La science des données manuelle et l’impact des dépendances externes sur l’analyse prédictive en marketing

Prédire l’avenir est essentiel pour les spécialistes du marketing afin de comprendre les intérêts, les comportements et les tendances des clients. Avec les progrès technologiques, l’analyse prédictive basée sur l’IA aide les spécialistes du marketing à cet égard. Pecan a récemment mené une étude pour comprendre où en est l’analyse prédictive par rapport au marketing aujourd’hui. Découvrez les résultats ici.

La perspective de prédire l’avenir semble séduisante. Mais c’est nécessaire pour les entreprises, notamment pour le service marketing. Les spécialistes du marketing doivent prédire les intérêts, les comportements et les tendances des clients pour atteindre leurs objectifs. Avec l’avènement de la technologie, l’analyse prédictive basée sur l’intelligence artificielle (IA) aide les spécialistes du marketing à anticiper les comportements et les tendances des clients et à planifier des campagnes avec une plus grande précision. Dans l’ensemble, le marché mondial de l’analyse prédictive devrait atteindre 28,1 milliards de dollars d’ici 2026. Selon MarketsandMarkets.

Alors, où en est l’analyse prédictive en matière de marketing aujourd’hui ? Pour le savoir, Pecan a récemment mené une étude. Voici quelques constatations.

Les ambitions et les obstacles de l’IA sont universels dans le marketing

L’adoption de l’analyse prédictive par les spécialistes du marketing est en croissance. Cependant, la mesure dans laquelle les spécialistes du marketing appliquent la méthodologie varie considérablement. De plus, l’application n’est pas toujours focalisée sur les applications les plus efficaces.

Selon l’étude, les deux principales utilisations de l’analyse prédictive étaient les prédictions au niveau des clients et le comportement futur (51 %) et les prédictions des tendances des clients (50 %). Bien qu’il existe d’autres utilisations, seuls 40 % l’utilisent pour obtenir des informations prédictives sur leur entreprise. Fait intéressant, 49 % n’utilisent pas l’analyse prédictive pour les prédictions individuelles du comportement des clients. Ainsi, ils peuvent manquer un différenciateur clé de la technologie. Il montre également les opportunités manquées d’améliorer la croissance de leurs clients et de leurs revenus.

L’étude a également révélé que les décideurs en marketing ont une vision des capacités d’IA qu’ils souhaitent atteindre. Les fonctionnalités clés incluent la prévision de l’attrition et de la rétention au niveau du client (46 %), la prévision de la valeur à vie (40 %) et la détermination de la probabilité de vente incitative et de vente croisée (40 %). Aucun responsable marketing n’a déclaré vouloir des capacités prédictives supplémentaires alimentées par l’IA.

Les spécialistes du marketing de l’IA veulent obtenir

La source: 2022 L’état de l’analyse prédictive dans le marketing

Bien que tout le monde ait des ambitions en matière d’IA, ils sont également confrontés à des obstacles lors de la mise en œuvre de l’analyse prédictive basée sur l’IA. Les spécialistes du marketing sont confrontés à deux principaux obstacles :

  • Le coût élevé de la science des données manuelle, 40 % l’ont cité comme un obstacle
  • Difficulté à travailler avec des données clients non structurées ou désorganisées (40 %).

En plus de ceux-ci, les spécialistes du marketing sont confrontés à d’autres obstacles tels que des connaissances techniques limitées (39%), une incertitude de la direction quant à la valeur (39%), des données insuffisantes ou obsolètes (35%) et des données supprimées (31%).

Voir plus : L’intelligence artificielle fournit un cadre plus clair pour le marketing

L’alignement entre le marketing et l’analyse de données fait défaut

De nombreuses organisations dépendent de techniciens extérieurs à leurs équipes marketing pour mettre en œuvre l’analyse prédictive. Cela nécessite que les équipes marketing et techniques soient sur la même page pour que la mise en œuvre réussisse. Cependant, la recherche a montré que les équipes ne sont pas toujours alignées, ce qui rend la mise en œuvre difficile.

