Marketing prédictif: vers la personnalisation des prix

Marketing prédictif et personnalisation de l’offre

Le marketing prédictif dépasse le segment et va vers le consommateur. La personnalisation basée sur la donnée s’impose comme un levier majeur de la satisfaction client et donc de la croissance. Les moteurs de recommandations permettent des offres plus pertinentes, plus de conversion, et au final renforcent les marques. Les cas d’usage abondent: pour les voyagistes, recommandations de destination en fonction des historiques d’achat et de la météo; pour les libraires, recommandations de lecture en fonction des préférences observées sur les réseaux sociaux; pour les e-marchands, ciblage fin des promotions en fonction, aussi, des comportements d’achat et de navigation, ou encore personnalisation des écrans et de l’ordre des produits proposés. D’autres cas d’usages sont décrits ici.

Le prix, au cœur de la relation client, est l’étape suivante de cette évolution. Les secteurs des services dits « à date fixe » pratiquent de longue date et avec succès le yield management – transport, hospitalité, spectacles, manifestations sportives. Mais le retail, qu’il soit on- ou off-line, est encore loin de la personnalisation des prix basée sur la donnée. En 2016, 5% des entreprises européennes seulement ont mis en place des techniques évoluées de pricing; Excel est encore utilisé par 75% des entreprises pour calculer et suivre leurs prix, y compris dans le retail (Second Global Pricing Maturity 2016, European Pricing Platform).

Pricing 3.0: le bon contenu, au bon moment, au bon endroit — et au bon prix

Le potentiel économique d’adapter le prix au client n’est pas une nouveauté. La vente B2B a de tout temps utilisé la segmentation des prix (d’ailleurs rarement publics) en fonction du prix de réserve supposé de chaque client. Les économistes et les entreprises savent depuis que le commerce existe que des prix personnalisés, quand le marché le permet, sont une puissante source de valeur.

Ce qui est nouveau, c’est que le e-commerce offre une combinaison inédite de deux ingrédients:

  • Le Big Data: des données individuelles riches acquises rapidement, automatiquement et à bas coût.
  • La possibilité de modifier en temps réel les prix client par client, référence par référence.

D’autres éléments font que les lignes bougent vers la personnalisation du prix, et qu’elle vont bouger de plus en plus:

  • Les techniques prédictive d’estimation de la « valeur perçue » d’une offre pour chaque client individuel ont fait d’énormes progrès. Il est aujourd’hui envisageable de calculer le prix de réserve de chaque client en fonction des prix de la concurrence, de la cyclicité de la demande au sein du mois, de la semaine ou de la journée, et bien sûr du comportement observé de ce client.
  • Le yield management a familiarisé le marché au pricing dynamique. Et a aussi montré que ces techniques sont comprises et acceptées dès lors qu’elles sont transparentes et respectueuses des données personnelles.

Personnaliser, pas discriminer

L’expérience des États-Unis, probablement le pays qui a le plus expérimenté en matière de pricing personnalisé (voir Big Data and Differential Pricing), suggère que les consommateurs sont très sensibles à tout ce qui pourrait ressembler à de la discrimination. La question de la confiance des clients dans le prix offert et donc de la transparence de ce prix est centrale. On se souvient des réactions très négatives provoquées par Amazon à la suite d’une expérience (ratée) de pricing personnalisé non transparent.

Pour le e-commerce, des règles doivent être suivies pour s’assurer que la valeur créée par la personnalisation du prix est équitablement partagée entre vendeur et acheteur, et perçue comme telle:

  • Se limiter aux clients authentifiés. Les internautes n’aiment pas ne pas comprendre ce qui leur arrive. Pourquoi ce prix? Suis-je manipulé par les cookies, mon adresse IP? Insistons: comme l’a montré l’expérience du yield management, les prix personnalisés ne sont acceptés que s’ils sont transparents. Pour le e-commerce une manière simple d’assurer cette transparence est de limiter les prix personnalisés aux client authentifiés, qui comprennent alors qu’ils sont explicitement la cible d’une offre qui leur est réservée.
  • Les prix personnalisés doivent toujours être plus bas que les prix non-personnalisés offerts à tous. Même si borner les prix personnalisés par les prix permanents non personnalisés bride l’efficacité brute de l’approche (parce que le prix de réserve de certains clients est plus élevé que le prix non-personnalisé), c’est la condition de leur acceptabilité. Et c’est aussi se prémunir contre les tentatives de manipulation des algorithmes – qui pourraient avoir lieu si un client a intérêt à faire un achat anonymement. Il faut à tout prix, si on ose le jeu de mots, éviter qu’un client reçoive un prix personnalisé plus élevé que le prix visible aux internautes non authentifiés.
  • Utiliser seulement les historiques d’achat et de navigation. Parce qu’ils s’apparenteraient à une discrimination permanente entre clients et pourraient créer des opportunités également permanentes d’arbitrage, des prix basés sur les variables d’état des internautes telles que l’adresse IP, la localisation, l’âge, le revenu, etc. sont à proscrire. La bonne nouvelle est que la recherche (voir par exemple le travail de Benjamin Schiller sur Netlflix) a montré que les variables de comportement telles que les historiques d’achat et de navigation sont (beaucoup) plus efficaces à mesurer l’appétence des clients pour une offre particulière.
coussins

Attention aux arbitrages!

