Guide des cas d’usage de LLM Insights dans Adobe Customer Journey Analytics

Pour mesurer les parcours pilotés par l’IA, les organisations doivent relier ce qui se passe au niveau des services IA à ce qui se passe au sein de leurs expériences digitales. LLM Insights dans Customer Journey Analytics réunit ces deux dimensions.

Adobe Brand Visibility aide les organisations à comprendre comment leur marque se positionne et performe dans les expériences optimisées par l’IA, en offrant des informations sur les mentions de la marque, les citations, la part de voix, le trafic généré par l’IA agentique, le trafic référent et les interactions au niveau du prompt.

Customer Journey Analytics vient compléter cette vision en reliant ces signaux aux sessions, aux parcours clients, à la progression dans le funnel, aux conversions, aux revenus, à la rétention, à l’attrition et à l’attribution.

Les cas d’usage suivants illustrent comment cette vision unifiée aide les organisations à répondre aux questions essentielles : quelle place occupe le trafic piloté par l’IA dans le mix d’acquisition, quelles pages visibles par les IA sont sous-performantes, comment la présence de la marque sur l’IA est liée aux signaux de demande et de revenus, et quelles actions d’optimisation améliorent les performances.

Apport de LLM Insights

LLM Insights aide les équipes à intégrer l’acquisition pilotée par l’IA dans l’environnement de reporting qu’elles utilisent déjà pour évaluer les autres canaux.

Brand Visibility identifie les plateformes IA, les prompts, les citations et les chemins de référence associés au trafic entrant. Customer Journey Analytics intègre ce trafic dans le reporting des canaux, permettant aux équipes d’évaluer les parcours issus des IA aux côtés de la recherche organique, des médias payants, des e-mails et des réseaux sociaux.

Le trafic piloté par l’IA étant analysé au sein des workflows existants de Customer Journey Analytics, les équipes peuvent comparer les LLM aux autres canaux d’acquisition digitaux sans créer de silo analytics.

Mise en pratique par les équipes

Une fois le trafic issu des IA visible dans le reporting des canaux, les équipes peuvent déterminer la place des LLM dans le mix d’acquisition. Elles peuvent notamment :

• Identifier les plateformes IA qui génèrent des visites.
• Identifiez les prompts et les citations associés à ces visites.
• Créez des vues d’acquisition spécifiques à l’IA dans Customer Journey Analytics.
• Comparez le trafic référencé par l’IA avec les autres canaux.

Par exemple, un retailer de grande envergure peut savoir que le trafic piloté par l’IA progresse dans tout le secteur, sans pour autant mesurer la part qu’il en capte. En s’appuyant sur Brand Visibility pour détecter les citations et les clics de référence provenant de plateformes comme ChatGPT, Gemini et Claude, puis en intégrant ces signaux dans Customer Journey Analytics en tant que canal d’acquisition GenAI, le retailer peut comparer le trafic généré par l’IA aux canaux traditionnels.

Apports de LLM Insights

Brand Visibility identifie les pages qui bénéficient d’une forte visibilité dans les réponses générées par l’IA, notamment les citations, les URL de destination et le trafic de référence dans les LLM. Customer Journey Analytics mesure ensuite ce qui se passe après l’arrivée des visiteurs : taux de rebond, profondeur d’engagement, conversions, chiffre d’affaires et autres mesures de parcours client.

En connectant ces vues, LLM Insights permet de détecter les points où les visiteurs référencés par l’IA abandonnent leur parcours, les expériences qui génèrent de la friction et les pages à forte visibilité nécessitant une attention prioritaire.

Mise en pratique par les équipes

Lorsque les équipes connectent les signaux de visibilité IA aux données de parcours, elles peuvent :

• Identifier les points où les visiteurs quittent le site ou abandonnent le parcours, notamment lors du processus de paiement.
• Hiérarchiser les améliorations UX et les tests AB sur les pages recevant le plus de trafic généré par l’IA.
• Mesurer si les améliorations apportées aux pages augmentent les conversions et le chiffre d’affaires provenant des visiteurs IA.

