Conseil augmenté

Fidélisation et IA, une combinaison gagnante !

16 mai 2018

Encore aujourd’hui, les stratégies de fidélisation sont relativement classiques. Un client envoie sa lettre de résiliation ou appelle le service client pour rompre son contrat. Il est ensuite renvoyé vers un service spécifique chargé de lui proposer une offre, une réduction tarifaire, l’augmentation de ses garanties et/ou services, etc. Cette technique dite “réactive” donne des résultats certes ; on arrive à retenir en moyenne un client sur deux.

Néanmoins, grâce à l’IA, on peut améliorer ces résultats en anticipant et en étant proactif.

En ciblant de façon plus précise les clients susceptibles de partir, grâce à l’analyse de la data, les entreprises vont adopter une véritable approche ROIste.

Dans l’univers du marketing et de l’expérience client, l’IA couvre trois principaux domaines :

  1. La simplification des parcours clients : les chatbots et la reconnaissance vocale et/ou faciale, par exemple, vont permettre de faciliter la prise en charge du client et de réduire son effort.
  2. La prédiction des comportements : grâce une vision plus riche du profil client, on peut optimiser l’efficacité marketing via la prédiction et la personnalisation.
  3. L’amélioration de la connaissance client : en exploitant le Big Data, les directions marketing affinent leur segmentation et leur clustering, pour une meilleure compréhension des comportements.

 

Détecter les potentiels départs de clients via la data

En utilisant ces trois leviers à la fois, l’IA peut jouer un rôle déterminant dans la problématique que rencontrent toutes les entreprises, à savoir la rétention et la fidélisation. C’est grâce à une exploitation plus fine et exhaustive de la data qu’elles vont pouvoir détecter les clients insatisfaits, passifs, prêts à partir, de façon à pouvoir les retenir, voire mieux, les fidéliser. Comment ? C’est ce que nous allons voir.

Au démarrage d’un tel projet, il convient d’analyser différents types de données. En premier lieu, celles relatives aux actions commerciales et à la relation client : offres souscrites, promotions, ancienneté du client, sollicitations auprès du service client, réclamations, type de contrat, offres de rétention, etc.

On peut ajouter des données complémentaires (Web, données externes, météo, etc.) pour rendre le modèle de prédiction plus fiable et précis. Le principe ensuite : mettre en commun ces data pour les faire parler et créer un algorithme de churn. Cela consiste à analyser les données des clients qui ont résilié et déterminer quels profils présentent la plus forte probabilité de churn.

Par exemple, les clients qui ont fait une réclamation deux mois auparavant, présentent 50% de risques de résilier leur abonnement.

 

Contacter les clients à risque et agir

L’identification des potentiels churners ne constitue que la première étape. Il faut ensuite mettre en place un bilan efficacité de façon à évaluer la satisfaction client. L’enquête peut se faire par e-mail ou téléphone. Une fois les clients et leurs problématiques détectés, on déploie des opérations de cross-sell et d’up-sell, ou encore, on réadapte l’offre au client. La troisième action repose essentiellement sur du relationnel ; cela passe par un geste commercial : promotion, service offert, appel d’un dirigeant, etc.

L’objectif est de montrer de la reconnaissance au client. Au-delà de ces actions, il faut surtout résoudre l’insatisfaction.

Récemment, j’ai participé à une conférence avec Mediatech Solutions et Malakoff Médéric, un de nos clients. Laetitia Dufil, responsable marketing études et clients de la mutuelle, a partagé son témoignage sur le dispositif de fidélisation client BtoB et BtoC déployé à partir de l’analyse de la data.

En identifiant les clients présentant un risque de churn, les équipes ont ensuite procédé à des appels “câlins” pour connaître les facteurs d’un éventuel départ et les problématiques rencontrées. En déployant des actions par la suite, Malakoff Médéric a gagné 8 points de satisfaction sur les entreprises contactées par téléphone et 4 points sur les entreprises “très satisfaites”. Quant aux clients particuliers, le taux de churn a diminué de 5 points.

 

Une stratégie plus efficace en BtoC

Même si un dispositif de fidélisation basé sur l’IA peut s’avérer efficace dans le BtoC comme dans le BtoB – comme c’est le cas dans l’exemple ci-dessus – il se révèle cependant plus performant auprès d’une clientèle BtoC. En effet, il faut noter que les schémas décisionnels étant plus complexes dans le BtoB – l’acheteur n’est pas forcément l’utilisateur du produit ou service, les résultats sont moins probants car les causes de churn plus complexes à appréhender.

 

Toujours est-il que les initiatives de fidélisation basées sur l’analyse de la data se multiplient et font leurs preuves.

L’IA ouvre en effet de belles perspectives pour mieux comprendre les clients ; et ce n’est que le début …!

Newsletter

Inscrivez-vous à notre newsletter pour recevoir nos dernières actualités

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour mesurer notre audience, vous proposer des contenus et des offres personnalisées, ainsi que des fonctionnalités de partage sur les réseaux sociaux. En savoir plus.