de personnalisation.
En attendant, de nombreux retailers chercheront à dépasser le buzz autour de l'IA pour adopter des solutions pratiques et durables qui leur offriront les augmentations de revenus concrètes qu'ils espèrent.