Les répondants ont cité de nombreuses raisons pour lesquelles les projets de données ne progressent pas vers les objectifs marketing attendus. Certaines des raisons sont :

  • Compréhension différente des objectifs et des besoins de l’entreprise : Environ 40% des répondants ont déclaré que les personnes qui ont développé les modèles ne comprenaient pas les objectifs marketing. De plus, 38 % ont déclaré que les scientifiques des données ne posaient pas les bonnes questions sur le comportement des clients. Environ 37 % ont également reçu des modèles construits sur des données partiellement ou incorrectement sélectionnées, ce qui a entraîné des prédictions erronées.
  • Mauvaise sélection des données et construction lente du modèle : Les data scientists sont surchargés de travail et incapables de répondre aux demandes de 42% des répondants, selon l’étude. Pour 35%, il a fallu trop de temps pour fabriquer les modèles.
  • Modèles négligés inutiles voire dangereux : Pour être utiles aux marketeurs, les modèles doivent être suivis et mis à jour régulièrement. Cependant, pour 38% des répondants, les informations ne sont pas mises à jour assez souvent. De plus, 37 % ont déclaré que les modèles développés pour leurs équipes n’avaient jamais été mis à jour. Le fait de ne pas mettre à jour les modèles peut conduire à des prévisions inexactes ou parfois dangereuses.

La mise à jour des données et des modèles peut être automatisée. Cependant, la plupart des entreprises n’ont peut-être pas encore identifié cette automatisation et dépendent probablement de la gestion manuelle de leurs workflows de science des données.

L’étude a également révélé qu’il n’existe actuellement aucune approche universelle pour intégrer l’IA dans le marketing. Près de 80 % des personnes interrogées ont adopté différentes approches pour intégrer l’IA dans leurs équipes marketing. Cela inclut la collaboration avec des équipes de science des données, l’utilisation de consultants ou de fournisseurs externes ou la création de ressources de science des données au sein du marketing.

Cependant, ces processus disparates peuvent compliquer la création d’un alignement entre les besoins de l’entreprise, les échéanciers, les attentes et les ressources. D’un autre côté, la pleine propriété de l’analyse prédictive au sein de l’équipe marketing est susceptible de donner de meilleurs résultats.

Les spécialistes du marketing ont le sentiment que les hypothèses guident les décisions

Près de 84 % des personnes interrogées ont convenu que malgré toutes les données clients qu’une organisation collecte, il est toujours difficile de prendre des décisions basées sur les données au quotidien. De plus, la moitié des répondants ont déclaré que leur capacité à prédire le comportement des clients est généralement une supposition ou une intuition.

Les répondants ont également estimé que leurs organisations n’étaient pas en mesure d’adapter rapidement les programmes d’acquisition et de fidélisation aux changements de comportement des clients. Seuls 28 % ont estimé qu’ils pouvaient effectuer cet ajustement en une semaine, tandis que 72 % avaient besoin de plus de temps. Malgré une collecte constante de données, les spécialistes du marketing ont du mal à mettre immédiatement de nouvelles données à contribution pour guider leurs programmes.

Dans des conditions de marché et des comportements des clients en constante évolution, le bon timing est essentiel. Agir sur les dernières données comportementales permet d’améliorer l’expérience client tout au long du parcours de l’acheteur et de l’acquisition de clients. Cependant, les chefs d’entreprise dirigent un navire lent dans le brouillard sans savoir ce que l’avenir leur réserve.

Les spécialistes du marketing veulent des prévisions exploitables spécifiques aux KPI

Selon les répondants, l’application d’IA la plus précieuse pour eux est de pouvoir utiliser leurs données dans le processus de prise de décision (62 %). En même temps, ils veulent des informations plus ciblées. 61 % pensent que l’IA devrait leur permettre d’extraire l’analyse la plus exploitable de leurs données. Et surtout, il doit être spécifique aux KPI clés plutôt que d’explorer des informations potentiellement utiles (60 %). Cela signifie qu’au lieu de descendre dans le terrier du lapin de données, ils ont rapidement besoin d’informations ciblées et pertinentes qui sont utiles pour déplacer l’aiguille sur leurs KPI.

