FICHE 11 – Brave New World? On AI and the Management of Customer Relationships

Libai, B., Bart, Y., Gensler, S., Hofacker, C. F., Kaplan, A., Kötterheinrich, K., & Kroll, E. B. (2020). Brave New World? On AI and the Management of Customer Relationships. Journal of Interactive Marketing, 51, 44–56.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/aw3svpmauf

Mots clés
Intelligence artificielle, gestion de la relation client (CRM), valeur vie client (CLV), priorisation client, personnalisation, régulation.

Synthèse

Introduction
Cet article montre comment l’intelligence artificielle (IA) transforme la gestion de la relation client (CRM). L’IA aide à mieux prédire la valeur vie client (CLV) et à personnaliser les interactions, mais pose aussi des questions éthiques sur la différenciation des clients.

Développement

  • L’IA et le CRM :
    • L’IA permet de mieux gérer les clients grâce à l’analyse de données et l’automatisation.
    • Elle améliore la prédiction du CLV et optimise les stratégies de fidélisation.
  • Personnalisation et priorisation des clients :
    • L’IA renforce la segmentation des clients pour mieux cibler les plus rentables.
    • Cette personnalisation peut créer des inégalités entre clients.
  • Impact sur la fidélisation :
    • Les recommandations basées sur l’IA favorisent l’engagement et la fidélité.
    • Les chatbots et assistants virtuels réduisent les coûts et améliorent l’expérience client.
  • Limites et enjeux éthiques :
    • Sans régulation, l’IA peut accentuer la discrimination entre clients.
    • Les clients moins rentables risquent d’avoir un accès limité aux services.

Conclusion
L’IA est un outil puissant pour améliorer le CRM, mais son usage doit être encadré pour éviter les inégalités. Les entreprises doivent équilibrer efficacité et responsabilité sociale.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il met en avant comment l’IA peut aider à mieux cibler les clients et personnaliser les campagnes CRM. Il aborde aussi les risques liés à la segmentation excessive et les questions éthiques que cela soulève.

Bibliographie citée

  • Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction Machines: The Simple Economics of Artificial Intelligence. Harvard Business Press.
  • Kumar, S., Rajan, V., Venkatesan, R., & Lecinski, J. (2019). Understanding the AI-driven customer journey. Journal of Marketing, 83(4), 121–144.
  • Rust, R. T., Lemon, K. N., & Zeithaml, V. A. (2004). Customer equity management. Journal of Marketing, 68(1), 109–127.

FICHE 10 – Personalization Done Right: The Five Dimensions to Consider—and How AI Can Help

Abraham, M., & Edelman, D. C. (2024). Personalization Done Right: The Five Dimensions to Consider—and How AI Can Help. Harvard Business Review, November–December 2024.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/4ck45hdebz

Mots-clés
Personnalisation, intelligence artificielle (IA), expérience client, marketing personnalisé, stratégie client, données clients, fidélisation, engagement client.

Synthèse

Introduction
Cet article explique comment les entreprises peuvent utiliser l’IA pour personnaliser leurs communications et expériences clients. Il met en avant l’importance de répondre aux attentes des consommateurs, dont plus de 80 % souhaitent des expériences personnalisées, tout en évitant les expériences perçues comme intrusives.

Développement

  • Les cinq dimensions clés de la personnalisation :
    1. Me donner du pouvoir : Offrir des expériences sur mesure tout au long du parcours client.
    2. Me connaître : Utiliser les données clients pour mieux comprendre leurs attentes et préférences.
    3. Me joindre : Contacter les clients au bon moment, via les bons canaux, sans les surcharger.
    4. Me montrer : Présenter des contenus adaptés aux besoins et aux goûts de chaque client.
    5. Me satisfaire : Surprendre les clients avec des expériences agréables et pertinentes.
  • L’index de personnalisation :
    Un score de 0 à 100 permet de mesurer la maturité des entreprises en matière de personnalisation. Celles qui excellent dans ce domaine affichent des croissances supérieures à la moyenne.
  • Le rôle de l’IA :
    L’IA aide à segmenter les clients, personnaliser les communications à grande échelle et rendre les messages plus pertinents et plus réactifs.

Conclusion
Les entreprises qui intègrent la personnalisation dans leur stratégie client, en s’appuyant sur l’IA, améliorent l’engagement et la fidélité des clients. L’agilité et la capacité à expérimenter rapidement sont essentielles pour réussir dans ce domaine.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire. Il montre comment l’IA permet d’optimiser la personnalisation des campagnes marketing, notamment en rendant les communications plus adaptées aux attentes des clients et en renforçant l’efficacité des actions CRM.

