L'approche analytique à trois niveaux pour le commerce électronique : descriptive, prédictive et prescriptive

Les données analytiques descriptives, prédictives et prescriptives sont les trois piliers du développement stable des activités de commerce électronique. Vous n'utilisez peut-être pas ces définitions particulières, mais vous utilisez certainement déjà au moins deux types de données pour améliorer l'efficacité de votre site Web.

En un mot, l'analyse descriptive est conçue pour analyser les données historiques, l'analyse prédictive - pour prévoir les performances futures et prescriptive - pour développer une stratégie pour le scénario prévu.

Examinons de plus près chaque type d'analyse et définissons à quelles fins spécifiques elles sont utilisées.

Les données d'analyse comme moyen d'améliorer l'expérience client

L'objectif global de l'analytique est de :

• identifier et améliorer les faiblesses de l'entreprise
• identifier et valoriser ses atouts
• identifier de nouvelles solutions efficaces et trouver des idées sur la façon de les mettre en œuvre.

Dans le commerce électronique, les outils d'analyse peuvent désormais mesurer tous les aspects de l'activité : des processus opérationnels au comportement des clients sur un site Web. Mais surtout en matière d'expérience client, l'analyse des données est la science la plus passionnante aujourd'hui. Tout d'abord, la raison réside dans une culture centrée sur le client que les entreprises de distribution considèrent comme le facteur le plus crucial de leur succès (plus élevé que la gestion), selon la Harvard Business Review .

La plupart des grandes entreprises créent un département distinct axé uniquement sur l'expérience numérique. Par exemple, un tel département chez ASOS compte cinq équipes : Product management, User Experience, Insights & Analytics, Customer Strategy & Insights et data science. Leurs algorithmes d'apprentissage en profondeur pour les recommandations ou l'identification des données de valeur à vie du client impressionnent vraiment.

Malgré la loi GDPR , les données des clients sont collectées par presque tous les sites Web de commerce électronique. 40 % des entreprises l'utilisent pour personnaliser ou personnaliser des expériences, 37 % pour prévoir ou anticiper les besoins des consommateurs, et 20 % des entreprises l'utilisent pour créer une expérience omnicanal. Tous ces éléments sont liés à l'analyse prescriptive, qui comprend toujours l'analyse descriptive et prédictive.

Qu'est-ce que l'analyse descriptive ?

Il est facile de définir le terme « analyse descriptive » simplement parce qu'il vient du mot « décrire ». Fondamentalement, il s'agit des statistiques de vos performances sur une période spécifique dans le passé. Dans le commerce électronique, il peut s'agir de tous les indicateurs de votre compte Google Analytics, tels que le taux de conversion, le taux de désabonnement, le CPC dans une campagne publicitaire spécifique, la valeur moyenne des commandes ou le nombre de ventes répétées, peu importe. Ou il peut s'agir de vos données CRM - revenus ou ventes totales en mai 2018, etc.

L'analyse descriptive vous permet de surveiller lesquelles de vos implémentations fonctionnent le mieux et génèrent plus de revenus, et lesquelles affichent de mauvais résultats et font baisser votre activité. Ainsi, ce type d'analyse comprend deux étapes principales :

• Agrégation de données ;
• Exploration de données.

Certaines des raisons pour lesquelles vous pouvez utiliser l'analyse descriptive :

• Examinez votre public réel ;
• Obtenez des informations sur les modèles de comportement des consommateurs ;
• Comprenez la demande globale pour vos produits et analysez la demande dans une catégorie/segment/période spécifique, etc.
• Estimer l'efficacité des campagnes marketing;
• Vérifiez la demande de produits via la popularité des requêtes de recherche ;
• Évaluez les coûts et les délais de livraison réels.
• Comparez les indicateurs entre différentes périodes, etc.

Les logiciels d'analyse modernes sont principalement conçus pour l'analyse descriptive. À l'aide d'outils de mesure, vous pouvez recevoir des rapports sur presque toutes les actions des clients, non seulement sur votre site Web, mais même dans un magasin physique. Par exemple, vous pouvez suivre une carte thermique avec les zones les plus consultées à la fois sur une page de produit et sur une étagère physique. Cependant, la mode change et de nombreux outils tentent désormais d'améliorer leurs services avec des fonctionnalités d'analyse prédictive.

