Machine Learning et CRM
Publié le : 28/09/2015 dans IT Par : Jean-Sébastien Alet Tags :

Machine Learning et CRM

Le retour de l’Intelligence Artificielle

L’Intelligence Artificielle, après avoir beaucoup promis et tout autant déçu dans les années 80, se voit remise à l’honneur, par les GAFA ou maintenant les NATU (Netflix, AirBnb, Tesla, Uber), tant pour leurs besoins propres que dans le cadre d’une offre de service : des recommandations d’Amazon ou Netflix, les voitures sans chauffeurs, voire de manière plus inattendue, le fort écho médiatique rencontré par Deep Dream cet été.

Des techniques éprouvées qui bénéficient des dernières avancées technologiques

Les techniques utilisées ne sont pas nouvelles (La poste américaine l’utilisait en 87 pour reconnaitre des codes postaux ) mais les nouvelles possibilités offertes par le cloud et sa puissance de calcul distribuée, le big data et ses quantités astronomiques de données, permettent de les mettre en œuvre à une échelle jusqu’alors hors de portée. C’est par exemple, le cas du Machine Learning, qui permet depuis une analyse intelligente des données, de découvrir « automatiquement » structures (« patterns ») et corrélations afin d’en déduire des règles automatiquement par le système.
Pour simplifier grossièrement, on passe d’un modèle où on indique les règles à la machine ( Si client achète A, propose également B), à un modèle où c’est le système qui va apprendre de lui-même, par observation, et inférer de lui-même les règles les plus pertinentes

Observer le passé pour déduire le futur

Dans le cadre qui nous intéresse, le CRM, les applications sont de plusieurs ordres mais suivent le même schéma de fonctionnement : d’une analyse des données issues du CRM et/ou externes (web, réseaux sociaux ), on est conduit à une classification fine des évènements observés, pour aboutir finalement à des prédictions ou des conseils sur les actions à entreprendre :

  • réduire le « churn » en détectant les clients qui risquent de partir pour la concurrence,
  • établir quels sont les prospects les plus profitables,
  • suggérer les opportunités de cross-selling,
  • planifier des campagnes marketing,
  • conseiller une approche spécifique vis-à-vis d’un prospect/client en croisant les données du CRM avec celles disponibles sur les réseaux sociaux…

De nombreuses start-ups s’engouffrent sur ce créneau, en proposant des compléments logiciels « clef en main » à brancher sur un CRM existant, sur ses composantes décisionnelles tout autant qu’opérationnelles.
Les conditions préalables à la mise en œuvre de telles technologies sont d’une part la disponibilité d’un historique de données (de ventes, de rencontres et évènements, de navigations sur le site…) suffisamment important et structuré pour que les différents algorithmes revoient des résultats pertinents, mais également, et certainement le plus difficile à définir, savoir comment traduire de ces résultats/conseils/prédictions en actions concrètes et aisément compréhensibles par les utilisateurs : un scoring que personne ne voit est inutile et que personne ne comprend est dangereux .

Partager cet article
Lire également
Leave a comment