FICHE 9 – Performance management using a value-based customer-centered model

Abdolvand, N., Albadvi, A., & Aghdasi, M. (2015). Performance management using a value-based customer-centered model. International Journal of Production Research, 53(18), 5472–5483.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/5lfn2sunuz

Mots clés
Gestion de la performance, gestion de la relation client (CRM), valeur à vie du client (CLV), segmentation des clients, banque de détail, analyse de données.

Synthèse

Introduction
Cet article propose un modèle qui intègre la gestion de la performance (PM) et la gestion de la relation client (CRM) en utilisant la valeur à vie du client (CLV) comme indicateur principal. L’objectif est d’aider les entreprises à mieux comprendre la valeur de leurs clients pour orienter leurs décisions stratégiques et améliorer leur rentabilité.

Développement

  • Lien entre gestion de la performance et gestion de la relation client :
    • Utiliser la CLV permet de relier la performance de l’entreprise à la satisfaction et à la fidélité des clients.
    • La CLV sert de base pour anticiper la rentabilité actuelle et future des clients.
  • Segmentation des clients :
    • Les clients sont segmentés selon quatre critères : combinaison de produits, niveau d’activité, taux de rétention et CLV.
    • Cette segmentation aide à repérer les clients les plus rentables et à adapter les actions marketing.
  • Application du modèle dans une banque de détail :
    • L’étude a été réalisée dans une banque iranienne avec 10 agences et 25 000 clients.
    • Les résultats montrent que la combinaison de certains produits, comme les comptes courants avec des prêts, favorise la fidélité et augmente la valeur client.
  • Stratégies proposées pour améliorer la valeur des clients :
    • Adapter les promotions pour mettre en avant des produits à long terme.
    • Encourager la migration des clients vers des segments plus rentables.
    • Développer la vente croisée pour augmenter le nombre de produits par client.

Conclusion
Le modèle présenté aide les entreprises à mieux aligner leurs décisions marketing avec leurs objectifs de performance, tout en centrant leur stratégie sur la valeur des clients. Se concentrer sur la CLV permet d’identifier des leviers pour augmenter la fidélité des clients et améliorer la rentabilité.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment les entreprises peuvent utiliser des indicateurs comme la CLV pour mieux cibler leurs clients et améliorer leurs performances. Dans le cadre de la personnalisation des communications, comprendre la valeur de chaque client permettrait d’adapter les messages en fonction de leur rentabilité et de leur engagement.

Bibliographie citée

  • Gupta, S., & Lehmann, D. R. (2003). Customers as assets. Journal of Interactive Marketing, 17(1), 9-24.
  • Reichheld, F., & Sasser, W. E. (1990). Zero Defection: Quality Comes to Services. Harvard Business Review, 68(5), 105-111.
  • Venkatesan, R., Kumar, V., & Bohling, T. (2007). Optimal Customer Relationship Management Using Bayesian Decision Theory. Journal of Marketing Research, 44(4), 579–594.

FICHE 8 – Investigating the Effect of Artificial Intelligence on Customer Relationship Management Performance in E-Commerce Enterprises

Li, L., Lin, J., Luo, W., & Luo, X. (2023). Investigating the Effect of Artificial Intelligence on Customer Relationship Management Performance in E-Commerce Enterprises. Journal of Electronic Commerce Research, 24(1), 68-83.

http://www.jecr.org/sites/default/files/2023vol24no1_Paper5.pdf

Mots clés
Intelligence artificielle (IA), gestion de la relation client (CRM), e-commerce, fidélisation des clients, personnalisation, capacités organisationnelles.

Synthèse

Introduction
Cet article étudie comment l’intelligence artificielle (IA) peut aider les entreprises de e-commerce à améliorer la performance de leur gestion de la relation client (CRM). Il met l’accent sur la manière dont l’IA peut optimiser la personnalisation, la fidélisation des clients et les capacités organisationnelles.

Développement

  • Lien entre l’IA et la personnalisation du CRM :
    • L’IA permet de mieux analyser les données clients pour personnaliser les communications et les offres.
    • Les entreprises peuvent ainsi mieux cibler leurs campagnes et répondre aux attentes des clients.
  • Amélioration de la fidélisation des clients grâce à l’IA :
    • L’utilisation de l’IA dans le CRM contribue à renforcer la fidélité des clients en offrant des expériences plus adaptées.
    • Les recommandations personnalisées et le suivi automatisé améliorent la satisfaction et l’engagement des clients.
  • Rôle des capacités organisationnelles :
    • Les capacités internes des entreprises, comme la gestion des données et l’adaptabilité technologique, influencent l’efficacité de l’IA dans le CRM.
    • Une meilleure coordination entre les départements favorise l’intégration réussie de l’IA.