Le succès de l'analyse descriptive dépend de manière significative de la gouvernance de votre KPI. Des objectifs soigneusement définis et organisés constituent une base solide pour des analyses prédictives et prescriptives plus efficaces.

Qu'est-ce que l'analyse prédictive ?

Toutes les entreprises phares de commerce électronique mettent en avant les tactiques prédictives comme un must pour les processus de prise de décision, la tarification, l'expédition, le marketing et la personnalisation. En ce qui concerne la définition, l'analyse prédictive est une analyse des performances actuelles et historiques du site Web et du marketing, du comportement des consommateurs et des habitudes d'achat pour prévoir les tendances des ventes et prévenir les risques.

Si l'analyse descriptive nécessite des compétences pour « lire » les chiffres et les graphiques, l'analyse prédictive demande des connaissances approfondies pour interpréter ces chiffres en réponse à la question « Que va-t-il se passer ? ».

Les données historiques que vous avez réussi à collecter et traiter permettent de :

• Déterminer le meilleur prix du marché ;
• Améliorer l'UX du site ;
• Personnalisez les promotions ;
• Prédire quels produits seront sous-demandés pour chaque saison ;
• Prévoyez combien de managers devraient assister les clients lors du Black Friday ;
• Identifier les produits connexes pour les best-sellers ;
• Trouvez des idées pour les tests A/B ;
• Optimiser les stocks ;
• Améliorez vos actions à chaque étape de l'entonnoir de vente, etc.

Les recherches récentes de Dresner Advisory Services montrent que seulement 23 % des entreprises utilisent l'analyse prédictive alors que 26 % des entreprises ne prévoient même pas de l'utiliser.

Vous pourriez également être intéressé par cet article : 9 rapports Google Analytics qui stimulent les décisions marketing et les ventes du commerce électronique

Qu'est-ce que l'analyse prescriptive ?

L'analyse prescriptive, qui est devenue un mot à la mode dans le monde du marketing, est l'automatisation de votre recherche statistique afin de simplifier vos décisions opérationnelles et d'améliorer la future expérience d'achat sans couture.

Ici viennent les algorithmes. Ils rendent possibles des astuces de commerce électronique telles que :

• Recommandez aux visiteurs le produit le plus approprié sur votre site Web, qui intéresse d'autres visiteurs ayant des comportements similaires ;
• Afficher des prix différents aux visiteurs avec un chèque moyen haut et bas ;
• Contrôler les stocks et vous avertir lorsqu'il manque quelque chose ;
• Déterminez ce qu'un utilisateur achèterait ensuite.

En d'autres termes, la troisième phase de l'analyse commerciale permet de proposer des solutions concrètes aux problèmes existants, prévus lors de l'analyse des données en temps réel et historiques.

Vous pourriez également être intéressé par cet article : Comment analyser le comportement d'achat sur votre site Web : 5 étapes faciles

Vous avez besoin d'analyses pour automatiser les processus chronophages

L'avenir de l'analyse du commerce électronique est lié aux technologies de l'IA. Selon Transparency Market Research, les logiciels d'analyse prédictive ont touché 6,5 milliards de dollars dans le monde en 2019.

Le moteur Google Cloud ML (Machine Learning) est l'un des logiciels multifonctions les plus performants à la jonction de l'analyse prédictive et prescriptive . Elle propose aux commerçants ces cinq solutions :

• La recherche visuelle de produits permet aux boutiques en ligne d'intégrer les capacités de type longueur de Google dans leurs applications mobiles. Ikéa. Par exemple, il permettait aux utilisateurs de prendre une photo d'un article ménager pour le trouver ou un article similaire dans le catalogue en ligne.

• Recommendations AI permet aux détaillants d'améliorer l'expérience utilisateur avec le système de recommandation de produits, qui propose des produits personnalisés en fonction des préférences et des goûts d'un client particulier.

