Dans la constante recherche de l’innovation, le retail s’est approprié l’intelligence artificielle. Cette dernière est devenue bien plus qu’un simple outil de calcul. Désormais appliquée aussi bien à la période de conception qu’à celle de l’après-vente (et toutes les étapes intermédiaires), l’Intelligence Artificielle permet aux marques de combler un déficit et même, d’anticiper une demande client. Cette évolution constante est également source de questionnements : jusqu’où l’utilisation de l’IA peut-elle aller ? Comment repousser ses limites ? Pour y répondre, les marketeurs penchent vers le machine learning.

Crown Heights s’intéresse à cette évolution de l’intelligence artificielle et sur les applications du machine learning.

Intelligence artificielle : des utilisations de plus en plus diverses

Prioritairement pensée comme une assistance abstraite lors de calculs trop complexes, l’intelligence artificielle a revêtu une toute autre signification lorsqu’elle a été appliquée au marketing. Elle s’est incarnée grâce à des interfaces ou encore des robots. Cela a permis de la confronter directement avec la réalité et les besoins.

Les marques n’ont pas tardé à se rendre compte du potentiel de cette main d’œuvre plus fiable et capable d’assister les clients de manière précise.

Le Robot Pepper

Le robot franco-japonais Pepper fait partie des robots les plus connus et les plus populaires du moment. Star des publicités Renault, Pepper est un robot humanoïde capable d’interagir avec les clients et de percevoir les émotions humaines.

Grâce à sa présence, le magasin The Ave à Los Angeles a ainsi observé :

  • +98% d’interactions clients.
  • +20% de trafic client.
  • +300% de revenus.

On peut supposer que les effets de Pepper diminueront au fur et à mesure que la population s’habituera à la présence de robots dans les espaces de vente.

Conversica

Ce logiciel d’assistance de vente permet d’automatiser et d’optimiser les procédures de vente en identifiant et en entretenant les prospects internet. Grâce à une approche imitant celle de l’humain, Conversica obtient des réponses qualifiées dans 35 % des cas. En utilisant le logiciel, Boch Automotive s’est assuré une augmentation de 60 ventes/mois dans une de ses concessions Toyota.

IBM Watson Cognitive Computing

L’intelligence artificielle d’IBM, Watson, est spécialement pensée pour répondre aux besoins des entreprises. Elle est surtout utilisée pour gérer les commandes et l’engagement des clients. En 2016, 1-800-flowers.com lance l’IA Gifts When You Need. Agissant comme une conciergerie de magasin, cette dernière recommandait des produits. Pour cela, le logiciel s’appuyait sur les informations fournies par les clients (à travers une discussion détaillée et personnalisée) et sur les habitudes d’achats de consommateurs similaires. Dans les deux mois qui ont suivi le lancement, 70% des commandes en ligne passaient par cette conciergerie virtuelle.

Machine learning : la nouvelle étape pour les traitements des données.

Face à l’évolution du comportement des consommateurs, l’intelligence artificielle doit également pouvoir s’adapter. Elle ne peut tout simplement pas se contenter de suivre les préceptes de son algorithme. Certains pensent même qu’une intelligence artificielle ne l’est vraiment que si elle peut apprendre et donc évoluer. On appelle ce système d’apprentissage le machine learning. On le retrouve au sein des algorithmes d’optimisation publicitaire, de moteurs de recherche ou encore au sein même des « chatbots ».

Plusieurs marques ont su en tirer parti.

Walmart

Le géant de la distribution Walmart s’est intéressé à la reconnaissance faciale pour anticiper les besoins des clients et pour optimiser ses opérations. En installant cette technologie de « machine learning » dans ses magasins, l’entreprise souhaitait repérer les comportements de potentiels voleurs. Par la suite, le logiciel s’est révélé tout aussi utile pour reconnaître les expressions des clients et notamment leur frustration. Ainsi lorsqu’un client dépasse un certain seuil, l’intelligence artificielle envoie une alerte au service concerné.

Machine Learning et reconnaissance faciale.

> Découvrez la reconnaissance faciale selon Crown Heights.

North Face

C’est en couplant IBM Watson avec son application mobile que North Face a mis à profit le machine learning. Lors de l’utilisation de l’application, l’intelligence artificielle pose des questions au client, comme un vendeur dans une boutique. Les réponses obtenues lui permettent ensuite de proposer les produits adaptés aux demandes formulées.

Netflix

L’algorithme de Netflix fait partie des grands mystères de l’Internet. Depuis son lancement, la plateforme s’est appuyée sur la big data et le machine learning pour comprendre comment ses utilisateurs consomment la télévision et le cinéma. Les données récoltées influencent notamment :

  • La manière dont Netflix organise le lancement et la diffusion de ses nouvelles séries.
  • L’enchaînement automatique des épisodes.
  • Les recommandations de lecture.

Les responsables Netflix estiment à 1 milliard de dollars le profit réalisé grâce au machine learning.

Là où l’intelligence artificielle a permis de simplifier les taches et leur traitement, le machine learning s’est concentré sur la connaissance du client. Cela a permis de franchir de nouveaux caps en matière de personnalisation et d’anticipation de l’offre. C’est surtout sur ce dernier aspect que le machine learning se révèle le plus intéressant pour le retail. Dans l’époque de l’amélioration maximale de l’expérience client, l’étape suivante logique serait de répondre aux besoins avant même qu’ils se fassent sentir.

Sources : 123

> Vous avez un projet d’affichage dynamique ?  N’hésitez pas à nous contacter ou retrouvez tous les conseils Crown Heights dans notre livre blanc.

Cet article a été publié pour la 1ère fois en février 2018.