Méthodologie et résultats

  • Étude menée sur 213 entreprises de e-commerce en Chine.
  • Les entreprises utilisant l’IA de manière intensive dans leur CRM constatent une augmentation significative de la satisfaction client et des ventes répétées.
  • Les capacités organisationnelles renforcent l’effet positif de l’IA sur la performance du CRM.

Conclusion
L’article montre que l’IA peut aider les entreprises à mieux gérer leurs relations avec les clients et à améliorer la fidélité grâce à des communications plus ciblées et des offres personnalisées. L’intégration réussie de l’IA dépend de la capacité de l’entreprise à gérer les données et à s’adapter technologiquement.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il met en avant le rôle de l’IA dans l’optimisation du CRM, en particulier pour personnaliser les communications et renforcer la fidélisation des clients. Il montre aussi l’importance des capacités organisationnelles pour réussir l’intégration de l’IA dans les campagnes CRM.

Bibliographie citée

  • Huang, M. H., & Rust, R. T. (2021). Artificial Intelligence in Service. Journal of Service Research, 24(1), 3-13.
  • Wang, Y., & Siau, K. (2019). Artificial Intelligence, Machine Learning, Automation, Robotics, Future of Work and Future of Humanity: A Review and Research Agenda. Journal of Database Management, 30(1), 61-79.
  • Xu, H., Teo, H. H., Tan, B. C. Y., & Agarwal, R. (2010). The Role of Push-Pull Technology in Privacy Calculus: The Case of Location-Based Services. Journal of Management Information Systems, 26(3), 135-173.

FICHE 7 – The impact of artificial intelligence adoption for business-to-business marketing on shareholder reaction: A social actor perspective

Zhan, Y., Xiong, Y., Han, R., Lam, H. K. S., & Blome, C. (2024). The impact of artificial intelligence adoption for business-to-business marketing on shareholder reaction: A social actor perspective. International Journal of Information Management, 76, 102768.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0268401224000161

Mots clés
Adoption de l’intelligence artificielle (IA), marketing B2B, réaction des actionnaires, environnement dynamique, complexité client, perspective d’acteur social.

Synthèse

Introduction
Cet article étudie l’impact de l’adoption de l’IA dans le marketing B2B sur la réaction des actionnaires, en s’appuyant sur la perspective d’acteur social. Il s’intéresse à la manière dont l’IA influence la valeur perçue par les actionnaires via les retours boursiers.

Développement

  • Lien entre adoption de l’IA et réaction des actionnaires :
    • Les entreprises qui adoptent l’IA pour le marketing B2B obtiennent de meilleurs retours boursiers que celles qui ne l’utilisent pas.
    • L’IA est perçue comme un levier d’innovation et d’amélioration de la compétitivité.
  • Impact de l’environnement dynamique :
    • L’effet positif de l’IA sur la réaction des actionnaires est plus fort dans les environnements instables.
    • Les investisseurs valorisent les entreprises capables de s’adapter rapidement grâce à l’IA.
  • Rôle de la complexité client :
    • Une base client complexe peut renforcer la réaction positive si l’IA aide à mieux la gérer.
    • Cependant, cette complexité peut aussi générer des doutes sur la capacité de l’entreprise à rentabiliser son investissement.
  • Méthodologie et résultats :
    • L’étude repose sur l’analyse de 174 entreprises cotées aux États-Unis entre 2011 et 2020.
    • Les entreprises utilisant l’IA ont des performances boursières en moyenne supérieures.
    • Cet effet est accentué dans les secteurs instables avec des bases clients moins complexes.

Conclusion
L’adoption de l’IA dans le marketing B2B améliore la perception des actionnaires, surtout dans les environnements incertains. Adapter l’utilisation de l’IA à la complexité client et aux spécificités du secteur est essentiel pour en maximiser l’impact.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment l’IA peut aider à mieux comprendre les besoins des clients et à personnaliser les communications, ce qui est au cœur de ma problématique sur le ciblage et la mise en place des campagnes CRM. Il apporte aussi un éclairage sur la manière dont ces initiatives peuvent être perçues par les parties prenantes.

