Sparklane | Intelligence Artificielle

Il est normal d’être excité par les applications de l’ Intelligence Artificielle (IA) dans le domaine du marketing B2B. Nous la touchons déjà du doigt avec l’analyse prédictive et le machine learning. Pourtant, il n’y a pas si longtemps, parler d’assistants virtuels, de reconnaissance automatique du langage, de chatbots ou de systèmes de recommandation intelligents semblait aussi fantasmatique que les fameux sabres lasers de StarWars. De la pure Science-Fiction.

C’est donc un constat, l’IA est arrivée parmi nous. Elle s’immisce déjà dans le marketing, B2B comme B2C, elle est amenée à changer en profondeur nos manières de mener nos campagnes. Tout va changer.

Mais nous n’en sommes encore qu’au début. Stéphane MALLARD, dans ses conférences, parle de l’IA comme étant la « disruption ultime ». Pourtant, cela fait déjà plus de 20 ans qu’un ordinateur (Deep Blue d’IBM) a battu à la régulière Gary Kasparov, le célèbre grand maître des échecs. Mais apprendre à apprivoiser l’IA, à la rendre pleinement opérationnelle dans le business prendra encore un certain temps. Il y a eu par le passé un certain nombre de tentatives qui se sont soldées par des échecs cuisants et qui invitent à la prudence. On peut penser par exemple à Tay, le chatbot « intelligent » de Microsoft qui en 24 heures d’activité sur Twitter est passé de « Humans are super cool » à « Hitler was right », obligeant le géant américain à mettre immédiatement un terme à cette expérience. Les chatbots « human-like » ont encore quelques progrès à faire, notamment en termes d’analyse du langage naturel ou d’intégration à d’autres systèmes business comme les CRM, etc.

 

En attendant ces améliorations futures, comment, dès aujourd’hui, les entreprises B2B peuvent-elles concrètement utiliser l’ Intelligence Artificielle (IA) pour leurs opérations marketing ?

 

Sélection prédictive de prospects

Si vous prenez la liste de vos clients existants, ils ont très certainement des points communs, même si cela ne vous saute pas aux yeux. Identifier ces similarités devient encore plus compliqué lorsque votre entreprise dispose de centaines ou de milliers de clients. Vous pourriez embaucher un stagiaire pendant un an, il aurait du mal à vous fournir une analyse valable. Trop compliqué.

Par contre, en ayant recours à des technologies d’analyse prédictive, vous pouvez, dès aujourd’hui, lancer une analyse de l’ensemble de vos données clients pour identifier des schémas de comportement, des similarités contextuelles, et identifier des critères communs. Avec ces technologies, que l’on appelle « Predictive Lead Scoring » vous pouvez rapidement établir le profil de votre client idéal et ensuite l’appliquer automatiquement à votre recherche de nouveaux prospects pour identifier des cibles similaires. Et donc augmenter d’autant vos chances de remporter de nouveaux contrats. C’est ce que permet notamment la solution Predict éditée par Sparklane.

Est-ce que l’analyse prédictive remplacera bientôt l’humain pour l’account-based marketing ? Les résultats le diront assez rapidement. Mais ce qui est sûr c’est que l’analyse prédictive permet de traiter d’énormes volumes de données, d’identifier ainsi des schémas directeurs qui pourraient passer inaperçus par ailleurs, et de fournir au marketeur ou au commercial une aide à la décision totalement objective.

 

Personnalisation des messages

Les marketeurs B2B utilisent déjà des données comportementales, transactionnelles, démographiques et firmographiques pour affiner les contenus des emails ou des sites web tout au long du parcours client. L’analyse prédictive peut intervenir en renfort pour personnaliser encore davantage l’expérience client.

La « personnalisation prédictive » permet d’analyser les comportements pour déterminer les prochaines étapes du client dans le tunnel de conversion : faire un achat, remplir un formulaire ou chercher une page web spécifique. Toute cette donnée peut ensuite être utilisée pour proposer au prospect des contenus et/ou des services au plus près de ses attentes. En vous aidant à délivrer le bon message au bon moment, cette « hyper-personnalisation » peut également servir à adapter automatiquement l’objet d’un email ou automatiser l’horaire d’envoi d’un message en fonction du prospect ciblé.

 

Les assistants virtuels intelligents

Les assistants virtuels sont déjà là mais fonctionnent plus ou moins bien. Aussi, il faut vraiment être prudent avant de placer un assistant virtuel au contact direct du client. Mais il est certain que les technologies d’IA seront très bientôt utilisées pleinement par les commerciaux B2B. A l’instar de Siri ou Alexa, les assistants commerciaux virtuels pourront très bientôt automatiser les tâches administratives des commerciaux, en proposant une interface unique à partir de laquelle le commercial pourra envoyer des demandes de contact sur Linkedin, créer des tâches et positionner des rendez-vous directement dans son CRM, etc. L’ Intelligence Artificielle peut également servir à qualifier automatiquement des leads entrants, entamer une conversation en premier rideau et en fonction de l’analyse des échanges, planifier des rendez-vous avec les commerciaux si le prospect désire réellement aller plus avant dans la relation commerciale.

Achat et placement automatiques de publicités

La publicité « programmative » est déjà utilisée depuis plusieurs années pour automatiser l’achat, le placement et l’optimisation de bannières sur les supports digitaux les plus pertinents. En outre, les Data Management Platforms (DMP) peuvent également personnaliser ces publicités en fonction de paramètres tels que l’horaire, la localisation ou même la météo. Cependant, l’IA permet d’aller encore plus avant dans l’automatisation. Par exemple, en optimisant le coût par clic pour dépenser son budget « ads » de façon plus efficace, en utilisant le machine learning pour suivre les évolutions d’un marché, ou pour fouiller plus en profondeur dans les données comportementales afin d’affiner encore davantage les placements de publicités.

 

En définitive, les usages de l’IA dans le domaine du marketing B2B ouvrent déjà les portes vers une autre dimension. Les usages évoqués ici ne sont que quelques exemples parmi beaucoup d’autres comme la curation, la détection de fraudes, la transcription et l’analyse des appels de prospection, la recherche prédictive, etc.

En fait, les limites des applications de l’IA tiennent bien souvent à la qualité de la donnée. L’intelligence la plus perfectionnée ne pourra fonctionner qu’à partir du moment où vous la nourrirez avec des données de qualité. Si votre donnée n’est pas bonne, les analyses seront faussées et les résultats biaisés, ce qui peut aboutir à un désastre. Donc, avant de vous lancer dans l’IA, assurez-vous avant toute chose de disposer d’un socle de données solide et fiable.