Par exemple, un retailer spécialisé dans l’électronique peut découvrir que plusieurs pages de guide d’achat sont fréquemment citées par des assistants IA et génèrent un trafic de référence important. En combinant Brand Visibility avec Customer Journey Analytics, le retailer constate que les visiteurs et visiteuses mobiles affichent un taux de rebond plus élevé et que de nombreux utilisateurs et utilisatrices abandonnent l’étape de financement lors du paiement. Fort de ces informations, l’équipe peut prioriser des corrections au niveau des pages, telles que des formulaires allégés, des CTA plus clairs et une meilleure ergonomie mobile pour les pages visibles par l’IA présentant le plus grand écart de conversion.

Apport de LLM Insights

En connectant la présence de marque IA aux résultats clients et au pipeline commercial, LLM Insights aide les équipes à déterminer si l’autorité dans les expériences générées par l’IA se traduit par une valeur commerciale mesurable.

Brand Visibility mesure les mentions de marque, les citations, le sentiment et la part de voix sur les principaux LLM et les sources tierces telles que Reddit et Wikipedia. Customer Journey Analytics relie ces signaux aux indicateurs d’engagement et de conversion, notamment les soumissions de formulaires de leads, les téléchargements d’essai, les demandes de démonstration, le pipeline influencé et les revenus.

Lorsque les données de visibilité IA et de parcours client sont combinées, les équipes peuvent identifier les thématiques ou les investissements de contenu qui entretiennent la relation la plus forte avec les performances commerciales, plutôt que de mesurer la présence IA de manière isolée.

Mise en pratique par les équipes

Lorsque les équipes disposent d’une vue unifiée de la présence de marque IA et des performances du pipeline, elles peuvent :

• Analyser l’impact du sentiment de marque sur l’engagement, les demandes de démonstration et les revenus influencés.
• Identifier les thématiques et les axes de contenu qui génèrent à la fois une forte autorité IA et contribuent à une génération de leads significative.
• Concentrez vos efforts SEO, contenus et earned media sur les thématiques et sources les plus associées à un engagement fort.

Par exemple, un fabricant industriel investit massivement dans le leadership éclairé sur des thématiques telles que la maintenance prédictive et les vannes de sécurité, améliorant ainsi sa visibilité IA. Pourtant, la marque peine encore à déterminer si cela génère des opportunités commerciales. En s’appuyant sur Brand Visibility pour mesurer le sentiment et la part de voix de ces thématiques, puis en connectant ces données à Customer Journey Analytics, l’entreprise peut corréler les progrès de visibilité IA avec des résultats concrets et ajuster ses futurs investissements en contenu en conséquence.

Apport de LLM Insights

LLM Insights permet aux équipes de relier les actions d’optimisation IA aux évolutions de visibilité, de trafic et de performance en aval, sur la durée.

Brand Visibility mesure la présence de la marque sur les plateformes IA, notamment en termes de part de voix et de performance concurrentielle pour les prompts et thématiques prioritaires, et recommande également des optimisations de contenu et techniques, comme l’amélioration des FAQ, des pages produit, des contenus d’éligibilité et des données structurées. Customer Journey Analytics mesure ensuite l’impact de ces efforts d’optimisation sur les résultats clients, tels que les demandes d’essai, les inscriptions, les commandes et les revenus.

En combinant les informations concurrentielles sur l’IA avec les données de parcours client, les organisations peuvent prioriser les optimisations les plus susceptibles de produire des résultats tangibles.

Mise en pratique par les équipes

En connectant la visibilité IA concurrentielle, les activités d’optimisation et les résultats du parcours client, les équipes peuvent appréhender l’optimisation IA comme un véritable programme de performance, plutôt que comme un ensemble de correctifs techniques ou de contenus déconnectés. Elles peuvent ainsi :

• Évaluer la visibilité IA par rapport aux concurrents sur les prompts et sujets à fort potentiel.
• Identifier les pages et expériences à prioriser pour l’optimisation IA.
• Mesurer l’impact des efforts d’optimisation sur l’acquisition client et la conversion.

Par exemple, une banque de détail peut découvrir grâce à Brand Visibility que ses produits de compte courant n’apparaissent que dans un faible pourcentage des recommandations générées par l’IA, tandis que ses concurrents dominent les mêmes prompts. La banque peut alors prioriser les améliorations des FAQ, des tableaux de taux et des pages d’éligibilité sur la base des recommandations de Brand Visibility.