Bibliographie citée

  • Han, R., Lam, H. K. S., & Blome, C. (2021). Exploring AI in B2B marketing. Journal of Business Research, 124, 98-109.
  • Kumar, V., et al. (2019). AI in marketing: Opportunities and challenges. Marketing Science, 38(6), 921-939.
  • Paschen, J., et al. (2019). Artificial intelligence in marketing: A review. Journal of Marketing Analytics, 7(2), 107-120.

FICHE 6 – Artificial intelligence (AI) competencies for organizational performance: A B2B marketing capabilities perspective.

P., Islam, N., Parida, V., Singh, H., & Altwaijry, N. (2023). Artificial intelligence (AI) competencies for organizational performance: A B2B marketing capabilities perspective. Journal of Business Research, 164, 113998.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0148296323003569

Mots clés
Intelligence artificielle (IA), marketing B2B, compétences en IA, performance organisationnelle, gestion de l’information, planification, exécution des stratégies marketing.

Synthèse

Introduction
Cet article explique comment les compétences en intelligence artificielle (IA) peuvent améliorer la performance des entreprises en renforçant leurs capacités en marketing B2B. L’étude s’intéresse aux mécanismes par lesquels ces compétences influencent la gestion de l’information, la planification et l’implémentation des stratégies marketing.

Développement
Lien entre les compétences en IA et les capacités marketing B2B :

  • Les compétences en IA aident à mieux gérer les informations sur les clients et le marché pour faciliter la prise de décision.
  • Elles soutiennent la planification marketing en permettant d’anticiper les tendances et d’adapter les stratégies.
  • Elles facilitent la mise en œuvre rapide et efficace des actions marketing.

Impact sur la performance organisationnelle :

  • Une meilleure gestion de l’information grâce à l’IA permet d’améliorer la satisfaction des clients et de découvrir de nouvelles opportunités commerciales.
  • La planification renforcée par l’IA contribue à mieux segmenter les marchés et cibler les clients.
  • L’implémentation optimisée aide à réagir rapidement aux changements du marché et à améliorer la performance globale de l’entreprise.

Méthodologie et résultats :

  • Échantillon de 155 entreprises européennes avec des répondants occupant des postes de direction en informatique.
  • Les compétences en IA influencent positivement les capacités de gestion de l’information (0,413), de planification (0,355) et d’implémentation (0,256).
  • Ces capacités ont elles-mêmes un effet positif sur la performance organisationnelle.

Conclusion
L’article montre que développer des compétences en IA permet d’améliorer les processus marketing B2B et, par conséquent, la performance des entreprises. La gestion de l’information est la capacité la plus influencée, soulignant l’importance de collecter et d’analyser les données clients.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il met en avant le rôle des compétences en IA pour améliorer la personnalisation des communications dans les campagnes CRM. Comprendre comment l’IA peut renforcer la gestion de l’information et la planification marketing est essentiel pour cibler efficacement les clients et améliorer la performance des campagnes.

Bibliographie citée

  • Fountaine, T., McCarthy, B., & Saleh, T. (2019). Building the AI-powered organization. Harvard Business Review.
  • Paschen, J., Wilson, M., & Ferreira, J. J. (2020). Collaborative intelligence: How human and artificial intelligence create value along the B2B sales funnel. Business Horizons.
  • McKinsey. (2022). The state of AI in 2022.
  • Mikalef, P., Conboy, K., & Krogstie, J. (2021). Artificial intelligence as an enabler of B2B marketing. Industrial Marketing Management.

FICHE 5 – Transitioning to Artificial Intelligence-Based Key Account Management: A Critical Assessment

Prior, D. D., & Marcos-Cuevas, J. (2025). Transitioning to Artificial Intelligence-Based Key Account Management: A Critical Assessment. Industrial Marketing Management, 126, 72–84.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S001985012500029X

Mots clés
Gestion des comptes clés (KAM), intelligence artificielle (IA), relations clients stratégiques, marketing B2B, transformation digitale.

Synthèse

Introduction
Cet article explique comment l’intelligence artificielle peut être intégrée dans la gestion des grands comptes (KAM) pour améliorer les relations stratégiques avec les clients importants. Il montre à la fois les opportunités et les défis de cette transition, en tenant compte des spécificités du secteur B2B et des particularités de la gestion des grands comptes.

Développement
Opportunités de l’IA dans le KAM :

  • Permet de mieux comprendre le client en accédant à des données complexes provenant de plusieurs sources.
  • Facilite la personnalisation des communications et des propositions de valeur.
  • Améliore la gestion du parcours client et l’efficacité des équipes grâce à l’automatisation.
  • Renforce la coordination des équipes internes et externes avec des outils collaboratifs.

