Référence

Brock, V. (2016). « How big data is reducing customer returns ». Logistics & Transport Focus, Vol. 18 Issue 12, p34-35. 2p.

Idée/Dominante

Cet article met en lumière la difficulté des marques face au retour des produits que font les consommateurs lorsque ceux-ci ne leur correspond pas.

Résumé

Les retours de produits sont très couteux pour les distributeurs. La question est donc de savoir comment il serait possible pour les entreprises de limiter le nombre de retours, ce qui est actuellement un véritable cauchemar pour les distributeurs. L’utilisation des données clients permettrait de pouvoir réduire ces retours et d’améliorer l’expérience utilisateur. Actuellement les retours du e-commerce représente 20 milliards de perte pour les entreprises.

Il s’agit pour l’entreprise d’un problème de logistique qui peut impacter la relation client. Lorsque le consommateur renvoie le produit, cela peut être pour différentes raisons: le produit est défectueux, endommagés, etc… Il va donc passer entre différentes mains. Cela prend du temps ainsi que de la place. Il faut également déterminé ce qui est a opéré sur le produit, à savoir le réparer, le nettoyer etc… pour ensuite le retourner à la vente. La marque a donc intérêt à agir rapidement pour réduire ses couts et limiter ses pertes.

Le retour d’un produit coûte beaucoup d’argent pour la marque. Il passe en moyenne entre 7 mains différentes avant d’être remis en vente. Le coût d’acquisition client se révèle donc élevé pour le distributeur, puisqu’il perd de l’argent en vendant son produit au consommateur. D’autant plus que cela a un impact sur les ventes futurs. Le peu de retour d’expérience client fait que le distributeur vend des produits au mauvais client, réduisant ses stocks. Et lorsque le bon client souhaite acheter le produit celui-ci n’est plus disponible. Cela représente donc un perte supplémentaire pour l’entreprise.

Pour éviter ses retours il est donc intéressant pour les entreprises de pouvoir identifier les causes de ces retours en utilisant des données utilisateurs. Le but serait d’utiliser les données pour prédire le produit à risque ainsi que le client à risque en terme de retour. Ces informations permettraient également de savoir quels sont les produits qui sont prêt à la vente ce qui permettrait un gain de temps important pour l’entreprise mais également une meilleure gestion des stocks. Ces données vont également permettre aux distributeurs de pouvoir mieux vendre leur produit et donc de pouvoir améliorer leur marge. Le fait de pouvoir anticiper si le client va conserver ou renvoyer le produit acheté changerait beaucoup de chose. Il permettrait d’un côté à l’entreprise de pouvoir mieux connaitre son client, une meilleure gestion de ses produits et donc une augmentation de ses marges ainsi qu’une meilleure expérience client en le fidélisant.

Note d’intérêt pour la recherche en cours

Le big data est un outil qui permet aux entreprises de mieux connaitre le client pour mieux vendre et éviter ainsi les retours et donc ainsi améliorer l’expérience utilisateur tout en limitant ses coûts.

Référence

Jain, C. L. (2016). « How to Use Big Data and Predictive Analytics to Improve the Success of New Products ». Review Of Business, Vol. 37 Issue 1, p48-55. 8p

Idée dominante

Quelle est l’intérêt d’une meilleure expérience utilisateur pour l’entreprise?

Résumé

Il est difficile pour un nouveau produit d’être rentable. De manière général le taux de réussite d’un nouveau produit est de l’ordre de 25%
Le succès d’un nouveau produit dépend de trois choses:
– Comment est-il sélectionné?

– Comment l’entreprise envisage le lancement de celui-ci?
– Comment la demande est gérée après le lancement?
Le lancement d’un produit peut échouer parce que les consommateurs n’en veulent pas ou à cause d’autres problèmes qui peuvent être corrigés. Le big data est justement l’outil qui va pouvoir aider à trouver les problèmes. Il est important de pouvoir se poser les bonnes questions
– Les consommateurs préfèrent ils l’ancien au nouveau?
– Les instructions d’utilisation du produit sont elle claires?
– Les consommateurs ont-ils besoin d’une expérience pratique pour utiliser un produit?
– Le produit est il correctement positionné?
Le consommateur n’est pas toujours prêt à intégrer un nouveau produit dans son mode de consommation e aura tendance à préférer l’ancien modèle. Ce qui fut le cas pour coca cola avec son produit New Coke.
Le big data via le predictive analytics permet ainsi qu’aux entreprises de pouvoir rajeunir leurs ventes mais également de trouver de nouvelles opportunités comme par exemple de nouvelles utilisations à des produits déjà existants. Le fait de pouvoir obtenir des informations sur les consommateurs en temps réels permet à l’entreprise d’être réactive et de pouvoir corriger rapidement le problème.

