Toward customer hyper-personalization experience — A data-driven approach

Posted on by

Valdez Mendia, J. M., & Flores-Cuautle, J. J. A. (2022). Toward customer hyper-personalization experience — A data-driven approach. Cogent Business & Management, 9(1), 2041384.
https://doi.org/10.1080/23311975.2022.2041384

Mots clés : Big Data, interaction client, points de contact, personnalisation

Résumé :
Les modèles commerciaux omnicanaux actuels intègrent des points de contact physiques et numériques interagissant avec les clients. Une stratégie de hyper-personnalisation repose sur la capacité de l’organisation à collecter et transformer les données clients en expériences personnalisées. Pour ce faire, quatre éléments sont nécessaires : la fondation des données, les décisions, la conception et la distribution. La gestion des données maîtres des clients repose sur l’identification correcte d’un client, et une véritable connaissance client ne peut être atteinte que lorsque trois types de données clients sont collectés : Identité, Contactabilité et Traçabilité (I, C, T).

Contexte d’apparition de la hyper-personnalisation
La nécessité d’intégrer les données clients à travers l’organisation est un problème ancien abordé par diverses technologies et méthodologies de gouvernance. Les informations clients peuvent être définies comme l’identité (I), la contactabilité (C) et la traçabilité (T). La personnalisation est définie comme l’individualisation atteinte en tenant compte des préférences spécifiques des clients.

Applications de la hyper-personnalisation
La collecte de données a été facilitée par les technologies numériques qui interfacent via des points de contact numériques. Les modèles commerciaux qui reposent sur des points de contact physiques doivent déployer des efforts supplémentaires pour collecter les données clients. La gestion des données maîtres (MDM) permet aux organisations de disposer d’une solution de cohérence des données clients, de simplification et d’uniformité des processus, de l’analyse et de la communication à travers l’entreprise.

Architecture proposée pour l’expérience de hyper-personnalisation
L’architecture proposée comprend cinq blocs : les systèmes de retour d’information en temps réel, les autres systèmes sources, le référentiel de gestion des données maîtres (MDM), la plateforme de données clients (CDP) et le référentiel d’apprentissage automatique. Un algorithme de correspondance en temps réel est mis en œuvre dans la plateforme de données clients pour déclencher une réponse en temps réel aux interactions clients.

Stratégies de migration des clients
Les stratégies de migration des clients visent à améliorer et à mettre à jour l’état initial des informations clients que l’organisation possède déjà. Les stratégies incluent le programme de fidélité, le programme de qualité des données, l’enregistrement des reçus, l’activation numérique, le reçu numérique, l’achat avec livraison à domicile et l’enregistrement numérique.

Étude de cas et résultats
Une étude de cas a été menée dans une entreprise de vente au détail avec une base de données clients de 15 millions d’individus. Les données de migration ont été analysées tous les trois mois pendant 15 mois après l’application des stratégies de hyper-personnalisation. Les résultats montrent une augmentation significative du nombre de clients dans l’état A (hyper-personnalisation) de 16,53 % à 31,37 %. Les stratégies de migration les plus efficaces incluent l’activation numérique, le programme de qualité des données et l’enregistrement numérique.

Conclusion
Les stratégies de personnalisation aident à fournir des actions personnalisées aux clients et à augmenter le nombre de clients connus par l’organisation. Ce cycle permet à l’organisation de mettre en œuvre et de renforcer ses stratégies de personnalisation et d’établir des moyens de migrer les informations clients vers des états complets. L’IA et la gestion des données maîtres jouent un rôle crucial dans l’amélioration de la gestion de la relation client et la personnalisation des interactions.

