Contact
France
Contact us
Replay
Article

China Data Fact #1

N'utilisez pas un "regard offline" dans un monde online !

News and insights
#e-commerce

N’utilisez pas un « regard offline » dans un monde online !

C’est particulièrement vrai lorsqu’il s’agit de savoir quelles données sont les plus importantes pour comprendre les consommateurs. Il s’agit moins de QUI ils sont, ce qu’ils ont fait, et beaucoup plus de COMMENT ils se sont comportés. La façon dont les consommateurs se comportent sur une plateforme en ligne vous en dira plus sur leur propension à dépenser que d’autres facteurs. Les marques ont besoin de saisir ces données, et beaucoup ne le font pas.

Selon les prévisions de l’IHS, les dépenses de consommation de la Chine devraient croître à un taux annuel moyen de 7,7 % par an en valeur réelle au cours de la prochaine décennie, devenant ainsi un moteur clé de la demande mondiale des consommateurs et de la croissance mondiale. Ces dernières années, les consommateurs chinois font de plus en plus leurs achats en ligne, faisant de la Chine l’un des marchés du commerce électronique les plus avancés au monde. Comme la classe moyenne émergente de Chine exige des produits et services de haute qualité, de nombreux commerçants en ligne prennent des mesures pour mieux comprendre et donc mieux cibler ce groupe de consommateurs très en difficulté. Évidemment, c’est une question de données, mais quelles sont les données qui ont le plus de valeur ?

L’étude de cas récente menée par Artefact apporte quelques éléments de réponse à cette question. Lorsqu’un internaute fait des achats en ligne (pour des services ou des produits), les marques et les plateformes saisissent des données sur ce consommateur. En formant un modèle basé sur le Machine Learning pour prédire si un client sera un grand consommateur, nous avons combiné et organisé tous les types de données sur les consommateurs. Il s’avère que le type de données qui a le plus d’influence sur leur propension à acheter n’est pas CE qu’ils ont fait, pas QUI ils sont, mais COMMENT ils se sont comportés sur la plate-forme en ligne. La question qui se pose maintenant est la suivante : quelle quantité de données recueillez-vous sur la manière dont vos consommateurs se comportent lorsqu’ils achètent votre produit ?

Étude de cas : Le cas d’une société de services de voyages en ligne utilisant un modèle de Machine Learning

Une plateforme de services de voyages à l’étranger reliant les chauffeurs locaux et les guides touristiques aux voyageurs chinois fournit toutes sortes de services de voyages tels que le ramassage à l’aéroport, la location d’une voiture, la réservation des services d’un guide chauffeur local, etc.

La problématique soulevée était de réussir à établir la réputation du voyagiste auprès de clients haut de gamme alors que peu de consommateurs étaient prêts à payer pour leur service premium.

Afin de prédire la possibilité pour un client de payer pour le service premium, nous avons d’abord extrait de nombreuses fonctionnalités, qui peuvent être organisées en 3 clusters :

  1. QUI ils sont ? Tels que l’âge, le sexe, la province, la ville, etc. des clients.
  2. Ce qu’ils avaient fait ? Tels que ce qu’ils ont acheté, s’ils ont annulé une commande, le nombre total de commandes….
  3. Comment les consommateurs se comportent-ils ? Comme le temps total passé sur la plateforme, la vitesse à laquelle ils cliquent dans l’application, le nombre de clics différents qu’ils ont effectués, s’ils ont laissé un commentaire ou non….

La plupart des fonctions disponibles portaient sur ce qu’elles faisaient (ce qui est le point de départ de tout exercice de saisie de données). Mais si l’on considère l’importance des variables, COMMENT le comportement des consommateurs a eu le plus d’influence sur leur achat de services premium : 62 % de la prévisibilité était due à ces caractéristiques, alors qu’elles ne représentaient que 35 %.

En outre, avec les commentaires des consommateurs pour les données précédentes, nous avons utilisé quelques outils pour faire l’analyse affective afin d’extraire les caractéristiques des commentaires, et à partir de ces commentaires, nous pouvons rapidement savoir quel endroit a besoin d’être amélioré.

Pour mieux comprendre comment les clients prennent leurs décisions d’achat, nous avons observé dans de nombreux cas que le facteur le plus important est la variance des comportements des clients, plutôt que les actions et les caractéristiques démographiques. Avec des données comportementales riches, des fonctions dérivées et des analyses avancées, les commerçants peuvent facilement identifier et cibler les clients qui sont susceptibles de devenir des abonnés Premium. La bonne nouvelle est que dans le e commerce, les marques peuvent voir beaucoup plus de données sur le comportement des consommateurs que dans le commerce de détail hors ligne. Mais tu ferais mieux de l’anticiper.
En résumé, n’utilisez pas vos « yeux hors ligne » dans un monde en ligne. Et c’est également vrai en matière de données.

 

Vous souhaitez en savoir plus sur le e commerce en Chine ou l’utilisation des données afin de mieux comprendre et identifier vos clients ?

Nos experts sont à votre disposition pour répondre à vos questions !

Contactez-nous

Publié par
Edouard de Mezerac, Senior Partner & Head of Data & Consulting APAC