Partager la publication "In-store Analytics : Miser sur la connaissance clients pour créer une expérience engageante en magasin et booster le ROI"
« Générer du trafic en magasins », tel est le leitmotiv de tout acteur de la distribution.
Pour atteindre cet objectif, plusieurs dispositifs online sont éprouvés : créer de la visibilité en ligne, proposer de nouveaux services en magasin depuis le site e-commerce ou encore se faire livrer ses produits en magasin. L’internaute est suivi à la trace et chacune de ses actions est analysée. Où il a cliqué et qu’est-ce qui a déclenché le clic, combien de temps il a passé sur une page, comment il a atterri sur le site web… Toutes ces données collectées offrent l’opportunité de mieux connaitre les clients, de mieux cibler leurs attentes et d’optimiser l’expérience utilisateur.
Prendre le contrôle des données pour créer une expérience client innovante est un facteur clé dans l’optimisation du parcours d’achat online. Appliquer ce principe aux points de vente physiques s’affiche comme partie intégrante du parcours ultra personnalisé que connait déjà le shopper.
Valoriser la donnée client
Une grande majorité de magasins disposent déjà de dispositifs, installés souvent aux entrées/sorties, leurs permettant de détecter voire de quantifier les flux de visiteurs. Des capteurs, infrarouges ou laser, remontent alors des mesures profitables à différents services : au service Sécurité pour obéir aux normes d’accueil en vigueur, à la Direction pour ajuster le nombre de salariés en fonction à tel ou tel poste sur la base d’historiques de mesure ou en temps réel, etc. Le potentiel de ces dispositifs reste toutefois limité par la pauvreté des informations remontées.
Ultrasons, Bluetooth, Wifi, vidéo ou encore NFC… nombreuses sont les technologies actuelles qui livrent des informations à plus forte valeur ajoutée.
Les points de vente peuvent ainsi :
- Définir précisément leur taux d’attractivité en analysant le trafic piéton extérieur et déterminer le nombre de clients entrants à un moment donné,
- Identifier le nombre de clients voire les clients qui sont déjà venus en magasin et faire remonter le nombre de nouveaux clients (avec une segmentation plus ou moins poussée des individus),
- Ou encore matérialiser les parcours d’achat et faire émerger les zones à forte affluence et les zones froides.
Sur la base de ces différents indicateurs et des achats effectués, les points de vente ont la capacité de calculer leur performance magasins, les marques et enseignes disposent d’une vision globale de la performance boutique de leur réseau.
Faire émerger une information intelligible pour développer de nouveaux services
Avant toute mise en place d’un dispositif de mesure et d’analyse, il conviendra d’identifier les sources d’informations les plus en cohérence avec la stratégie visée et/ou la vision de la structure afin que les technologies déployées puissent coller au plus près des besoins.
Une fois les données collectées, centralisées, analysées, et dispatchées aux bons interlocuteurs, il ne reste plus qu’à les exploiter, sans réserve, pour révéler de nouveaux services / usages. La structuration et l’analyse poussée des données magasins donnent l’opportunité d’activer les bons leviers d’optimisation, ce qui en fait un véritable outil d’aide à la décision.
Au-delà d’une simple interaction statique avec le consommateur, les marques et enseignes ont la possibilité d’implémenter de nouveaux services, d’adapter l’offre commerciale voire d’optimiser la gestion de leurs ressources en se basant sur les tendances révélées par les données analysées, voici quelques exemples :
- Après géolocalisation du client, lui pousser une publicité personnalisée (coupon de réduction, points de fidélité) au bon moment pour être en accord avec ses attentes et avec son profil.
- Selon le niveau d’affluence identifié dans les zones du magasin (zones chaudes / zones froides), tester divers agencements de produits afin d’optimiser les ventes.
- La chute du taux de transformation en boutique (rapport nombre d’acheteurs par le nombre de visiteurs) couplé à la mesure d’un temps d’attente trop élevé en caisse alerte sur la nécessité de faire appel à du personnel supplémentaire en caisse.
Cette liste reste non exhaustive, la finalité pour les marques et enseignes est quant à elle des plus explicites : réinventer l’expérience in-store des shoppers et optimiser la gestion opérationnelle des magasins pour générer du business.
L’ouverture de nouvelles perspectives
Le volume de data généré par tous ces dispositifs ouvre de riches perspectives d’exploitation.
En permettant aux ordinateurs d’analyser ces données en s’appuyant sur de puissants algorithmes mathématiques, le marché de la distribution, entre autres, va vivre une profonde mutation. Le machine learning trace la voie à l’analyse prédictive et à l’optimisation du pilotage des points de vente en temps réel.
Certains réseaux sont déjà en mesure d’associer l’exploitation des données in-store et de données externes. Ainsi grâce aux données issues de l’historique des ventes, de l’état des stocks, de la fréquentation magasin, du profil client identifié et des indicateurs de météo-sensibilité produit, les enseignes et marques peuvent scénariser des campagnes marketing contextualisées et donc hyper personnalisées (par exemple dès que la température dépasse les 25°). Les modèles prédictifs donnent de plus la possibilité d’anticiper les demandes, d’ajuster les stocks et de mettre l’accent sur une offre commerciale bien précise en magasin (une promo sur le thé glacé par exemple).
Selon une récente étude menée auprès de 1700 décideurs du monde de la distribution, en 2021, 75% des points de vente sauront identifier qui sont les visiteurs en magasin, où est-ce qu’ils se trouvent, et sauront instaurer une expérience client sur-mesure.*
* Etude menée par Research Now et Qualtrics pour Zebra Technologies