Opérateurs télécoms : pour un marketing piloté en temps réel

C’est l’étape suivante de la transformation qui a démarré au début des années 1990. Les télécoms sont passés d’opérateurs de services publics avec une offre très restreinte (une ligne téléphonique, pas de choix de plan ou d’appareil, aucun besoin d’effort de promotion), à la libéralisation des marchés avec son corollaire le marketing de « masse ». Les pratiques marketing des opérateurs ont évolué, elles se sont améliorées grâce à la segmentation et l’analyse avancée des données… Mais en continuant de gérer de grandes catégories d’audiences, des segments, sans individualisation (ex : « jeune mère de famille active »). 

Or, les consommateurs sont en attente de réponses adaptées à leurs besoins individuels, en temps réel. Cela exige donc de porter une attention particulière à des données fines, personnelles, un changement que les responsables marketing ont parfois du mal à gérer. Comme l’a montré l’étude du Capgemini Research Institute, les organisations considèrent parfois qu’une transformation n’implique que des aspects technologiques, alors qu’il s’agit bien de faire évoluer l’ensemble des activités vers la création de valeur. Également, ils oublient de penser « client first » et n’adaptent pas les processus internes en conséquence. Enfin, les efforts d’innovation sont souvent dispersés entre les différents métiers sans suffisamment de coordination ni de coopération. 

Saisir l’opportunité d’une relation plus étroite avec ses clients implique pour les opérateurs d’être attentifs à leurs besoins et d’y répondre, dans tous les moments de leur vie, de la bonne manière, au bon endroit. 

Les moments critiques

Les variantes sont multiples : la gamme d’offres et d’actions disponible doit correspondre à la diversité de « moments » vécus par le client et les contextes dans lesquels il évolue. Les processus de décision sur les interactions sont donc complexes, et doivent être adaptés régulièrement pour suivre les conditions du marché et la stratégie d’entreprise. Voici quelques exemples de « moments critiques » : 

• La navigation sur les pages web des conditions d’annulation ou détails du contrat permet d’aborder la rétention du client de manière proactive. 
• Dépassement de forfait : prévenir le client peut éviter les factures impayées et résiliations, ou encore suggérer des conditions de paiement ou un changement de forfait, et ainsi améliorer la satisfaction du client. 
• Un enfant ayant besoin d’un téléphone portable : possibilité de passer à un forfait familial. 
• Voyages à l’étranger : les sites web visités et l’utilisation de l’itinérance peuvent aider à anticiper les besoins en matière de plans internationaux. 

Les principaux défis d’une expérience client réussie

Les principaux défis à relever pour offrir une expérience véritablement personnalisée sont : 

• La mise en place d’une nouvelle solution de gestion d’interaction est souvent gérée comme un projet technique, sans effort suffisant sur l’alignement avec les objectifs commerciaux et la transformation des équipes opérationnelles, ni sur la mise en place et le suivi de KPI business. 
• La prise de décision en temps réel n’est pas identifiée comme une fonctionnalité centrale distincte et est donc mise en œuvre de différentes manières pour différents canaux ou offres ; cela entraîne des redondances, des inefficacités et un manque de cohérence dans l’expérience client. 
• Le machine learning et l’analytics avancé sont nécessaires pour atteindre une compréhension approfondie des clients. Mais passer d’un environnement expérimental à une production à grande échelle s’avère difficile pour de nombreuses organisations. 
• Il est difficile d’obtenir des données de qualité. Celles-ci sont difficiles à collecter à travers les nombreux silos des télécoms (service client, utilisation, réseau…), notamment dans le contexte du RGPD et des réglementations sur les données personnelles. Une fois les données traitées et préparées, en obtenir l’accès est difficile en raison de la multiplicité des référentiels de données et des domaines organisationnels. 

Quatre composantes pour une interaction client performante 

1. L’alignement avec le business  

Une stratégie d’interaction client « data-driven » doit être basée sur des indicateurs solides et un suivi continu, afin de garantir l’efficacité et l’alignement sur les objectifs de l’entreprise. Ces objectifs peuvent être déterminés par des questions qui engagent souvent un parcours de transformation. Veut-on réduire le taux de désabonnement ? Développer des ventes additionnelles au sein d’une même famille ? Les jeunes sont-ils les clients prioritaires ? Une fois ces facteurs identifiés, nous pouvons définir les points d’amélioration prioritaires et les KPI associés. Disposer d’indicateurs bien définis permet de hiérarchiser et de sélectionner les cas d’usage, d’évaluer leur valeur commerciale et l’impact en temps réel, d’apprendre et de s’améliorer.

2. Les décisions en temps réel  

Pour répondre aux besoins des clients et les anticiper, il est essentiel d’être capable de décider et d’agir rapidement. Les décisions en temps réel améliorent l’expérience utilisateur, réduisent les coûts et les risques en réagissant instantanément à l’action du client. Une solution centralisée permet d’exploiter toute la connaissance sur le comportement du client et son expérience, et d’offrir une expérience cohérente et pertinente, avec une vue globale sur tous les canaux. Cette solution doit être facilement configurable par les fonctions marketing, permettant la création d’une riche bibliothèque de scénarios d’interaction, adaptés à la variété des situations rencontrées. 

3. La connaissance client 

Pour produire des insights, nous avons besoin de modèles statistiques sophistiqués sur différents aspects de la connaissance client. Ces modèles doivent être spécialisés pour tester différents critères : modèles de prédiction de la propension au désabonnement, de pertinence d’une vente additionnelle, de propension à utiliser un canal, du score de satisfaction… On peut ensuite construire des « déclencheurs » de scénarios et établir des priorités. 

Tous ces modèles doivent fonctionner en temps réel, pour produire des inférences et des scores, puis alimenter des décisions « data-driven ». Leur développement doit être industrialisé et maintenu de manière fiable et efficace, en utilisant les pratiques MLOps et une plateforme de données et d’IA. 

4. Des données fiables 

Si la plupart des entreprises ont aujourd’hui accès à des insights basés sur la data, seule une partie les exploitent et les valorisent dans leurs opérations quotidiennes. Pour créer des interactions personnalisées et pertinentes, les opérateurs télécoms doivent combiner et unifier différents ensembles de données provenant de sources diverses, allant des données démographiques, des offres souscrites, des visites sur les sites web, de mesure d’audience, de la qualité du réseau, de l’utilisation des services, jusqu’aux interactions avec les espaces client. Or, très souvent dans les organisations ces données se présentent sous de nombreux types et formats et proviennent de sources hétérogènes. 

Pour faire face aux complexités organisationnelles et techniques nuisant à la fiabilité du patrimoine de données, l’organisation doit mettre en place une gestion adaptée (data management), soutenue par une plateforme data.

Comment devenir une direction marketing « data-driven » 

Les télécoms doivent s’engager dans un programme pragmatique en trois étapes : 

1. Formuler leur vision, la communiquer et la « traduire » en cas d’usage prioritaires, permettant une mobilisation efficace pour des objectifs clairs.
2. Implémenter les cas pilotes prioritaires et les suivre via des KPIs. La mise en place du suivi dès le début permet d’adapter progressivement les règles et les scénarios, et d’obtenir un retour rapide sur la situation.
3. Industrialisation par itération : définir de nouvelles étapes, les mettre en œuvre et faire les ajustements nécessaires. Les premiers retours sont utilisés rapidement pour s’améliorer, en construisant un système d’insights sur les clients et d’interactions pertinentes au fil du temps, sur la base de pratiques fondées sur la data.