{"id":5506,"date":"2019-07-07T14:52:43","date_gmt":"2019-07-07T13:52:43","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=news&p=5506"},"modified":"2024-09-20T17:45:02","modified_gmt":"2024-09-20T16:45:02","slug":"do-not-use-offline-eyes-in-an-online-world","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/fr\/blog\/do-not-use-offline-eyes-in-an-online-world\/","title":{"rendered":"N'utilisez pas des \u201cyeux hors ligne\u201d dans un monde en ligne !"},"content":{"rendered":"

<\/span><\/div><\/div><\/div>

NOUVELLES \/ DONN\u00c9ES<\/p>\n<\/div>

C'est particuli\u00e8rement vrai lorsqu'il s'agit de savoir quelle data est la plus importante pour comprendre les consommateurs. Il s'agit moins de savoir QUI ils sont, CE qu'ils ont fait, que de savoir COMMENT ils se sont comport\u00e9s. La fa\u00e7on dont les consommateurs se comportent sur une plateforme en ligne vous en dira plus sur leur propension \u00e0 d\u00e9penser que d'autres facteurs. Les marques doivent saisir cette data, ce que beaucoup ne font pas.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

C'est particuli\u00e8rement vrai lorsqu'il s'agit de savoir quelle data est la plus importante pour comprendre les consommateurs. Il s'agit moins de savoir QUI ils sont, CE qu'ils ont fait, que de savoir COMMENT ils se sont comport\u00e9s. La fa\u00e7on dont les consommateurs se comportent sur une plateforme en ligne vous en dira plus sur leur propension \u00e0 d\u00e9penser que d'autres facteurs. Les marques doivent saisir cette data, ce que beaucoup ne font pas.<\/strong><\/p>\n

Selon les pr\u00e9visions d'IHS, les d\u00e9penses de consommation des Chinois devraient augmenter \u00e0 un taux annuel moyen de 7,7 % en termes r\u00e9els au cours de la prochaine d\u00e9cennie, devenant ainsi un moteur essentiel de la demande mondiale de consommation et de la croissance mondiale. Ces derni\u00e8res ann\u00e9es, les consommateurs chinois effectuent de plus en plus d'achats en ligne, ce qui fait de la Chine l'un des march\u00e9s de commerce \u00e9lectronique les plus avanc\u00e9s au monde. \u00c9tant donn\u00e9 que la classe moyenne \u00e9mergente de Chine exige des produits et des services de haute qualit\u00e9, de nombreux marchands en ligne prennent des mesures pour mieux comprendre et donc mieux cibler ce groupe de consommateurs tr\u00e8s disput\u00e9. De toute \u00e9vidence, il s'agit de data, mais quel est le data qui a le plus de valeur ?<\/p>\n

Gr\u00e2ce \u00e0 une \u00e9tude de cas r\u00e9cente, Artefact peut apporter quelques \u00e9claircissements \u00e0 cette question. Lors d'achats en ligne (pour des services ou des produits), les marques et les plateformes captureront data sur ces consommateurs. En formant un mod\u00e8le bas\u00e9 sur l'apprentissage automatique pour pr\u00e9dire si un client sera tr\u00e8s d\u00e9pensier, nous avons combin\u00e9 et organis\u00e9 tous les types de data sur les consommateurs. Il s'av\u00e8re que le type de data qui a la plus forte influence sur leur propension \u00e0 acheter n'est pas CE qu'ils ont fait, ni QUI ils sont, mais COMMENT ils se sont comport\u00e9s sur la plateforme en ligne. La question qui se pose maintenant est la suivante : quelle quantit\u00e9 de data capturez-vous sur la mani\u00e8re dont vos consommateurs se comportent lorsqu'ils ach\u00e8tent votre produit ?<\/p>\n

\u00c9tude de cas : une soci\u00e9t\u00e9 de services de voyage en ligne utilisant un mod\u00e8le d'apprentissage automatique<\/span><\/strong><\/h3>\n

Une plateforme de services de voyage \u00e0 l'\u00e9tranger mettant en relation des chauffeurs et des guides locaux avec des voyageurs chinois propose toutes sortes de services de voyage tels que l'accueil \u00e0 l'a\u00e9roport, la location d'une voiture, la commande d'un chauffeur guide local, etc. Le probl\u00e8me auquel elle est confront\u00e9e est que peu de consommateurs sont pr\u00eats \u00e0 payer pour son service haut de gamme. Cette entreprise esp\u00e9rait utiliser son data accumul\u00e9 pour identifier ses clients potentiels et essayer de les recibler de mani\u00e8re plus proactive.<\/p>\n

