Gaczek, P., Leszczyński, G., & Mouakher, A. (2023). Collaboration with machines in B2B marketing: Overcoming managers’ aversion to AI-CRM with explainability. Industrial Marketing Management, 115, 127-142.

Mots clés
Décision marketing, partenariat humain-AI, gestion de la relation client (CRM), intelligence artificielle explicable (XAI), aversion à l’IA.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0019850123001669

Synthèse
Introduction
Cet article explique comment la collaboration entre les managers et l’intelligence artificielle (IA) peut être optimisée dans le marketing B2B, en se concentrant sur la gestion de la relation client (CRM). L’étude met l’accent sur l’aversion des managers envers l’utilisation de l’IA-CRM, souvent liée à des émotions négatives et à un manque de compréhension. L’intelligence artificielle explicable (XAI) est proposée comme solution pour améliorer cette collaboration.

Développement

• Aversion des managers à l’IA-CRM : Les managers ressentent souvent des émotions négatives comme la peur ou l’anxiété face à l’IA, surtout quand ils ne comprennent pas comment elle fonctionne. Cette aversion limite le partage d’informations et freine l’utilisation de l’IA dans la prise de décision.
• Rôle de l’XAI : L’intelligence artificielle explicable aide à réduire ces émotions négatives en rendant les recommandations de l’IA plus compréhensibles. Cela encourage les managers à mieux collaborer avec l’IA et à utiliser ses suggestions.
• Expérimentations : Trois études menées sur plus de 700 managers B2B montrent que l’XAI améliore la compréhension des recommandations de l’IA et réduit l’aversion, surtout lorsque les menaces perçues sont faibles. En revanche, lorsque la crainte de ne pas comprendre est forte, l’effet de l’XAI est limité.
• Importance des explications textuelles : Les explications sous forme de texte sont jugées plus efficaces que les données numériques ou les graphiques, car elles sont plus facilement compréhensibles et favorisent la confiance des managers envers l’IA.

Conclusion
L’article conclut que l’XAI est un levier important pour encourager la collaboration entre les managers et les systèmes IA-CRM. En améliorant la compréhension des recommandations, l’XAI réduit l’aversion des utilisateurs et favorise leur engagement. Pour être efficace, l’IA doit offrir des explications adaptées, claires et accessibles, notamment en utilisant des formats textuels.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire. Il met en avant l’importance de la compréhension des recommandations de l’IA pour faciliter son adoption dans les campagnes CRM. L’utilisation de l’XAI peut aider à mieux personnaliser les communications en rassurant les utilisateurs sur les décisions prises par l’IA. Cette approche est essentielle pour optimiser le ciblage et renforcer la relation client.

Bibliographie citée

• Libai, B., et al. (2020). AI impact on customer relationship management. Journal of Marketing Research.
• Saura, J. R., et al. (2021). AI and CRM: How technology transforms customer relationships. Business Research Quarterly.
• Miller, T. (2019). Explanation in artificial intelligence: Insights from the social sciences. Artificial Intelligence Journal.
• Haesevoets, T., et al. (2021). Human–AI partnerships in decision-making. Management Decision.
• Dietvorst, B. J., & Bharti, S. (2020). Algorithm aversion in managerial contexts. Organizational Behavior and Human Decision Processes.

Kumar, P., Sharma, S. K., & Dutot, V. (2023). Artificial intelligence (AI)-enabled CRM capability in healthcare: The impact on service innovation. International Journal of Information Management, 69, 102598.
DOI: 10.1016/j.ijinfomgt.2022.102598

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0268401222001323

Mots clés
Intelligence artificielle (IA), gestion de la relation client (CRM), innovation de service, flexibilité du service client, soins de santé.

Synthèse

Introduction
Cet article explore comment les capacités de CRM basées sur l’IA peuvent améliorer l’innovation de service dans le secteur de la santé. L’étude analyse la relation entre l’IA-CRM, la flexibilité du service client et leur impact sur la performance des services.

Développement

• Capacités de CRM basées sur l’IA :
  • Capacité clinique : amélioration des diagnostics et des traitements grâce aux outils d’IA.
  • Capacité de service : automatisation des interactions client (chatbots, télémédecine, suivi à distance).
  • Capacité d’engagement : implication des patients grâce à des expériences interactives et personnalisées.
• Lien entre IA-CRM, flexibilité du service et innovation :
  • L’IA-CRM permet une adaptation plus rapide aux besoins des patients.
  • La flexibilité du service client améliore la satisfaction et la personnalisation des soins.
  • Cette flexibilité agit comme un facteur clé entre les capacités de CRM et l’innovation des services.
• Méthodologie et résultats :
  • Étude mixte combinant entretiens qualitatifs et analyse quantitative sur des établissements de santé en Inde.
  • L’IA-CRM renforce la flexibilité des services et favorise indirectement l’innovation.