Note d’intérêt pour la recherche en cours

Le big data permet aux entreprises d’avoir accès à l’information de manière très rapide, ce qui leur permet de corriger les problèmes lors d’un lancement de produit.

Référence:

Hofacker, C. F., Malthouse, E. C., & Sultan, F. (2016). « Big Data and consumer behavior: imminent opportunities ». Journal Of Consumer Marketing, Vol. 33 Issue 2, p89-97. 9p

Idée dominante:
Le changement qu’occupe le Big data dans les prises de décisions marketing

Résumé

Le big data est apparu depuis que l’on s’est aperçu que supprimer les données coûtait plus cher que de les stocker. Le big data se caractérise par la règle des 3Vs:
– Volume: La masse d’information qu’il regroupe
– Vélocité: la rapidité de l’information qui circule (ex: géolocalisation) rendant le big data encore

plus grand.
– Variété: la variété des informations (chiffres, images, textes…)
Avec le développement des réseaux sociaux, l’interactivité avec les consommateurs est de plus en plus grandes. Ce qui permet aux entreprises d’avoir davantage d’informations sur leur comportement. Le big data est à l’origine de nombreux changements dans la prise de décision marketing.

La première étape concerne la reconnaissance d’un problème. En observant autour de lui le consommateur ressent un manque. La satisfaction d’un consommateur n’est jamais atteinte. Il voit toujours ce qui le sépare entre ce qu’il possède, ce qu’il a déjà expérimenté et ce qu’il n’a pas encore. Avec le Big data les entreprises ont les moyens de pouvoir anticiper ce moment, en étant proche de celui-ci via les réseaux sociaux. Via la récupération d’adresse IP les entreprises sont donc en mesure de pouvoir traquer le consommateur et de comprendre tout ses faits et gestes.

La seconde étape est la Recherche. Lorsque le client achète en magasin il a le choix entre un certain nombre de produits. Il est donc plus facile d’établir un suivi sur son comportement. Or maintenant avec le développement de plateforme de e-commerce le client a une variété de choix encore plus étendue. Des outils ont donc été développés pour avoir un suivi parfait du consommateur, à savoir quels sont les mots clés qui l’intéressent, ainsi que tout le chemin qu’il a parcouru sur le site via des capteurs. Pour autant il reste difficile de savoir quel est l’élément qui a déclenché l’achat.

Vient ensuite l’Évaluation alternative qui intervient lorsque le consommateur est présent sur le site. Il s’agit par ses actions de pouvoir déterminer ce qu’il en est. Pour exemple l’abandon d’un panier d’achat indique que le client fait des comparaisons de prix entre les différents sites.

Puis il y a l’Acte d’achat qui correspond à toutes les actions mises en place pour faciliter et rendre plus agréable l’acte d’achat (expérience user) pour le consommateur. De sorte qu’il revienne.

La Consommation. Avec le développement de nombreux réseaux sociaux les consommateurs partagent de plus en plus d’informations sur eux, que ce soit par message ou photo. Le but pour les entreprises est de pouvoir extirper ces données visuelles pour les transformer en données numériques et donc en déduire un type de consommation et déceler des détails physiologiques très précis sur le consommateur.

L’Après achat. Le consommateur est plus dans une phase de bilan par rapport à ses attentes de départ. Il est difficile de pouvoir déceler quelques informations si ce n’est des photos ou bien des tweets.

Et enfin l’Engagement après achat. Comme nous l’avons vu plus haut avec les caractéristiques du big data (volume, rapidité, et variété), le consommateur va émettre un jugement, l’information va se répandre et comme le comportement de l’un est l’antécédent de l’autre, ces informations vont avoir une influence sur le comportement des autres.

Toutefois le big data peut avoir des limites:
– Il explique ce que les consommateurs font via des associations mais ne répond pas à la cause – Le big data malgré tout n’est pas forcément représentatif
– Il peut omettre des données
– Il n’y a pas de limite par rapport à la vie privé des consommateurs

Note d’intérêt pour la recherche en cours

Cet article me permet de démontrer que le Big data occasionne de nombreuses évolutions au sein de l’entreprise notamment dans le secteur marketing, en lui permettant de mieux connaitre le consommateur.