Afin de pr\u00e9dire la possibilit\u00e9 qu'un client paie pour le service premium, nous avons d'abord extrait de nombreuses caract\u00e9ristiques. Ces caract\u00e9ristiques peuvent \u00eatre organis\u00e9es en trois groupes :<\/p>\n

    \n
  1. OMS (ORGANISATION MONDIALE DE LA SANT\u00c9)<\/strong>\u00a0sont les clients ? Il s'agit de l'\u00e2ge, du sexe, de la province, de la ville, etc.<\/li>\n
  2. QUOI<\/strong>\u00a0ont-ils fait ? Il s'agit notamment d'informations sur les produits achet\u00e9s, l'annulation \u00e9ventuelle d'une commande, le nombre total de commandes, etc.<\/li>\n
  3. COMMENT<\/strong>\u00a0les consommateurs se sont-ils comport\u00e9s ? Ce groupe comprend des informations sur le temps total pass\u00e9 sur la plateforme, la vitesse \u00e0 laquelle ils ont cliqu\u00e9 sur l'application, le nombre de clics diff\u00e9rents effectu\u00e9s, le fait qu'un commentaire ait \u00e9t\u00e9 laiss\u00e9 ou non, etc.<\/li>\n<\/ol>\n

    La plupart des caract\u00e9ristiques disponibles portaient sur ce que les clients faisaient (ce qui est le point de d\u00e9part de tout exercice de capture de data). Mais si l'on examine l'importance des variables, c'est la mani\u00e8re dont les consommateurs se comportent qui a le plus d'influence sur le fait qu'ils ach\u00e8tent finalement des services premium : 62% de la pr\u00e9visibilit\u00e9 \u00e9tait due \u00e0 ces caract\u00e9ristiques, alors qu'elles ne repr\u00e9sentaient que 35%.<\/p>\n

    En outre, nous avons utilis\u00e9 certains outils pour effectuer une analyse sentimentale afin d'extraire les caract\u00e9ristiques des avis des consommateurs sur le data pr\u00e9c\u00e9dent. Sur la base de ces commentaires, nous pouvons rapidement identifier l'endroit qui doit \u00eatre am\u00e9lior\u00e9. Cette m\u00e9thode peut \u00e9galement \u00eatre utilis\u00e9e pour les targeting personnalis\u00e9s, en particulier pour ceux qui ont eu une mauvaise exp\u00e9rience mais qui ont encore le potentiel d'\u00eatre des clients.<\/p>\n

    \"\"<\/p>\n

    Conclusion<\/span><\/strong><\/h3>\n

    Pour mieux comprendre comment les clients prennent leurs d\u00e9cisions d'achat, nous avons observ\u00e9 dans de nombreux cas que le facteur le plus important est la variance des comportements des clients, plut\u00f4t que les actions et les donn\u00e9es d\u00e9mographiques. Gr\u00e2ce \u00e0 la richesse des comportements data, aux fonctions d\u00e9riv\u00e9es et aux analyses avanc\u00e9es, les commer\u00e7ants peuvent facilement identifier et cibler les clients susceptibles de devenir des abonn\u00e9s premium. La bonne nouvelle, c'est que dans le commerce \u00e9lectronique, les marques peuvent voir beaucoup plus de data sur le comportement des consommateurs que dans le commerce de d\u00e9tail hors ligne. Mais vous avez int\u00e9r\u00eat \u00e0 l'anticiper.<\/p>\n

    En r\u00e9sum\u00e9, n'utilisez pas des \u201cyeux hors ligne\u201d dans un monde en ligne. Cela vaut \u00e9galement pour data.<\/strong><\/p>\n

    \n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":"

    C'est particuli\u00e8rement vrai lorsqu'il s'agit de savoir quelle data est la plus importante pour comprendre les consommateurs. Il s'agit moins de savoir QUI ils sont, CE qu'ils ont fait, que de savoir COMMENT ils se sont comport\u00e9s. La fa\u00e7on dont les consommateurs se comportent sur une plateforme en ligne vous en dira plus sur leur propension \u00e0 d\u00e9penser que d'autres facteurs. Les marques doivent saisir cette data, ce que beaucoup ne font pas.<\/p>","protected":false},"featured_media":5507,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035],"blog-language":[2991],"class_list":["post-5506","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog\/5506","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/5507"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=5506"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=5506"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=5506"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}