Grâce à des algorithmes sophistiqués, il est désormais possible de créer un modèle de Machine Learning à partir de l’historique des campagnes passées, qui permet de reconnaître les caractéristiques des personnes ayant acheté un produit.
Ainsi, nos clients peuvent désormais cibler les profils à très fort potentiel d’achat et maximiser leurs taux de conversion, tout en réduisant les coûts de leurs campagnes.
Grâce à cette interview de Roberto Donati, Country Manager France, UK & Germany de BigProfiles, découvrez comment la plateforme fournit un score prédictif pour chaque contact de vos listes, avec une efficacité inégalée.
BigProfiles, qui êtes-vous ?
Roberto Donati : Nous sommes une startup italienne, basée à Rome et qui a maintenant 5 ans d’existence. Nous proposons une solution d’Intelligence Artificielle capable de prédire la probabilité d’achat de chaque client ou prospect et donc d’augmenter les taux de transformation et de réduire les coûts des campagnes.
Pouvez-vous détailler le fonctionnement de votre solution ?
Roberto Donati : Notre plateforme s’adresse aux acteurs de la Relation Client, de l’Energie, des Telecoms mais aussi aux banques, assurances, sociétés de recouvrement et OBNL.
Nos algorithmes analysent l’historique d’une campagne de télévente ou de télémarketing pour créer un modèle de Machine Learning qui reconnait les caractéristiques communes des personnes ayant acheté un produit par le passé, et identifie des profils à très fort potentiel d’achat.
Une fois le modèle créé, nos clients chargent leurs nouvelles listes, contenant les personnes à contacter durant les semaines à venir, et la plateforme leur fournit un score prédictif pour chacune d’entre elles.
Au-delà de la question de la compréhension du client, à quels nouveaux défis répond BigProfiles ?
Roberto Donati : L’Intelligence Artificielle s’impose de plus en plus dans le monde professionnel. Les entreprises, pour rester compétitives, ont besoin de connaitre, voire d’anticiper, les besoins de leurs clients.
Le téléphone est encore aujourd’hui le canal le plus courant dans la relation client, il faut savoir et pouvoir l’utiliser à bon escient. BigProfiles optimise les campagnes et accroit la satisfaction client.
En quoi cette solution sert-elle une nouvelle conception plus responsable de la relation client – depuis l’acquisition jusqu’à la fidélisation ?
Roberto Donati : Un client satisfait va acheter et être fidèle. En prédisant le potentiel d’achat de leurs contacts, nos clients différencient leur approche pour s’adapter à chacun.
D’autre part, le fait de mieux cibler les campagnes permet de réduire la pression exercée sur le marché.
Quels types de données utilisez-vous ?
Roberto Donati : Nos clients chargent eux-mêmes un fichier avec les informations sur les contacts (état civil, ancienneté client, canal d’acquisition…) que nous allons ensuite enrichir avec plus de 650 indicateurs socio-économiques compilés sur la plateforme pour chaque micro-zone du territoire : revenu, patrimoine, éducation, consommations, centres d’intérêts…
Comment vous assurez-vous de la conformité de votre solution aux lois européennes sur la protection de la vie privée ?
Roberto Donati : La plateforme peut être installée sur nos propres serveurs ou ceux de nos clients. Dans le second cas, via l’installation On-Premises, aucune donnée ne sort de leurs systèmes. Le travail de BigProfiles consiste en une analyse statistique, à ne pas confondre avec le profilage.
Concernant la sécurité informatique, nous sommes certifiés ISO27001 et répondons aux exigences des lois européennes.
Quand a débuté votre partenariat avec Foundever ? Quel en était l’objectif ?
Roberto Donati : Dédiée au monde de la télévente et du télémarketing, notre plateforme s’est vite développée en Italie. Lorsque nous avons commencé à pénétrer le marché français il y a un an, nous avons contacté Foundever avec qui nous avons réalisé une simulation. Au vu des excellents résultats augurés, nous avons décidé d’amorcer une collaboration.
Avec les volumes que traite Foundever et les données à disposition, on établit un très bon modèle prédictif. Plus on traite avec un « gros client », plus il est facile d’identifier les caractéristiques des acheteurs potentiels, de prédire la probabilité d’achat et de mettre en place différents types de stratégies d’optimisation de campagne.
NB : Nous en sommes encore au tout début de l’utilisation de cette nouvelle technologie. Nous sommes en train de mesurer les différents indicateurs de ventes pour décider ensemble le R/O et les gains de ce type d’outils.