La plupart des informations clés que donnent les outils de stats et d’audit regardent dans le rétroviseur. Elles font parler les chiffres des semaines ou mois passées. À la place, ne peut-on pas extrapoler et proposer des données pour le futur ?
Le machine learning permet de prédire les ventes futures mais aussi la perte de clients
Prédire est très difficile et expose à beaucoup plus de retours de bâtons que de simplement constater ce qui a été fait par le passé. Mais faire des préconisations avec des estimations chiffrées a beaucoup plus de valeurs pour les équipes et mérite donc de tenter l’exercice.
Prenons les 3 exemples suivants de la même situation :
- Depuis 6 mois, le nombre de clics en provenance du SEO se tasse et est arrivé à un plateau. Nous étions à 5000 visiteurs par jour en janvier et nous sommes maintenant à 7000 sans progression depuis 3 mois ;
- Depuis 6 mois, le nombre de clics en provenance du SEO se tasse et est arrivé à un plateau. Nous étions à 5000 visiteurs par jour en janvier et nous sommes maintenant à 7000 sans progression depuis 3 mois. En relançant la production de contenus et de liens en suivant le plan annuel établi il y a un an, le nombre de clics devrait attendre 10000 d’ici la fin de l’année ;
- Depuis 6 mois, le nombre de clics en provenance du SEO se tasse et est arrivé à un plateau. Nous étions à 5000 visiteurs par jour en janvier et nous sommes maintenant à 7000 sans progression depuis 3 mois. En relançant la production de contenus et de liens en suivant le plan annuel établi il y a un an, le nombre de clics devrait attendre 10000 d’ici la fin de l’année. Pour ce projet, chaque clic en provenance du SEO est valorisé à 3 euros. Sans action supplémentaire, la valeur apportée par le SEO stagnera a 21000 euros. Si vous reprenez le plan établi, la valeur apportée par le SEO devrait croître à 30000 euros d’ici la fin de l’année.
La dernière analyse est beaucoup plus forte et il est difficile de ne pas vouloir la mettre en œuvre.
Métriques prédictives dans Google Analytics 4
- Probabilité d’achat
- Probabilité de perte de l’utilisateur
- Revenu prévu
Ces 3 métriques nécessitent des volumes costauds de trafic, une certaine régularité de ceux-ci et la mise en place d’un certain type d’événements trackant les conversions.
Dans Google Analytics, plusieurs métriques prédictives sont disponibles
On peut aussi s’en servir pour construire des audiences spécifiques (premier achat probable, va dépenser plus, risque de ne plus être client) qui seront utilisables dans le cadre de campagnes de remarketing.
Beaucoup de décisions en entreprise sont prises sur des intuitions. Les métriques prédictives, apportées par les algos, ne sont pas justes à tous les coups mais elles ne sont pas plus mauvaises que les ressentis au doigt mouillé. Il n’y a aucune bonne raison de ne pas les exploiter lorsqu’elles sont disponibles.
Métriques prédictives dans d’autres outils
Probabilité d’achat d’un client depuis la CDP de SalesManago
Les outils de CDP (Customer Data Platform), CRM et marketing automation disposent pour certains d’outils permettant d’estimer la probabilité de conversion et le CA que générera un utilisateur. Comme pour Analytics, c’est encore une fois le volume et la qualité sous-jacente des données qui font que ces prédictions sont fiables ou pas.