La donnée “1st party” au service de l’achat média: l’approche de Tinyclues (interview)

mars 26, 2018

data

L’entreprise française Tinyclues collectionne les annonces : une levée de fonds de 18 millions de dollars auprès d’EQT Ventures, Alven, ISAI et Elaia Partners, rendue publique en février ; une croissance record en 2017, qui aurait dépassé les 100 %, dévoilée récemment ; et, quelques mois auparavant, l’obtention de l’étiquette convoitée de « vendor to watch » attribuée par Gartner. En France l’entreprise travaille avec des marques aussi premium qu’Air France, Agnès B, Cdiscount, Chevignon, Club Med, Corsair, Fnac, Lacoste, Vente-privée, Morgan, Nature & Découvertes ou Oui.sncf. Nous interrogeons Francois Laxalt, directeur du produit marketing, pour comprendre plus en détails cette solution qui applique l’intelligence artificielle aux technologies d’activation marketing et média.

Vous proposez une solution ayant recours à l’intelligence artificielle pour la gestion et l’activation du CRM des entreprises. Pour ce qui touche aux campagnes d’achat médias, que proposez-vous précisément ?

Francois Laxalt, Tinyclues.

Francois Laxalt, Tinyclues.

Tinyclues est une solution SaaS de « Marketing Campaign Intelligence ». Elle est basée sur l’intelligence artificielle et permet aux marketeurs de générer du chiffre d’affaires additionnel grâce à ses fonctions de ciblage intelligent et d’optimisation de l’agenda marketing, sur les canaux CRM traditionnels ou les médias en ligne. Tinyclues utilise des algorithmes de « deep AI », que nous considérons comme une innovation majeure dans le domaine de l’intelligence artificielle, afin d’analyser les données marketing first-party et de détecter les futurs acheteurs de tout produit, même en l’absence d’intention explicite. Plus de 80 entreprises utilisent Tinyclues pour orchestrer plus de 600 millions de messages par mois sur des canaux traditionnels tels que l’e-mail, les notifications mobiles, le courrier, les centres d’appel ou les SMS. Sur ces canaux, en moyenne, nos clients ont mesuré une augmentation de 49 % du CA de leurs campagnes marketing (sur des centaines d’A/B tests), une nette progression de la satisfaction client et un impact majeur sur leur capacité à exécuter leur stratégie marketing. Ce savoir-faire se transpose maintenant sur les médias online. En effet, depuis environ un an, une nouvelle tendance est en train d’apparaître sur le marché et chez nos clients : utiliser toute la richesse des données marketing first-party pour optimiser les campagnes d’achats média, que ce soit sur Facebook, ou au travers des possibilités offertes par Google. Nous avons une dizaine de clients qui aujourd’hui utilisent Tinyclues pour identifier les futurs acheteurs à cibler pour des pubs produit sur Facebook. Les résultats sont d’ailleurs extrêmement intéressants et varient de +20 % à +60 % sur le CA généré par euro dépensé.

Comment interagissez-vous avec l’écosystème de l’achat média en ligne ?

Ce sont nos clients qui interagissent avec l’écosystème de l’achat média en ligne. Ils planifient les produits qu’ils veulent mettre en avant dans leurs campagnes pub online et utilisent Tinyclues pour identifier les futurs acheteurs probables. Notre solution communique ensuite avec les plateformes type Facebook Custom Audiences pour ingérer ces cibles acheteuses et leur pousser les offres produits sur les médias publicitaires.

Notre solution communique avec les plateformes type Facebook Custom Audiences pour ingérer les cibles acheteuses et leur pousser des offres produits sur les médias publicitaires.

Comment faites-vous concrètement pour détecter les futurs acheteurs d’un produit ?

Les données marketing first-party sont très riches : pour caricaturer un peu je pourrais dire que l’historique des achats, des ouvertures d’emails, du profil d’un client, etc. sont plus utiles pour prédire un achat que les clics sur des photos de chat ! Nous avons développé une approche qui applique les principes du deep learning sur les bases de données marketing. Cela nous permet d’être très pertinents dans la prédiction de qui va acheter un produit donné. Nous proposons aux marketeurs une approche intuitive : dans notre solution ils sélectionnent le produit qu’ils veulent vendre (au niveau SKU, sous-catégorie, catégorie, etc.) et en trois minutes Tinyclues trouve les futurs acheteurs. Et cela fonctionne même sur les produits de niche (à partir d’au moins 30 ventes) ! Notre algorithme de Deep AI permet de travailler sur les données brutes et de trouver les « tiny clues » qui vont prédire l’achat. Par exemple la structure de votre e-mail est un bon « prédicteur » de vos achats et de votre comportement social : une adresse en prenom.nom@gmail.com n’a pas le même comportement qu’une adresse de type theboss44@wanadoo.fr. Le « Deep AI » permet de découvrir automatiquement ces structures cachées dans les informations et de les croiser avec toutes les données disponibles. Cela fait clairement la différence en termes d’efficacité : en moyenne, nos clients ont mesuré un CA des campagnes en hausse de 49 %, mais cela va de +25 % à + 255 %. Parmi ces clients, beaucoup avaient des équipes de data scientists.