Défis liés à l’intégration de l’IA dans le KAM :

  • Qualité et accessibilité des données parfois limitées.
  • Réticence des clients et des équipes à interagir avec des solutions IA.
  • Risque de perdre l’aspect humain dans la relation client.
  • Besoin d’une bonne compatibilité entre les systèmes des fournisseurs et des clients.

Modérateurs de l’adoption de l’IA dans le KAM :

  • Taille et complexité de la relation client : plus elle est complexe, plus l’IA est utile.
  • Compatibilité des systèmes d’information entre fournisseurs et clients.
  • Gouvernance et sécurité des données.
  • Culture organisationnelle et volonté de changement des entreprises.

Conclusion
L’article conclut que l’IA peut jouer un rôle clé dans la gestion des comptes clés en B2B, notamment en améliorant la personnalisation, la gestion des données et la prise de décision. Cependant, le succès de son intégration dépend de la qualité des données, de la culture d’entreprise et de l’équilibre entre l’automatisation et l’humain.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il montre comment l’IA peut améliorer la gestion des relations clients, notamment en optimisant la personnalisation des communications et en renforçant la prise de décision. Il démontre aussi l’importance de l’alignement entre la technologie et l’approche humaine, ce qui est essentiel pour la mise en place de campagnes CRM efficaces.

Bibliographie citée

  • Chatterjee, S., Saura, J. R., & Zhang, T. (2023). AI applications in B2B contexts: Customer journey management and value co-creation.
  • Grewal, D., Roggeveen, A. L., & Nordfält, J. (2021). The future of B2B customer experience with AI.
  • Guesalaga, R. (2014). Top management involvement and KAM program effectiveness.
  • Hossain, M., Letheren, K., & Longoni, C. (2022). Data quality challenges in AI adoption.
  • Rusthollkarhu, J., Moradi, M., & Dass, M. (2022). Integrating AI into B2B sales processes.

FICHE 4 – How Chatbots Augment Human Intelligence in Customer Services: A Mixed-Methods Study

Lin, X., Wang, X., Shao, B., & Taylor, J. (2024). How Chatbots Augment Human Intelligence in Customer Services: A Mixed-Methods Study. Journal of Management Information Systems, 41(4), 1016–1041.

https://research.ebsco.com/c/ry7y5r/search/details/3ewigxueuz?isDashboardExpanded=true&limiters=FT%3AY&q=impact+artificial+intelligence+email

Mots clés
Chatbots, intelligence artificielle (IA), relation client, performance des employés, soutien informationnel, soutien émotionnel, services client, prise de décision, agilité des entreprises.

Synthèse

Introduction
Cet article explore comment les chatbots alimentés par l’intelligence artificielle (IA) peuvent aider les employés à améliorer leurs performances dans les services client. L’objectif est de comprendre comment ces outils technologiques complètent le travail humain plutôt que de le remplacer.

Développement

Comment les chatbots améliorent la relation client et les performances des employés :

  • Les chatbots sont utilisés pour traiter des tâches simples et répétitives, ce qui permet aux employés de se concentrer sur des demandes plus complexes.
  • Ils aident à fournir un service plus rapide et efficace, améliorant ainsi la satisfaction des clients.

Soutien informationnel et émotionnel :

  • Les chatbots offrent un soutien informationnel en fournissant des données utiles aux employés, ce qui facilite la prise de décisions.
  • Ils peuvent aussi apporter un soutien émotionnel, en réduisant le stress des employés et en renforçant leur confiance dans l’exécution de leurs tâches.

Affordances des chatbots :

  • Amélioration du service client : Les chatbots permettent de mieux répondre aux besoins des clients.
  • Soutien à la prise de décision : Ils aident les employés à prendre des décisions plus éclairées grâce aux données collectées.
  • Agilité des entreprises : Les chatbots aident les entreprises à réagir plus rapidement aux changements du marché en fournissant des informations en temps réel.

Méthodologie et résultats
L’étude utilise une approche mixte avec des entretiens qualitatifs et une enquête quantitative menée auprès de 203 employés de service client utilisant des chatbots IA.

  • Les résultats montrent que les chatbots améliorent la productivité et la créativité des employés.
  • Le soutien émotionnel des chatbots a un impact plus fort sur la performance des employés que le soutien informationnel.
  • L’utilisation des chatbots augmente l’agilité des entreprises, notamment dans la prise de décisions rapides.