Bibliographie

  • ActionIQ. (2021). What is a customer data platform (CDP)? Retrieved November 29, 2021 from https://www.actioniq.com/what-is-cdp/
  • Anderson, E. R. (2009). Next-generation campaign management: How campaign management will evolve to enable interactive marketing. Journal of Direct, Data and Digital Marketing Practice, 10(3), 272–282.
  • Andreassen, T. W., et al. (2018). Business model innovation and value-creation: The triadic way. Journal of Service Management, 29(5), 883–906.
  • Bleier, A., & Eisenbeiss, M. (2015). Personalized online advertising effectiveness: The interplay of what, when, and where. Marketing Science, 34(5), 669–688.
  • Bolton, R. N., et al. (2008). Expanding business-to-business customer relationships: Modeling the customer’s upgrade decision. Journal of Marketing, 72(1), 46–64.
  • Boudet, J., et al. (2017). The heartbeat of modern marketing: Data activation and personalization. McKinsey & Company.
  • Chuang, S.-H., & Lin, H.-N. (2013). The roles of infrastructure capability and customer orientation in enhancing customer-information quality in CRM systems: Empirical evidence from Taiwan. International Journal of Information Management, 33(2), 271–281.
  • Ducange, P., et al. (2018). A glimpse on big data analytics in the framework of marketing strategies. Soft Computing, 22(1), 325–342.
  • Erevelles, S., et al. (2016). Big data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897–904.
  • Fabrizi, A., & Banoub, T. (2014). Next Best Offer: how to re-think your marketing. Hewlett-Packard Development Company.
  • Gilibert, M., & Ribas, I. (2019). Synergies between app-based car-related shared mobility services for the development of more profitable business models. Journal of Industrial Engineering and Management, 12(3), 16.
  • Goersch, D. (2002). Multi-channel integration and its implications for retail web sites. ECIS 2002 Proceedings.
  • Haneem, F., et al. (2017). Resolving data duplication, inaccuracy and inconsistency issues using master data management. 2017 International Conference on Research and Innovation in Information Systems (ICRIIS).
  • Hess, N. J., et al. (2020). Getting personal in public!? How consumers respond to public personalized advertising in retail stores. Journal of Retailing, 96(3), 344–361.
  • Imhoff, C., et al. (2001). Building the customer-centric enterprise: data warehousing techniques for supporting customer relationship management. Wiley.
  • Jain, G., et al. (2021). Hyper-personalization, co-creation, digital clienteling and transformation. Journal of Business Research, 124(1), 12–23.
  • Kalia, P., & Paul, J. (2021). E-service quality and e-retailers: Attribute-based multi-dimensional scaling. Computers in Human Behavior, 115(1), 106608.
  • Karanam, S. D., et al. (2021). Big data integration solutions in organizations: A domain-specific analysis. In Santhosh Kumar, B. (Ed.), Data Integrity and Quality (pp. 1–31). IntechOpen.
  • Liermann, V., & Stegmann, C. (2019). The impact of digital transformation and fintech on the finance professional. Springer International Publishing.
  • López García, J. J., et al. (2019). Digital marketing actions that achieve a better attraction and loyalty of users: An analytical study. Future Internet, 11(6), 130.
  • Low, G. S. (2000). Correlates of integrated marketing communications. Journal of Advertising Research, 40(3), 27–39.
  • Mallya, H., & Nair, A. (2016). The future of Indian e-commerce lies on the app route. YourStory Media.
  • Micu, A., et al. (2022). Assessing an on-site customer profiling and hyper-personalization system prototype based on a deep learning approach. Technological Forecasting and Social Change, 174(1), 121289.
  • Narayanan, A., & Shmatikov, V. (2010). Myths and fallacies of “Personally identifiable information”. Commun. ACM, 53(6), 24–26.
  • Ng, S. T., et al. (2017). A master data management solution to unlock the value of big infrastructure data for smart, sustainable and resilient city planning. Procedia Engineering, 196(1), 939–947.
  • Ngoc Thang, N., et al. (2020). Knowledge acquisition, knowledge management strategy and innovation: An empirical study of Vietnamese firms. Cogent Business & Management, 7(1), 1786314.
  • Nobile, T. H., & Kalbaska, N. (2020). An Exploration of Personalization in Digital Communication. Insights in Fashion.
  • Oracle, C. (2015). Customer Data Services Pack Guide for Enterprise Data Quality. Oracle Corporation.
  • Oracle, C