Les spécialistes du marketing classent les éléments ci-dessus en fonction de ce qu'ils pensent être le plus précieux pour eux

Les spécialistes du marketing classent les éléments ci-dessus en fonction de ce qu’ils pensent être le plus précieux pour eux

La source: 2022 L’état de l’analyse prédictive dans le marketing

Les priorités ont un sens dans le contexte des mesures que les entreprises utilisent pour évaluer la valeur des outils d’analyse marketing. Certaines des mesures les plus couramment utilisées pour mesurer le succès de leur investissement sont le retour sur investissement des dépenses publicitaires (41 %), l’amélioration des KPI des frais et de la fidélité (39 %) et l’augmentation de l’acquisition de clients à forte valeur/revenu (36 %).

Voir plus : Le défi de compter sur votre service informatique pour l’analyse des données

Démontrer un retour sur investissement quantifiable est essentiel pour les investissements ultérieurs du programme

Comment les spécialistes du marketing s’en sortent-ils actuellement lorsqu’ils essaient de démontrer un retour sur investissement mesurable pour les performances des canaux ou des campagnes ? Pour 83%, c’est au moins un peu difficile. Cependant, la capacité de démontrer la valeur de ces efforts est essentielle pour évaluer le succès des équipes et persuader les dirigeants d’investir dans les programmes futurs. À cette tâche difficile s’ajoute le ralentissement économique, qui a contraint de nombreuses entreprises à réduire leurs budgets marketing.

Heureusement, 63 % des personnes interrogées s’attendent à ce que les dépenses en technologie marketing et en mesure des données ne diminuent que légèrement. Ils seront mieux équipés pour innover et utiliser efficacement les données.

L’étude a également révélé que des approches alternatives à la science des données peuvent offrir tout le potentiel de l’intelligence artificielle. Les investissements potentiels pour ces périodes comprennent des solutions alternatives pour rendre la science des données plus efficace et tirer parti des compétences déjà présentes dans les équipes marketing. Par exemple, 93 % ont convenu que les outils à faible code ou sans code peuvent aider à automatiser les informations prédictives.

Le résultat

Comme le montre la recherche, les équipes marketing ont de grandes ambitions pour l’analyse prédictive. Dans le même temps, ils sont également confrontés à des obstacles tels qu’un manque d’alignement entre les équipes de marketing et de science des données et le manque d’adhésion de la haute direction. De plus, malgré la disponibilité d’énormes quantités de données, de nombreux dirigeants se fient encore à leur intuition lorsqu’ils font des prédictions. Les organisations peuvent surmonter plusieurs défis en s’appropriant pleinement l’analyse des données au sein du marketing et en fournissant des outils d’automatisation qui peuvent être utilisés par des personnes sans connaissances avancées en science des données. En fin de compte, tirer le meilleur parti de l’analyse prédictive aidera les spécialistes du marketing à générer de meilleures prévisions et de meilleurs revenus.

À quels défis faites-vous face lorsque vous utilisez l’analyse prédictive dans le marketing et comment les surmontez-vous ? Faites le nous savoir Facebook, Twitteret LinkedIn.

Source de l’image : Shutterstock

EN SAVOIR PLUS SUR L’IA DANS LE MARKETING

3 façons dont l’IA changera la technologie des revenus en 2022

Personnalisation à grande échelle : ce que l’essor des médias synthétiques signifie pour les marques

MarTech alimenté par l’IA : passer du potentiel à l’inévitable ?

Comment utiliser l’IA pour gagner dans l’environnement de vente B2B d’aujourd’hui

L’automatisation et l’intelligence artificielle sont essentielles à la stratégie de mise sur le marché des fabricants

Leave a Reply

Your email address will not be published. Required fields are marked *