Il existe de très nombreuses solutions de data marketing sur le marché tout comme d’approches prédictives qui nourrissent les places de marché publicitaires. Quelle est votre différence ?

La première des différences est que nous utilisons des données marketing first-party uniquement : elles constituent un gisement d’informations à très forte valeur ajoutée, gratuit et largement sous-exploité. Un historique d’achat, de réactions aux e-mails et des données sociodémographiques seront toujours plus prédictives que des « likes » sur des photo

Data, tracking.

s de chat. La deuxième différence tient dans la technologie employée que nous nommons « Deep AI »: il s’agit d’un apprentissage multicouche non supervisé. Similaire au deep learning en termes de puissance et de performance, notre algorithme permet de travailler sur des bases de données relationnelles complexes, sans data management. La troisième différence est que nous avons une approche de « Campaign Intelligence » et non « Customer Intelligence ». Beaucoup de solutions partent des clients (Customer Intelligence), analysent des tendances et créent des segments prédéfinis de clients supposés identiques : le segment des clients urbains ou celui de ceux qui aiment la high-tech, etc. C’est une approche intéressante mais sous-optimale : on peut être urbain, avoir acheté de la high-tech et pourtant vouloir acheter un livre sur la vie des arbres ou réserver un trek dans le désert. Notre approche est à l’opposé et commence par les enjeux business : toutes les entreprises ont un agenda marketing, dans lequel elles planifient leurs campagnes et tous les produits ou offres à mettre en avant. Les entreprises pensent donc d’abord aux ventes ! Tinyclues part des produits à vendre dans ces campagnes et trouve les acheteurs de ces produits, dans les jours qui suivent la campagne. Il n’y a donc pas de segment ou score prédéfini par client, ce qui est de toute façon impossible quand vous avez plusieurs dizaines ou centaines de produits dans votre catalogue. Les premiers résultats observés par nos clients sur les ciblages des campagnes Facebook sont significatifs. Si on compare par exemple les campagnes Facebook Ads ciblées avec Tinyclues versus ciblées avec des méthodes traditionnelles de ciblage marketing, le CA par euro dépensé est supérieur entre 40 % et 80 %. Si on compare les campagnes Facebook Ads ciblées avec Tinyclues versus ciblées avec les critères de ciblage Facebook, le CA par euro dépensé est supérieur entre 20 % et 50 %.

Au-delà des spécificités de votre offre, le fait que votre entreprise enregistre des taux de croissance aussi importants est-il révélateur d’un besoin ou d’une tendance forte en matière d’automatisation de la gestion de la relation client et prospects par les marques ?

Dans votre question, il y a le mot ‘gestion’ de la relation client et c’est le cœur du sujet. Depuis dix ans, les directions marketing se sont équipées de solutions « martech » pour gérer leurs campagnes, c’est-à-dire principalement de faire en sorte que l’exécution sur tous les canaux soit fluide. Aujourd’hui, l’exécution est une commodité et l’automatisation du flux de campagne est quasiment réalisée. La prochaine étape pour les marketeurs, celle qui va redonner de l’avantage compétitif aux innovateurs, c’est celle de l’optimisation des campagnes, autrement dit apporter une couche d’intelligence au-dessus de la couche d’exécution pour faire des campagnes intelligentes. C’est exactement ce que nous proposons et c’est la raison pour laquelle Tinyclues est en très forte croissance et est utilisé par de plus en plus d’entreprises B2C. Et cela fonctionne en « martech » et en « adtech » !

Vous venez d’ouvrir un bureau aux États-Unis. Quelles sont vos ambitions sur place ?

Nous avons signé nos premiers clients avant d’avoir ouvert notre bureau à New-York en octobre 2017. C’est le signe que notre vision de l’IA marketing transformant la façon dont les marketeurs B2C interagissent avec leurs clients est un besoin mondial. Le marché américain est le plus grand marché logiciel et marketing au monde et nous avons donc l’ambition de devenir un acteur incontournable.

Comment l’entrée en vigueur du RGPD affecte-t-elle votre activité ?

La règlementation RGPD a eu un impact pour nous relativement mineur car notre solution a été développée depuis le début selon une approche « Privacy by Design ». D’une part nous ne traitons que des données first-party. Enfin, le « Deep AI » peut travailler sur des données totalement anonymisées. Tinyclues est donc déjà alignée avec les contraintes de la RGPD.

Questions formulées par Luciana Uchôa-Lefebvre

Partager sur :
  • 7
    Partages