Si la pandémie a clarifié une chose, la seule constante est le changement. Pour les entreprises efficaces, il ne s’agit plus d’adopter des techniques numériques qui les rapprochent du client. Il s’agit de modifier considérablement les entreprises de manière à placer le client au cœur de l’entreprise. Les clients ayant plus de choix que jamais auparavant, les entreprises devraient travailler activement pour établir de nouvelles méthodes d’engagement et de fidélité. Cela peut arriver lorsque:
- L’accès aux informations finit par être décentralisé et la C-Suite fonctionne en collaboration pour innover dans des communautés basées sur des connaissances de nouvelle génération et des expériences optimisées mentalement qui intuitent les besoins des clients et les placent au cœur d’une entreprise
- Les marques reconnaissent où elles ont réellement dépassé ou sous-traité l’utilisation des données pour aider à améliorer la vie des individus et commencer à créer des expériences hyper-personnalisées
- Des actions crédibles sont nécessaires pour que les consommateurs se sentent en contrôle et choisissent de partager leurs informations.
Pour se rapprocher des consommateurs, il n’a jamais été aussi vital de recueillir des informations sur leur comportement. En conséquence, les informations doivent rapidement migrer du statut d’outil de marketing vers l’une des devises les plus importantes qui soutiennent l’avenir de l’amélioration des services. De plus, à mesure que nous entrons dans la nouvelle ère de l’autorisation des clients, le jeu final de tout cela sera de produire le type d’expériences de marque qui inciteront les gens à décider et à partager leurs données. C’est là que les directeurs marketing doivent favoriser une synergie collective avec leur équipe de science de l’information pour opérationnaliser avec succès l’information, le tout dans le but de défendre au mieux les consommateurs afin qu’ils produisent les expériences gagnantes de demain.
L’intégration de données de première partie avec des données alternatives d’autres fournisseurs de services peut ouvrir des modèles et des informations qui sont dans certains cas imprévus et peuvent contribuer à une amélioration fiable. Par exemple, les informations sur le comportement d’achat des consommateurs issues des transactions par carte de crédit et de débit peuvent répondre à des questions telles que:
- Quels sont les modèles de commerce électronique dans notre secteur?
- Quels concurrents ont un taux de développement du commerce électronique beaucoup plus élevé que notre organisation?
- Quel est le profil et le comportement de ces acheteurs en ligne pour nos concurrents?
- Quels emplacements devrions-nous ouvrir plus de magasins et lesquels devrions-nous envisager de fermer?
- Quelle est la part de nos clients dans le portefeuille par rapport aux marques concurrentes et comment évolue-t-elle progressivement?
- Quel est le profil de nos fidèles de marque et en quoi diffère-t-il des adeptes de marque de nos rivaux cruciaux?
- Quelle part de nos acheteurs les plus précieux dépensent également des sommes importantes dans nos marques rivales et quelles sont les qualités de ces « doubles acheteurs »?
Alors que la pandémie s’ensuit, de nombreuses marques ont du mal à identifier les habitudes de consommation qui ont en fait complètement changé au milieu du COVID par rapport à celles qui sont susceptibles de revenir en arrière. Parmi les changements susceptibles de ne jamais revenir complètement aux niveaux précédents, il y a la quantité d’interactions en personne dans le commerce. En conséquence, la clé du succès sera la capacité à:
- Reconnaître les conceptions d’engagement hybrides qui s’inscrivent facilement avec le physique et le numérique
- Mettre davantage l’accent sur l’augmentation de la compréhension émotionnelle de manière à combler certaines des lacunes créées par la perte de l’interaction humaine 1: 1
Ces tournants ne seront possibles que si les données sur le comportement des clients sont collectées, nettoyées, incorporées et exploitées pour créer une intelligence intégrée dans les processus essentiels de l’entreprise dans toute l’entreprise – en termes simples, centrée sur les données.
Par exemple, s’il y a une modification du modèle de demande des consommateurs qui peut être observée instantanément, la chaîne d’approvisionnement peut être adaptée de manière dynamique pour correspondre à la demande et éviter les goulots d’étranglement.