Conclusion
Les chatbots sont des outils utiles pour aider les entreprises à mieux gérer la relation avec leurs clients et aussi pour améliorer la performance des employés. Leur utilisation permet de gagner du temps, d’offrir des réponses plus rapides aux clients et de soutenir les équipes dans leur travail quotidien.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment l’IA, à travers les chatbots, peut être utilisée comme un outil pour personnaliser les communications avec les clients et améliorer les performances des campagnes CRM. Les insights sur le soutien émotionnel apporté aux employés et sur l’agilité des entreprises sont des éléments clés que je pourrais intégrer dans ma réflexion sur l’utilisation de l’IA pour optimiser les relations clients.

Bibliographie citée

  • Lin, X., Wang, X., Shao, B., & Taylor, J. (2024). How Chatbots Augment Human Intelligence in Customer Services: A Mixed-Methods Study. Journal of Management Information Systems, 41(4), 1016–1041.
  • Achmat, L., & Brown, I. (2019). Artificial Intelligence Affordances for Business Innovation: A Systematic Review of Literature.
  • Daugherty, P.R., & Wilson, H.J. (2018). Human + machine: Reimagining work in the age of AI.
  • Wang, X., Lin, X., & Shao, B. (2022). Chatbot Affordances and Employee Performance in Customer Service.

Stratégie de communauté et de contenu des influenceurs sur les réseaux sociaux et comportement d’engagement des abonnés en présence de la concurrence : une enquête basée sur Instagram

Référence :  Tafesse, Wondwesen, et Bronwyn P. Wood. “Social media influencers’ community and content strategy and follower engagement behavior in the presence of competition: an Instagram-based investigation.” Journal of Product & Brand Management, vol. 32, no 3, 2023, pp. 406-419.

Mots-clés : Commentaires, communauté, concours, contenu, likes, réseaux sociaux

 

Introduction :

Alors que l’usage des réseaux sociaux est en constante évolution, les influenceurs jouent un rôle déterminant en ayant le pouvoir d’influencer le comportement des consommateurs. Mais c’est un environnement où la concurrence est rude; il est donc essentiel de comprendre et de connaître les facteurs qui déterminent réellement l’engagement des consommateurs (De Veirman et al., 2017).

Cet article vise donc à examiner comment les différentes stratégies des influenceurs sur les réseaux sociaux peuvent influencer les comportements de l’audience, même en présence de concurrence. Pour cela, les auteurs s’appuient sur la théorie de l’influence sociale (Kelman, H. C., 1974), sur la littérature relative à l’économie de l’attention (Davenport & Beck, 2001) et sur le modèle MAIN (Modalité, Agence, Interactivité, Navigabilité) (Sundar, 2008).

 

Développement :

Pour analyser cet engagement, les auteurs vont s’appuyer sur des données quantitatives collectées via le web scraping auprès d’influenceurs de divers secteurs sur Instagram. 

Cette méthode mesure divers métriques : 

1. La stratégie de communauté 

Elle évalue la stratégie de communauté de l’influenceur (nombre d’abonnés, nombre de comptes suivis, diversité des contenus publiés etc.). Les statistiques montrent que les influenceurs qui possèdent une communauté d’abonnés engagée et qui interagissent avec les partages, les likes ou les commentaires, génèrent un engagement plus fort, même s’il y a des concurrents (De Veirman et al., 2017).

2. La stratégie de contenu 

L’étude prend en compte les types de contenus avec des variables telles que le format, la fréquence des publications ou encore l’authenticité perçue de l’influenceur. Généralement, les influenceurs qui enregistrent de meilleurs résultats sont ceux qui sont perçus comme authentiques (Audrezet, A. et al. 2020), qui varient les formats et qui publient régulièrement, à des moments stratégiques de la journée (Schouten, A. et al., 2020)

3. La concurrence 

Elle correspond au nombre d’influenceurs qui exercent dans le même domaine. Les résultats montrent qu’il est plus difficile de capter l’attention et l’engagement du public sur un marché saturé que sur un marché avec peu de concurrents. Pour y parvenir, il faut se différencier et trouver son positionnement unique. À noter que les influenceurs bien établis, donc ceux qui possèdent une audience solide et fidèle sont moins affectés par la concurrence car ils ont déjà gagné la confiance de leurs abonnés (Audrezet, A. et al., 2020).

Certes, la concurrence peut limiter l’engagement du public envers l’influenceur, mais une stratégie bien conçue et maîtrisée peut atténuer cette limite (Campbell, C., & Farrell, J. R., 2020).

