« Lorsque vous partagez des données de manière transparente sur vos plateformes, d’innombrables possibilités s’offrent à vous, affirme Vinay Gopinath. Vous n’envoyez pas simplement des e-mails ou des notifications push : vous orchestrez une véritable expérience omnicanal, ce qui est extrêmement efficace. »
Établir un socle stratégique
En collaboration avec Bounteous, cabinet de conseil en transformation digitale et partenaire de mise en œuvre, Vinay Gopinath et son équipe ont mis au point pour CCETH une stratégie de personnalisation comportant quatre étapes clés :
- Structuration de l’équipe pour favoriser la collaboration
- Centralisation des données pour avoir une vision claire de la clientèle
- Définition de cas d’usage à utiliser comme socle stratégique
- Mise en œuvre de la stratégie dans le cadre des cas d’usage
Fort d’une solide expérience en marketing digital, Vinay Gopinath était convaincu qu’il fallait impliquer l’équipe technique dès le début du projet. Plutôt que d’adopter une approche traditionnelle où le service commercial envoie des idées à l’équipe technique pour qu’elle les mette en pratique, il a préféré réunir tout le monde autour de la table et ce, tout au long du processus, de la planification à l’itération en passant par l’exécution. Avec des membres répartis aux quatre coins du monde, l’équipe a également dû repousser les frontières pour travailler ensemble.
L’étape suivante consistait à décloisonner et à centraliser les données issues de différentes sources. Pour ce faire, l’équipe avait besoin d’une solution combinant les données e-commerce d’Adobe Commerce (y compris les données comportementales telles que l’ajout d’articles à un panier, les données de profil et les données de back-office de type historique des commandes) aux informations provenant d’autres sources, comme l’ERP et le CRM de l’entreprise. Elle a donc utilisé l’extension de partage des données d’Adobe Commerce, qui a permis de transférer les données vers Adobe Experience Platform et Adobe Real-Time CDP, où elles ont été standardisées en profils client unifiés.
« Grâce à l’intégration d’Adobe Commerce, nous pouvons capturer chaque point de contact avec les consommateurs et les consommatrices, se félicite Vinay Gopinath. Cela nous permet de créer des profils client détaillés et ce, dès leur arrivée sur notre site web. »
Désormais capables d’établir des profils client complets, Vinay Gopinath et son équipe étaient fin prêts à créer des parcours sur mesure. Ils ont donc identifié et priorisé les cas d’usage possibles en fonction des interactions avec la clientèle, des initiatives marketing et des stratégies de personnalisation, produisant un framework qui repose sur les trois piliers suivants :
- Cas d’usage susceptibles de générer des revenus
- Cas d’usage favorisant l’engagement et la rétention
- Cas d’usage ayant permis d’analyser et de reproduire ce qui a fonctionné
Offrir une expérience véritablement omnicanal
L’équipe s’est d’abord attaquée à un cas d’usage classique en matière d’engagement : l’abandon de panier. Avant l’intégration des données, il fallait attendre jusqu’à 48 heures pour que ces dernières indiquent si un client ou une cliente de CCETH avait finalisé ses achats. Les informations circulant désormais en temps réel, l’équipe a pu envoyer des rappels par e-mail immédiats et personnalisés aux personnes qui n’avaient pas terminé leur transaction en l’espace d’une heure. Résultat : le taux d’ouverture des e-mails a augmenté de 36 %, le taux de clics de 21 % et celui de conversion de 8,5 %.
L’équipe ne s’est pas arrêtée aux e-mails. Elle a également envoyé des rappels sous forme de messages contextuels sur le site web et de notifications push, avec notamment une nouvelle intégration WhatsApp. Journey Optimizer lui a permis de déterminer la fréquence et les canaux de communication appropriés en fonction du comportement de la clientèle, des scores de propension générés par l’IA et d’autres informations.
« Journey Optimizer nous a offert de nouvelles opportunités sur de nombreux canaux, déclare Vinay Gopinath. Nous avons ainsi pu orchestrer une expérience véritablement omnicanal. »
La possibilité d’accéder aux informations en temps réel a également aidé CCETH à utiliser Adobe Customer Journey Analytics pour mieux comprendre les comportements des sociétés de mise en bouteille et des entrepôts en matière de commande. En plus de pouvoir visualiser immédiatement les produits en rupture de stock, l’équipe de Vinay Gopinath a désormais la possibilité de déclencher des communications personnalisées à l’intention des embouteilleurs via Journey Optimizer et ce, en fonction des codes postaux où la demande augmente en raison de facteurs saisonniers.
Elle s’est par ailleurs appuyée sur l’analytics pour dégager des tendances d’achat et les corréler aux recommandations de produits générant le plus de revenus. « Nos recommandations de produits doivent s’appuyer sur des chiffres concrets en termes de revenus. À défaut, il est difficile de justifier ce que nous faisons, précise Vinay Gopinath. Avec Customer Journey Analytics, les parties prenantes de l’entreprise peuvent visualiser facilement les progrès que nous accomplissons grâce aux tableaux de bord que nous créons. »
Customer Journey Analytics a de plus aidé l’équipe à trouver de nouvelles façons de réengager et de satisfaire sa clientèle ponctuelle, par exemple en envoyant des bons de réduction personnalisés pour l’anniversaire d’un client ou d’une cliente ou en réponse à un évènement potentiellement négatif, comme la tentative d’utilisation d’un code promotionnel expiré. Elle a également pu identifier la clientèle la moins susceptible d’effectuer un achat afin d’améliorer ses dépenses média.
Exploiter le potentiel de la personnalisation
Avec son équipe de spécialistes internationale, Vinay Gopinath a créé un playbook de personnalisation visant à repenser la stratégie mondiale de Coca-Cola. Elle a d’ailleurs déjà été déployée aux États-Unis sur le site Coca-Cola Store, auquel la personnalisation de la découverte de produits, optimisée par notre technologie d’IA et de machine learning Adobe Sensei , a apporté une valeur ajoutée immédiate.
Les premiers résultats ont montré que l’individualisation des recommandations de produits en fonction des comportements et des préférences de la clientèle a entraîné une augmentation de 117 % du nombre de clics et de 36 % du chiffre d’affaires. Coca-Cola Store a également enregistré un taux de clics de 17 % pour ses recommandations de vente croisée de type « souvent achetés ensemble ». La fonction de recherche intégrée au site a quant à elle engendré un taux de conversion de 19 %, les trois premiers résultats comportant généralement les articles souhaités par la clientèle.