Selon McKinsey, « 2 600 milliards de dollars seront investis dans les années à venir en marketing et ventes » dont une bonne partie pour l'implémentation et l'utilisation de l'Intelligence Artificielle. Pourtant, les usages concrets de l’intelligence artificielle restent encore très conceptuels et difficiles à appréhender concrètement. C'est ce que nous allons essayer de faire ici au travers d'un use case réalisé par les équipes Datascience d'Ellisphere auprès d'une grande mutuelle française. Mais d'abord, intéressons nous aux raisons qui poussent les professionnels du B2B à utiliser l'IA.
La lead generation, priorité des directions marketing et commerciale
Lorsque l’on pose la question auprès des professionnels des directions marketing et commerciale de leur principal objectif, c’est la Lead generation qui est largement cité.
Mais on retrouve également la gestion des data récoltées dans la base de données, ainsi que la stratégie de fidélisation des clients.
De plus en plus de canaux à disposition…
Face aux aux besoins de transformation des métiers par la data, les professionnels du marketing ont de plus en plus de moyens de communication à leur disposition. Presque tous, sont d'ailleurs d'avantage utilisés chaque année (en moyenne 40% de hausse de l'usage des canaux marketing sur l’année 2021) pour générer des leads par les équipes marketing. Le multi-canal devient la norme pour chaque campagne et nécessite de bien aborder la question du ROI de chaque opération pour mieux équilibrer les budgets.
De plus en plus de data …
Selon l’étude Salesforce, entre 2020 et 2022 le nombre de sources de données utilisées par les professionnels du marketing a progressé de 50% passant de 10 à 15 en moyenne en seulement 2 ans.
Avec une telle augmentation des données à traiter, il est de plus en plus complexe pour les professionnels d'y trouver de la valeur pour identifier des opportunités business en prospection ou cross-selling. Qui plus est, ces bases de données ne sont pas forcément jugées très satisfaisantes. 1 marketeur sur 2 du B2B juge par exemple ses bases de données insuffisamment qualifiées selon le baromètre CMIT ADELANTO et 1 tiers considère qu'elles comportent trop de données obsolètes.
De plus en plus de « moments » difficiles à identifier…
La réussite d'une campagne dépendra également du moment de la prise de contact. On peut distinguer trop grands "moments" à prendre en compte :
- Le moment de vie de l'entreprise : création récente, fusion, développement, difficultés financières
- Le moment du lead : où se situe le contact dans le cycle de conversion d'un lead
- Le moment de la journée : où ? à quelle heure ? et quel jour le contacter ? pour maximiser le ROI
Une équation difficile à résoudre pour améliorer le ROI
En résumé, on se retrouve avec de plus en plus d’outils, de canaux qui fournissant des data structurées et/ou non structurées et à choisir le bon moment pour améliorer son ROI.
C’est à partir de cette équation que l’importance de disposer d’un outil dit d’"Intelligence Artificielle" prend tout son sens, et qui va permettre aux professionnels de faire tout ou une partie du travail.
Use case : Comment l’Intelligence Artificielle a pu améliorer l’acquisition Marketing ?
Nous allons aborder le cas concret du marché des mutuelles d’entreprise où l’on voit que le contexte réglementaire ANI de 2016 a eu un fort impact sur les TPE et PME. Ces dernières se sont retrouvées à fournir à leurs collaborateurs une mutuelle santé.
Pour palier aux difficultés de contacts des prospects B2B, le lead doit avoir une forte probabilité de succès d’où la mise en œuvre opérationnelle d’algorithmes d’Intelligence Artificielle pour permettre d’améliorer le ROI des campagnes de conquête ou de fidélisation.
Les campagnes B2B intègrent des points de contacts sur plusieurs canaux : mails / appels / RDV commerciaux. Sur chacun de ces points de contact, l’IA probabilise les chances du succès et priorise les contacts selon les capacités des forces commerciales.
Schéma d’intégration de l’IA dans les campagnes de la mutuelle
Des prospects sont insérés aléatoirement afin de pouvoir valider opérationnellement l’apport incrémental de l’IA dans le ROI de la campagne.
Le développement et l'implémentation de l'Intelligence Artificielle à prendre en compte dans le calcul du ROI
La mesure du ROI de chaque campagne est réalisée grâce au CA avec l’échantillon aléatoire. Un client gagné reste plusieurs années. Le cumul des gains va permettre de déterminer l’impact sur le plan pluriannuel, et donc, de déterminer le point-mort de rentabilité lié aux investissements IA souvent assez lourds.
Le métier au cœur du projet IA
L'Intelligence Artificielle doit répondre à un besoin métier et il reste indispensable que chaque fonction de la chaine de la campagne soit pleinement impliquée dans le projet. L'intelligence artificielle, reste un outil, certes surpuissant, mais la définition du besoin final, de son usage par les équipes est l'élement primordial de la réussite de son implémentation.
D'autres exemples de l'IA en B2B
- Conquérir ou reconquérir un client
- Personnaliser la relation avec le client
- Identifier le potentiel client
- Développer la valeur client
- Identifier la fragilité client (churn ou attrition), pour remplacer un client il faut en gagner 3
- Accompagner dans la consommation produit.
Découvrez le contenu de l'article en vidéo
Replay de l'intervention de Romain Boldi et Patrice Michel aux Mardis de la Data Marketing de la DMA
N'hésitez pas à prendre contact avec nous pour échanger autour de la génération de leads en B2B ou tout autre sujet data marketing contactez-nous !