Les résultats de l’étude révèlent que le comportement d’engagement des abonnés est influencé par la stratégie de communauté et le contenu des influenceurs. Cela peut inclure le nombre d’abonnés, le type de modalité et le nombre de publications. La concurrence a également un impact significatif sur le comportement d’engagement des abonnés, tant indépendamment qu’en interaction avec la stratégie de communauté et de contenu des influenceurs (De Veirman et al., 2017).

 

Conclusion :

Cette étude montre que les influenceurs peuvent maximiser l’engagement de leur audience, même dans un marché très concurrentiel, en construisant une communauté engagée, en publiant les bons contenus au bon format et en trouvant leur niche pour se différencier des concurrents.

À partir de ces indicateurs (nombre d’abonnés, fréquence des publications, authenticité perçue, saturation du marché etc.), les marques peuvent identifier les influenceurs les plus aptes à promouvoir leur produit. Ces résultats apportent également des indications aux influenceurs sur la manière dont ils peuvent favoriser l’engagement de leurs abonnés. Ainsi, la stratégie des influenceurs est le principal moteur de l’engagement des abonnés.

 

Référence :

  • Audrezet, A., de Kerviler, G., & Guidry Moulard, J. (2020). Authenticity under threat: When social media influencers need to go beyond self-presentation. Journal of Business Research, 117, 557-569. 
  • Campbell, C., & Farrell, J. R. (2020). More than meets the eye: The functional components underlying influencer marketing. Business Horizons, 63(4), 469-479. 
  • Davenport, T. H., & Beck, J. C. (2001). The attention economy: Understanding the new currency of business. Harvard Business Press.
  • De Veirman, M., Cauberghe, V., & Hudders, L. (2017). Marketing through Instagram influencers: The impact of number of followers and product divergence on brand attitude. International Journal of Advertising, 36(5), 798-828. 
  • Schouten, A. P., Janssen, L., & Verspaget, M. (2020). Celebrity vs. influencer endorsements in advertising: The role of identification, credibility, and product-endorser fit. International Journal of Advertising, 39(2), 258-281. 
  • Sundar, S. S., Xu, Q., & Dou, X. (2012). Role of technology in online persuasion. In S. Rodgers & E. Thorson (Eds.), Advertising Theory (pp. 355-372). Routledge.

 

C’est plus délicieux parce que je t’aime” : Satisfaction des abonnés, fidélisation et intention de rachat des influenceurs culinaires commerciaux

Olfat, M., & Kirkham, R. (2025). “It’s more delicious because I like you”: commercial food influencers’ follower satisfaction, retention and repurchase intention. Industrial Management & Data Systems, 125(1), 384-413.

Mots-clés : Engagement affectif des suiveurs, satisfaction d’achat des abonnés, intention de rachat des abonnés, fidélité des abonnés, influenceurs alimentaires commerciaux sur Instagram, modèle d’attitude à trois composantes

 

Introduction :

Les réseaux sociaux prennent de plus en plus de place dans notre quotidien, jusqu’à façonner nos habitudes de consommation avec les influenceurs culinaires. Ils ont un impact considérable sur les choix alimentaires de leurs abonnés via leurs recommandations. En plus de suggérer des produits, ils influencent l’avis des consommateurs sur la perception, la qualité et le goût de ceux-ci.

Cet article vise à comprendre comment les influenceurs culinaires, en plus de fidéliser leur audience, parviennent à les persuader d’acheter les produits qu’ils recommandent. Pour cela, les auteurs vont s’appuyer sur le modèle d’attitude à trois composantes (affective, cognitive et conative) afin d’analyser les mécanismes sous-jacents de cette influence (Rosenberg, M. J., & Hovland, C. I., 1960). Ils explorent l’impact de la satisfaction d’achat des abonnés sur leur intention de racheter les produits et services alimentaires recommandés, tant de manière directe que par l’intermédiaire des influenceurs food.

 

Développement :

L’étude a été menée en Iran, auprès de 200 abonnés actifs (ayant un fort engagement : likes, commentaires, partages) d’influenceurs culinaires. 

L’analyse a été réalisée en s’appuyant sur la modélisation par équations structurelles en moindres carrés partiels (PLS-SEM) afin d’analyser les liens entre la satisfaction, l’engagement affectif et l’intention de rachat (Hair et al., 2021). Cette méthode est très utilisée par les chercheurs en marketing, car elle permet d’identifier les liens de causalité entre différentes variables et est parfaitement adaptée pour les petits échantillons.