Conclusion
Les capacités de CRM basées sur l’IA aident les organisations de santé à mieux comprendre les attentes des patients, à personnaliser les services et à stimuler l’innovation. Leur développement permet aux établissements de santé de rester compétitifs et d’assurer des soins plus efficaces et adaptés.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire. Il montre comment l’IA peut être utilisée pour personnaliser la relation client et améliorer les services, ce qui rejoint l’idée que l’IA peut aider à mieux cibler et personnaliser les communications dans les stratégies CRM.

Bibliographie citée

• Agrawal, A., Gans, J., & Goldfarb, A. (2019). Artificial intelligence and the modern productivity paradox.
• Chatterjee, S., Dwivedi, Y. K., & Kar, A. K. (2021). AI in CRM systems: Implications for customer engagement.
• Grover, P., Kar, A. K., Dwivedi, Y. K., & Janssen, M. (2020). Understanding AI applications in service innovation.
• Mariani, M., Borghi, M., & Cappa, F. (2022). Exploring AI-driven innovations in customer management.
• Wamba-Taguimdje, S. L., Fosso Wamba, S., Kala Kamdjoug, J. R., & Tchatchouang Wanko, C. E. (2020). CRM capabilities and customer service flexibility: An AI perspective.

Saura, J. R., Ribeiro-Soriano, D., & Palacios-Marqués, D. (2021). Setting B2B digital marketing in artificial intelligence-based CRMs: A review and directions for future research. Industrial Marketing Management, 98, 161-178.

https://www-sciencedirect-com.devinci.idm.oclc.org/science/article/pii/S0019850121001772?via%3Dihub

Mots clés
B2B digital marketing, CRM, intelligence artificielle, analyse de correspondance multiple, stratégie data-driven, automatisation, processus.

Synthèse

Introduction
Cet article analyse comment l’intégration de l’intelligence artificielle (IA) dans les systèmes de gestion de la relation client (CRM) en B2B améliore les décisions marketing et optimise les stratégies digitales. Les auteurs combinent une revue de la littérature avec une analyse statistique (Multiple Correspondence Analysis – MCA) pour identifier les tendances du secteur et les pistes de recherche futures.

Développement

• Évolution des CRM en B2B :
  • Passage des CRM traditionnels à des systèmes intelligents exploitant l’IA.
  • Gestion améliorée des données et prise de décision plus rapide.
• Types de CRM intégrant l’IA :
  1. CRM analytique : Segmentation, analyse des données clients, prévision des ventes.
  2. CRM collaboratif : Partage des données entre les équipes internes et externes.
  3. CRM opérationnel : Automatisation des tâches marketing et commerciales.
• Impact de l’IA sur le marketing B2B :
  • Meilleur ciblage grâce à l’analyse des comportements clients.
  • Automatisation des campagnes et personnalisation des interactions.
  • Réduction des coûts et gain de temps pour les équipes marketing.
• Défis et perspectives :
  • Complexité de l’intégration de l’IA dans les structures existantes.
  • Besoin de compétences techniques pour exploiter les outils IA.
  • Importance d’élaborer des stratégies adaptées pour maximiser le retour sur investissement.

Conclusion
Les CRM basés sur l’IA représentent un atout majeur pour le marketing B2B en facilitant l’automatisation, la personnalisation et l’analyse des données. Cependant, leur implémentation requiert une planification minutieuse et des investissements technologiques adaptés.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment l’IA peut être utilisée pour optimiser la gestion de la relation client en B2B. Il met l’accent sur l’amélioration du ciblage et de la personnalisation des campagnes CRM, tout en abordant les défis liés à l’intégration des technologies IA dans les entreprises.

Bibliographie citée

• Martínez-López, F. J., & Casillas, J. (2013). Artificial intelligence-based CRM: Advances and implications. Journal of Business Research, 66(10), 1484-1489.
• Saura, J. R., Palos-Sanchez, P. R., & Blanco-González, A. (2019). The importance of information service offerings of collaborative CRMs on decision-making in B2B marketing. Journal of Business & Industrial Marketing, 34(3), 565-577.
• Kannan, P. K., & Hongshuang, L. (2017). Digital marketing: A framework, review, and research agenda. International Journal of Research in Marketing, 34(1), 22-45.

Sinha, P., Shastri, A., & Lorimer, S. (2024). A Better Way to Link Sales and Marketing. Harvard Business Review, November-December, 116-124.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/yufekizta5

Mots clés
Hub client numérique, intelligence artificielle, données clients, intégration des ventes et du marketing, personnalisation, efficacité organisationnelle.

Synthèse

Introduction
Cet article explique comment les entreprises peuvent améliorer l’intégration entre leurs équipes de vente et de marketing grâce à un hub client numérique (Digital Customer Hub, DCH). L’objectif est de centraliser les données clients pour mieux personnaliser les interactions et rendre les processus plus efficaces.