• Contact Center AI est conçu pour créer une expérience de soins moderne avec la reconnaissance vocale et la technologie de recherche de Google

• AutoML Table permet de prévoir la demande des clients.

• La gestion et l'analyse des stocks en temps réel permettent de suivre la disponibilité des produits sur les étagères, les allées et les entrepôts.

Un autre outil d'analyse prédictive est le logiciel international de premier plan Microsoft R Open . Des techniques supplémentaires pourraient être mises en œuvre, telles que la détection avancée des modifications, la technologie core-and-chip, etc. Le service d'analyse est utilisé pour l'analyse des sentiments des clients, la détection des spams et le routage des demandes des clients.

La plateforme d'analyse prescriptive Profitect utilise des algorithmes qui traitent 7 types de données :

• Mouvement d'inventaire ;
• Des animations sur chaque point de vente ;
• Livraison et réception ;
• Logistique et entrepôt ;
• Planification et achat ;
• Performances marketing ;
• Commerce circulaire.

L'outil crée ses propres scénarios sur les mesures à prendre dans différentes situations. Par exemple, le système informe une personne responsable d'un SKU en rupture de stock. Les scénarios peuvent être modifiés selon vos besoins. La société promet que son logiciel d'analyse prescriptive peut aider les détaillants à générer un retour sur investissement de 300 % supérieur.

Vous pourriez également être intéressé par cet article : Top 6 des outils d'analyse de commerce électronique pour les boutiques en ligne en 2019

Comment les détaillants utilisent l'analyse prédictive et prescriptive

L'une des études de cas les plus populaires sur l'utilisation d'algorithmes d'analyse est le modèle breveté d'« expédition anticipée » d'Amazon . Il traite les données sur les achats antérieurs des clients, leur fréquence de commande, le contenu du panier et l'historique de recherche pour garantir qu'un produit pertinent sera expédié au centre de consommateurs le plus proche. Ce logiciel améliore le délai de livraison et optimise les frais d'expédition, aidant ainsi la place de marché à augmenter les ventes et l'expérience client.

ASOS a présenté un autre exemple d'utilisation d'un logiciel de tarification basé sur les données. Le programme suit les prix sur les sites Web des concurrents et d'autres données du marché pour informer les responsables de l'entreprise des produits à stocker, du prix à choisir, ainsi que du moment et du montant de la remise. Le détaillant de mode affirme qu'avec cet outil, ils ont réussi à augmenter leurs ventes de 33 % pendant un an.

conclusion

L'approche qualitative à trois niveaux dans l'analyse montre toujours d'excellents résultats dans le développement des affaires de commerce électronique.

L'analyse descriptive prend la plupart du temps - 60% à 75% de l'ensemble du processus. Cette phase nécessite des décisions réfléchies concernant les données que vous allez collecter, comment et où ces informations seront utilisées, et les avantages qu'elles peuvent apporter pour améliorer l'expérience client sur votre site Web. Principalement utilisées pour les rapports, les données historiques constituent une base solide pour l'analyse prédictive et prescriptive en raison des informations sur les habitudes d'achat des clients et de votre productivité opérationnelle.

L'analyse prédictive prend 20 à 30 % du processus. Selon les résultats, cela permet de prévoir et de modéliser les événements futurs. Ces données sont utilisées pour l'apprentissage automatique afin de prédire les dépenses moyennes au sein de votre public clé, les coûts CPC, la fluctuation des prix, la demande de produits, etc.

Enfin, l'analyse prescriptive, qui prend 5 à 20 % du processus, est conçue pour trouver des solutions automatisées aux problèmes prévus. Les algorithmes de BI qui se développent et s'améliorent activement permettent désormais aux propriétaires de commerce électronique d'éviter les erreurs humaines, en déléguant de nombreuses activités. Les robots peuvent désormais contrôler d'énormes entreprises et garantir des approches personnalisées à chaque client. Sans l'analyse prescriptive, nous n'aurions pas Amazon ou le groupe Alibaba, qui promulguent l'idée d'une culture centrée sur le consommateur, qui seraient des créateurs de tendances sur ce marché.