Big Data 2020 – Data Marketing Show
Partie 1 – Un nouvel espoir
Introduction Salon Big Data
Partie 2 – Data marketing show
ManoMano / Sarenza / Carrefour
Partie 3 – In data we trust
Banque de France / Monoprix / Orange
Avec les retours d’expérience de ManoMano, Sarenza et Carrefour , entre optimisation des méthodes, amélioration de la satisfaction client et migration des données, cette première journée au salon du Big Data s’est annoncée très riche en informations.
Provenant de secteurs différents, les entreprises qui sont intervenus sur le salon se rassemblent, fortement, autour de mêmes problématiques « Comment améliorer la satisfaction client ?» et « Comment optimiser les outils selon le besoin client ?». Comme elles le démontrent, que ce soit à l’aide de migration des données, ou encore en se basant sur la Data Science et les outils de Machine Learning, il y a bien des façons d’y répondre.
Les cas qui m’ont fortement marqué sont ManoMano notamment avec la mise en place d’A/B tests pour permettre d’améliorer et d’augmenter le visitorat sur leur site internet, Sarenza avec l’optimisation des cas d’usages marketing grâce à la migration vers le cloud mais aussi Carrefour avec la mise en place d’un moteur permettant de suggérer aux consommateurs des produits de substitution.
-
Carrefour / Orienter par la Data les besoins des consommateurs
Le cas d’usage présenté par Sylvain Marsault, Executive Vice-President chez Epsilon France et Sylvain Bellier Director Data Science & Data Governance chez Carrefour avait pour but de nous apporter des convictions, des preuves et des réalités opérationnelles.
Pour devenir un acteur incontournable de l’e-commerce alimentaire, plusieurs éléments se basant sur trois fondements principaux ont été mis en place au sein de l’entreprise.
- L’environnement technologique : passage sur Google Cloud Platfom afin de rendre autonome l’équipe Data Science et d’avoir un environnement sécurisé
- L’organisation : en regroupant toutes les compétences – technologique, métier et autres – dans une « Feature Team » dédiée à un use case spécifique
- L’approche : Mesurer la valeur apportée à chaque étape (développement -qualification/MVM/MVP – industrialisation – solution et processus cibles)
Toujours sur cette même lignée de transformation, une priorisation des uses cases se fait selon plusieurs critères.
1 – Impact Business
2 – Disponibilité et qualité des données
3 – Gouvernance projet
4 – Scalabilité
5 – Actionnabilité du métier
6 – Pertinence de l’utilisation de l’IA
Afin de tirer profit de la connaissance client et de la capacité à interagir avec le consommateur Carrefour a souhaité mettre en place un certain nombre d’éléments, dont permettre la substitution d’un produit.
Compte tenu des conditions sanitaires, proposer des articles de substitution aux consommateurs est pour moi une preuve de bonne réactivité de la part de Carrefour. Si on se réfère aux articles de la tribune ou encore du journal Les Echos, on s’aperçoit que le secteur de la grande distribution (alimentaire ou non), est un des secteurs qui a dû mettre le plus de moyens logistiques en œuvre afin de continuer d’assurer une satisfaction client.
Le crise du COVID-19 charnière pour le monde de la distribution
Les Echos / Grande distribution : quelle réorganisation logistique pour l’après Covid-19 ?
Le moteur de substitution mis en place par l’équipe fonctionne en deux étapes d’une part le modèle textuel et d’un autre le processus de ranking.
- Le Modèle Textuel : transformation des produits en vecteurs sémantique (NLP) – en se basant sur la description des produits – et calcul d’une distance entre eux. Le modèle met à disposition un listing de produits similaires, il définit donc un périmètre de similarité entre tous les produits.
- Le Processus Ranking : optimisation de l’ajout panier en fonction des caractéristiques des produits sélectionnés par les clients (LTR). Il ordonne ce listing de produits similaires – apprend sur la base de ce que l’utilisateur renvoie – permet d’optimiser le taux de clic ou le taux d’ajout panier.
S’ajoute à ces deux étapes les contraintes métiers (indisponibilité des produits) et les appétences du client en direct.
« 70% d’utilisation de la substitution aboutit à l’achat d’un produit proposé »
Le projet s’est réalisé sur 4 mois avec une équipe réduite pour le 1er MVP. Les résultats ont montré que jusqu’à 70% d’utilisation de la substitution aboutit à l’achat d’un produit proposé. Le bénéfice est donc double d’une part l’amélioration de l’expérience client sur le drive et d’une autre l’amélioration du chiffre d’affaires généré.
Sylvain Marsault évoque à la fin de sa présentation, la mise en place d’A/B test pour mesurer l’impact sur le taux d’abandon et le taux de churn. Plus tôt dans la journée une autre entreprise a évoqué les A/B tests.
-
ManoMano / Optimiser le parcours de l’utilisateur grâce à la Data
Charles Goddet, Business Data Analyst chez ManoMano a très simplement expliqué ce qu’est un A/B test. En effet c’est un moyen de comparer deux versions d’une même variable.
Le cas d’usage présenté par ManoMano concerne les filtres sur le site internet. L’équipe ManoMano a testé deux populations, une qui continue de voir la barre de filtre – comme elle était – positionnée verticalement et l’autre partie horizontalement.
Pour appuyer ce test, Charles Goddet utilise une pièce de monnaie et la probabilité d’obtenir face à chaque lancé comme exemple. Il démontre que la lecture d’un A/B test n’est pas aussi simple qu’il ne semble car il faut prendre en compte un certain nombre de facteurs tels que le niveau de significativité du test et la durée d’itération du test.
Il explique notamment qu’un test arrêté trop tôt peut être dangereux, car les résultats obtenus peuvent être dû à un faux Uplift.
Ce que nous pouvons retenir de son intervention, est que dans un premier temps il faut se tenir au protocole fixé pour un A/B test pour obtenir une estimation raisonnable, et donc éviter les faux positifs, mais aussi de savoir lire les taux de conversion – au sens vérifier qu’ils sont significativement meilleurs – à noter qu’une hypothèse est rejetée si son niveau de significativité est inférieur à 5%.
Tous ces changements que ce soit au niveau de l’environnement technique ou encore l’approche employée par les entreprises sont majoritairement mis en place par les équipes Data.
-
Sarenza / La révolution du cloud et de l’accès à la Data
Romain Marret, Responsable Data et Architecte Big Data, et Olivier Girardot, Big Data Consultant, Ex Big Data architecte chez Sarenza expliquent dans un premier temps toute l’importance et les missions de l’équipe Data qui sont notamment de rendre l’entreprise plus Data Driven, apporter une expertise data aux métiers ou encore proposer des projets data innovants et à forte valeur ajoutée business. Dans un deuxième temps, le but d’organiser la donnée.
L’optimisation des cas d’usage au sein de Sarenza s’est faite en grande partie grâce à la migration de la donnée vers le cloud – soit la démocratisation de la donnée – et a permis de répondre plus facilement aux besoins métiers.
- Organisationnel : création d’une Data University en interne ouverte à tous les collaborateurs afin de prendre en main les outils existants
- Technique : la plateforme Data qui a permis la détection des fraudes, un pricing dynamique et des recommandations de produits.
A propos de l’auteur
Manel Abdi / Consultante Actinvision