Développement

• Problématique des données cloisonnées :
  • Les entreprises ont souvent des données clients dispersées, empêchant une vue unifiée et limitant la personnalisation des interactions.
  • Cette fragmentation crée des inefficacités entre les équipes de vente, de marketing et de service client.
• Solution : le Digital Customer Hub (DCH) :
  • Le DCH centralise les données issues de différents canaux (site web, e-mails, réseaux sociaux) pour donner une vue complète du client.
  • L’intelligence artificielle et les outils d’analyse intégrés au DCH permettent d’obtenir des insights exploitables en temps réel.
  • Exemple de Schneider Electric : utilisation du DCH pour prédire les opportunités de vente et améliorer la gestion des commandes.
• Bénéfices du DCH :
  • Productivité accrue : réduction du temps de traitement des ventes et meilleure coordination entre les équipes.
  • Personnalisation renforcée : adaptation des messages et des canaux selon les préférences du client.
  • Prise de décision améliorée : mesure du retour sur investissement et possibilité de tester différentes approches.
  • Automatisation du service client : réduction des temps d’attente grâce à des chatbots et à l’automatisation des tickets.
  • Respect des normes de sécurité et de conformité : centralisation des données facilitant l’application des régulations.
• Choix organisationnels pour le DCH :
  • Approche centrée sur les ventes (ex. Schneider Electric) : priorité à la productivité commerciale.
  • Approche centrée sur le marketing (ex. Intuit) : meilleure gestion des campagnes et des contenus.
  • Approche équilibrée : coordination entre les équipes pour maximiser l’efficacité des deux départements.

Conclusion
Mettre en place un DCH permet d’améliorer la relation client, d’optimiser les ventes et le marketing, et de mieux exploiter les données. Cela exige toutefois une coordination organisationnelle et des investissements technologiques.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire car il montre comment l’IA peut aider à centraliser les données clients pour mieux personnaliser les campagnes CRM et améliorer la coordination entre les équipes de vente et de marketing.

Bibliographie citée

• Leong, C. (2023). Digital Transformation in Customer Engagement. McGraw-Hill.
• Hammer, M. (1990). Reengineering Work: Don’t Automate, Obliterate. Harvard Business Review.
• Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W.W. Norton.

Davenport, T. H., & Redman, T. C. (2025). How to Marry Process Management and AI. Harvard Business Review, Jan-Feb, 38-44.

https://research-ebsco-com.devinci.idm.oclc.org/c/ry7y5r/viewer/html/cxn5jndawr

Mots clés
Intelligence artificielle, gestion des processus, transformation organisationnelle, productivité, automatisation, optimisation des flux de travail.

Synthèse

Introduction
Cet article explore comment l’intelligence artificielle (IA) et la gestion des processus peuvent s’associer pour améliorer la performance des entreprises. Il met en avant les opportunités offertes par l’IA pour optimiser les processus et réduire les inefficacités, tout en soulignant les défis liés à leur intégration.

Développement

• L’IA comme levier d’amélioration des processus :
  • L’IA permet d’optimiser la gestion des flux de travail en automatisant certaines tâches.
  • Les entreprises peuvent améliorer la productivité en réduisant les erreurs et en facilitant la prise de décision.
• Process management et IA : une complémentarité à structurer :
  • Une bonne gestion des processus facilite l’intégration de l’IA en définissant clairement les flux de travail.
  • L’IA nécessite des données structurées et un partage fluide entre les départements.
• Cas pratiques :
  • Des entreprises comme Mars Wrigley et Siemens utilisent l’IA pour améliorer leurs chaînes d’approvisionnement et réduire les coûts.
  • L’IA est utilisée pour mieux coordonner la gestion des commandes, le service client et la maintenance préventive.
• Enjeux et défis :
  • Une adoption réussie de l’IA dans la gestion des processus exige un changement de culture organisationnelle.
  • Le partage de données entre les différents départements reste un défi majeur.
  • La mise en œuvre de l’IA dans les processus nécessite une coordination rigoureuse pour éviter les inefficacités.

Conclusion
L’IA peut transformer la gestion des processus et améliorer la performance des entreprises si elle est bien intégrée. Pour en tirer pleinement parti, les entreprises doivent structurer leurs flux de travail et s’assurer que l’IA est utilisée pour renforcer l’efficacité sans créer de nouvelles complexités.

Intégration dans la revue de la littérature
Cet article est pertinent pour mon mémoire, car il montre comment l’IA peut être utilisée pour structurer et optimiser les campagnes CRM. Il souligne aussi l’importance d’avoir une gestion bien définie pour maximiser les bénéfices de l’IA.

Bibliographie citée

• Hammer, M., & Champy, J. (1993). Reengineering the Corporation: A Manifesto for Business Revolution. Harper Business.
• Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton.
• Porter, M. E. (1985). Competitive Advantage: Creating and Sustaining Superior Performance. Free Press.

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.

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.

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.

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.

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.