Les résultats ont révélé plusieurs éléments :

1. L’affect envers un influenceur biaise la perception du produit

Lorsqu’un influenceur food recommande un produit ou un restaurant, la perception de celui-ci peut être améliorée par l’attachement que le consommateur porte à l’influenceur. C’est-à-dire que plus l’abonné apprécie l’influenceur, plus il perçoit le produit comme de meilleure qualité et plus savoureux. La confiance et la crédibilité qu’accorde le consommateur à l’influenceur renforcent cette distorsion cognitive.

2. Existence d’une corrélation entre le lien affectif et l’adhésion aux recommandations de l’influenceur

L’affection que porte l’abonné envers l’influenceur se situe au cœur de leur relation. Plus l’abonné ressent un lien émotionnel et affectif fort envers l’influenceur, plus il sera sensible à ses recommandations. Ce lien se construit autour de l’authenticité perçue de l’influenceur, de la proximité qu’il entretient envers son audience, ou encore de son style de communication. (Sokolova, K., & Kefi, H. 2020)

3. La fidélité envers l’influenceur avec le marketing d’affiliation

La fidélité d’un consommateur envers l’influenceur va au-delà du digital et des réseaux sociaux. En plus d’être plus sensible à ses recommandations, il y a de fortes chances qu’il le recommande à ses proches et à son audience et ainsi impacter leur comportement d’achat. Le bouche-à-oreille va donc amplifier considérablement l’effet de la campagne marketing.

4. Les facteurs qui amplifient le pouvoir d’influence de l’influenceur

    • Les interactions régulières : Les personnes qui interagissent souvent (likes, partages, commentaires) avec le contenu publié sont plus enclines à consommer et à suivre les recommandations de l’influenceur. 
    • Le type de contenu : Certains contenus, tels que les vidéos immersives, exercent une plus forte influence et génèrent plus d’engagement sur l’effet de la recommandation que d’autres contenus tels qu’un simple post. En voyant l’influenceur tester le restaurant ou le produit, l’abonné se sent plus enclin à croire à l’authenticité de la recommandation (Hwang & Zhang, 2018).
    • L’exclusivité du produit : L’intention d’achat de l’audience augmente lorsque le produit est présenté comme exclusif, notamment si l’offre est limitée dans le temps.

Cette recherche montre que l’influence qu’exerce l’influenceur sur son audience ne repose pas uniquement sur le produit en lui-même, mais aussi et surtout sur la perception que l’abonné peut avoir envers le créateur de contenu.

 

Conclusion :

Les résultats de cette étude mettent en évidence le rôle essentiel des influenceurs food dans le processus d’achat de leurs abonnés. Le niveau de satisfaction engendré par le produit ne dépend non seulement du produit en lui-même, mais est aussi influencé par le lien émotionnel que le client entretient avec l’influenceur qui recommande ce produit. 

La confiance et l’authenticité sont deux facteurs clés du marketing d’influence (Brown, J.R. et al., 2019). Pour optimiser les campagnes marketing des marques, le choix de l’influenceur est primordial. Seule la visibilité ne suffit plus, il faut s’assurer de la capacité du créateur de contenu à créer une véritable connexion authentique avec son audience.

Au travers de cette recherche, les auteurs délivrent des perspectives de réflexion précieuses pour les marketeurs, dans le but d’optimiser leurs pratiques commerciales et atteindre leurs objectifs.

 

Référence :

  • Brown, J.R., Crosno, J.L., & Tong, P.Y. (2019). Is the theory of trust and commitment in marketing relationships incomplete? Industrial Marketing Management, 77, 155-169. 
  • Hair, J., Hair, J.F., Hult, G.T.M., Ringle, C.M., & Sarstedt, M. (2021). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage Publications.
  • Hwang, K., & Zhang, Q. (2018). Influence of parasocial relationship between digital celebrities and their followers on followers’ purchase and electronic word-of-mouth intentions, and persuasion knowledge. Computers in Human Behavior, 87, 155-173. 
  • Rosenberg, M. J., & Hovland, C. I. (1960). Cognitive, affective, and behavioral components of attitude. In Attitude organization and change: An analysis of consistency among attitude components (pp. 1-14). Yale University Press.
  • Sokolova, K., & Kefi, H. (2020). Instagram and YouTube bloggers promote it, why should I buy? How credibility and parasocial interaction influence purchase intentions. Journal of Retailing and Consumer Services, 53, 101739.