Le pricing personnalisé est-il de la fidélisation?

Non, le pricing personnalisé 3.0 n’est pas de la fidélisation, même quand il se limite aux clients authentifiés. La fidélisation n’agit pas sur les prix individuels des références. Typiquement, un programme de fidélisation attribue aux clients, en fonction de leur volume d’achat total, des avoirs applicables à tous les produits du catalogue sans distinction. Le pricing personnalité 3.0 peut d’ailleurs sans problème se superposer aux systèmes de fidélisation.

La personnalisation des prix est-elle légale?

Cette question importante revient souvent sur les lèvres de nos clients : nous comprenons la logique business des prix personnalisés, mais… est-ce bien légal?

La réponse est sans équivoque positive. Le droit commercial dans l’UE pose comme principe la liberté des prix dans les secteurs concurrentiels. Hors entente anticoncurrentielle, un vendeur est libre de fixer son prix comme il le souhaite. Les prix personnalisés sont légaux dans l’UE.

Mais attention, ce n’est pas la fin de l’histoire. Les pratiques commerciales trompeuses (en France, Art. L.121-1 du Code de la consommation) sont, elles, tout à fait illégales. En matière de prix, de nombreux marchands se sont faits taper sur les doigts. Citons notamment:

  • L’indication d’un prix spécial alors qu’il s’agit du prix habituellement pratiqué;
  • Un prix indiqué dans la publicité qui ne correspond pas au produit dessiné ou à la photo illustrant la publicité.

En conséquence, les e-marchands et leurs prestataires ont une obligation renforcée de loyauté sur la fixation des prix. De nouveau, il est nécessaire d’annoncer clairement aux clients la personnalisation des prix et les principes de cette personnalisation.

La protection des données est essentielle

Dès lors qu’un profilage individuel des clients existe, la protection des données personnelles est essentielle – vrai pour le marketing prédictif en général, et vrai pour le pricing personnalisé. Les e-commerçants et leurs prestataires doivent se préparer à l’entrée en vigueur, en 2018, du Règlement européen sur la protection des données. Ce texte généralise dans l’UE des règles renforcées de protection des données incluant le droit d’accès, de rectification, de portabilité et d’opposition au traitement automatisé, ainsi que l’obligation de chiffrement.

De plus, si, comme recommandé, seuls les historiques de navigation et d’achat sont utilisés, les données fournies aux algorithmes ne comporteront aucune information nominative (nom, prénom, email, adresse postale, adresse IP, etc.) Cette anonymisation est une protection supplémentaire des données et elle est fortement conseillée.

Quels algorithmes?

Le marketing prédictif utilise des procédures statistiques de classification basées sur la recherche de look-alikes: on identifie des clients similaires à des clients ayant déjà acheté le produit qui est l’objet de la personnalisation, selon des dimensions de similitude qui comprennent habituellement les historiques d’achat et de navigation.

algo-personnalisation-prix

Exemple d’algorithme de personnalisation des prix

Ces algorithmes ont fait leur preuve. Ils sont efficaces pour classer les clients par score d’appétence sur un produit déterminé et donc pour personnaliser et cibler des actions de promotion et de vente.

Ils ne sont cependant pas suffisants pour la mise en œuvre du pricing personnalisé. En pricing prédictif, personnalisé ou non, il faut expliquer l’appétence du client en fonction du prix proposé. Et en déduire le prix optimal qui équilibre convenablement la probabilité d’achat et les objectifs de marge ou de chiffre d’affaires. Trop bas, la marge est insuffisante; trop haut, on ne vend pas. Les algorithmes mis en œuvre doivent donc prévoir les quantités vendues (ou les probabilités d’achat) en fonction des prix de vente, entre autres variables explicatives (voir Fondements scientifiques du pricing prédictif).

Le défi du temps réel

La mise en production de ces algorithmes en temps réel est critique. Il serait en théorie possible de calculer de manière asynchrone le prix de toutes les combinaisons produits/clients, mais le nombre en est rapidement astronomique. Par exemple, pour un catalogue de 300 000 références (courant en e-commerce) et 200 000 clients, il faudrait calculer et stocker 60 milliards de prix – évidemment impossible. Il est nécessaire de calculer le prix à la volée, lors de la visite du client. Comme l’illustre le diagramme ci-dessus, certaines tâches lourdes en calcul peuvent cependant être faites en asynchrone. Le modèle individuel d’achat notamment peut être estimé de cette manière.

Le client, comme toujours sur le web, a une très faible tolérance aux lenteurs d’affichage et le passage au temps réel n’est pas le moindre des défis techniques du pricing 3.0.