La figure 1 montre comment les habitudes d’achat d’épicerie ont changé en raison de la pandémie de COVID-19 et sont restées à long terme alors que la pandémie se poursuivait et que le travail à distance était devenu la norme pour les travailleurs à revenu élevé. Le graphique compare les habitudes des acheteurs d’épicerie le dimanche par rapport aux jours de semaine en 2019 et 2020, et il y a un glissement distinct des achats du dimanche vers les achats en semaine (les samedis sont restés stables et ne sont pas affichés).
Il s’agit du type d’informations que les marques peuvent utiliser pour ajuster les jours d’expédition et les vendeurs peuvent appliquer ces informations pour modifier leurs jours de réapprovisionnement.De toute évidence, ces types de profils transversaux et intersectoriels ne peuvent pas être observés uniquement en utilisant ses propres données organisationnelles et nécessitent l’intégration d’informations alternatives fiables acquises en externe, ainsi que des processus de service polyvalents qui ont ces informations centralisées intégrées comme carburant pour les alimenter.
Les solutions centrées sur les données sont également essentielles pour le marketing expérientiel des marques, qui peuvent ravir les clients avec la personnalisation et la messagerie idéale au bon moment. Les consommateurs sont plus susceptibles de partager leurs interactions, leurs goûts / dégoûts et leurs profils en échange de telles expériences, générant par conséquent plus d’informations autorisées pour les marques. Un exemple que j’ai vécu personnellement est lorsqu’une compagnie aérienne m’a utilisé un repas et une boisson gratuits en attendant au terminal de l’aéroport de Newark assis à un kiosque dans la zone d’attente, en fonction de mon profil de voyageur régulier, de mon emplacement et de mon historique d’achat avec eux. De toute évidence, cela nécessitait des informations autorisées par le consommateur, telles que mon profil et mon lieu de voyageur fréquent, et une collaboration / intégration avec les vendeurs de nourriture de l’aéroport, de sorte que tous les composants de données appropriés étaient facilement disponibles de manière centralisée pour être exploités par l’application de la compagnie aérienne installée sur mon téléphone portable. L’avenir est, et il est temps pour les organisations d’intégrer les données dans leurs modèles commerciaux, le dépassement servant d’atout pour améliorer le marketing. Etre a à voir avec le tissage de nombreux actifs de données internes et externes dans le tissu des procédures de prise de décision stratégique dans toutes les fonctions et à tous les niveaux de l’entreprise. Le moment est venu pour les entreprises de passer d’une approche centrée sur les données à une approche centrée sur les données pour parvenir à un changement commercial centré sur le client qui se traduit par un hyper développement en cette ère de modifications constantes.
Atul Chadha, directeur des opérations technologiques, Affinity Solutions. Il dirige les activités d’ingénierie, de science des données, d’analyse, de gestion des programmes et de qualité au sein de l’entreprise. Avant de s’inscrire à Affinity Solutions, Atul a occupé divers postes de direction dans les technologies et techniques Big Data et Cloud chez IBM Silicon Valley Lab. Il est l’auteur de neuf brevets dans l’exploration de données et dans des sites connexes, dont un qui a été classé parmi les 5% des meilleurs brevets d’IBM. Atul est un propriétaire d’entreprise axé sur les données ayant en fait cofondé une startup de plate-forme de données comportementales et possède plus de 25 ans d’expérience dans le domaine du génie logiciel, de l’ingénierie des données, de l’exploration d’informations et des innovations dans le cloud, avec des fonctions de direction chez Wipro, Good Innovation (acquis par Blackberry), PeopleSoft (obtenu par Oracle) et IBM. Il est titulaire d’une maîtrise en informatique de l’Université de Californie à San Diego et d’un MBA de la California State University East Bay.
Arun Rajagopal, chercheur principal en information, Affinity Solutions. Arun apporte une décennie d’expérience dans la structure de systèmes analytiques distribués massifs et ML / DL. Auparavant, il encourageait d’importantes banques et grands détaillants à utiliser la méthode de l’IA chez EY CIO Advisory et TCS Retail Development Laboratory. Dans son rôle actuel, Arun développe un produit d’étiquetage des offres basé sur l’intelligence artificielle et une plate-forme d’informations marketing. «
.
