BMW France dope ses campagnes de réachat grâce au prédictif

Grâce à la donnée, BMW France optimise ses campagnes de réachat auprès de ses clients en affinant les dates de rappel. Le taux de concrétisation des appels a augmenté de 20% grâce à l’usage d’un modèle prédictif et de scoring.

Appeler le client au bon moment 

C’est ce qu’a présenté Stéphane Delaporte, responsable marketing digital et CRM de la marque BMW, en avril dernier à l’occasion de l’événement Future of Data, CRM & Programmatic organisé par le Hub Institue à Paris.

BMW constate une augmentation de 20% en moyenne, sur l’ensemble des campagnes de Push repurchase. Tout l’enjeu est d’appeler le bon client au bon moment pour qu’il acquière un nouveau modèle BMW. « La décision d’achat pour un véhicule neuf dans l’automobile se fait en 2 mois pour la grande majorité de nos clients. 2 mois c’est extrêmement court » présente Stéphane Delaporte. Les points de contact sont alors très variés, le client allant chercher de l’information très majoritairement en digital. « Nous devons nous inscrire dans le parcours d’achat et aller chercher le ‘lead’ là où il est pour l’envoyer en concession. Nous avons une obligation de résultat » poursuit-il.

Le discours et les arguments doivent être extrêmement fins. « Il faut être le plus percutant possible dans un monde qui est extrêmement concurrentiel et avec une actualité produits qui est très soutenue chez BMW puisque nous lançons un modèle par mois » reconnaît-il. La fenêtre de tir est très courte pour séduire et conclure.

La précision est l’enjeu majeur

« L’enjeu c’est la précision, on va utiliser la data pour être précis » pointe le responsable marketing. La précision est l’enjeu majeur pour les constructeurs automobiles, il faut prédire le bon mix entre le moment et le modèle à proposer cela en fonction de chaque cible de prospects.

« On a construit un modèle prédictif que l’on est en train d’étrenner. Ce modèle fonctionne à partir d’un historique des données de vente d’environ 8 ans chez BMW, cela fait des millions de lignes et nous avons des données prospects également puisque nous achetons des données à un organisme étatique 3A » présente-t-il. Il s’agit de faire parler cette data et d’y mettre de l’intelligence afin d’orchestrer les campagnes marketing de manière optimale. « Cet algorithme va permettre  de réaliser un scoring d’appétence à la marque » ajoute-t-il.

Et il faut mettre de l’intelligence dans cet algorithme. « Par exemple, si j’ai un client BMW qui a 53 ans, c’est l’âge moyen, il en est à sa deuxième BMW, on constate qu’il a acheté une twingo, la machine nous dirait qu’il y a un problème, il y a une attrition, votre client est en train de quitter la marque, sauf que si on met un peu d’intelligence derrière cela, on va se dire que c’est sans doute un client qui a acheté une voiture pour sa fille » illustre-t-il.

Les mathématiciens ne doivent pas guider les campagnes marketing

C’est un des biais qu’il faut retirer de la data. « Pour ne pas laisser les mathématiciens guider les campagnes marketing » souligne-t-il. Côté CRM, concrètement, le comportement d’achat pour un véhicule d’entrée de gamme est différent de celui pour un modèle de haut de gamme. C’est là que l’algorithme intervient.

« Ce serait illusoire de rappeler tous les clients à la même date quelque soit le modèle qu’ils possèdent, c’est pourtant ainsi que l’on fonctionnait avant. On les rappelait tous après la même durée de possession » dit-il. Côté CRM, auparavant, chaque client était rappelé à la même date quelque soit le modèle possédé.

Le modèle informatique a permis d’identifier des dates probables de ré-achat beaucoup plus fines. « Par exemple, un client de la série 1 si on le rappelle à 36 mois on est en retard, il vaut mieux le rappeler à 33 mois. Ces 3 mois d’écart sont importants car la décision d’achat se prend en 2 mois. On risque de passer à côté d’une vente » explique le responsable.

Adapter les dates d’appel au comportement d’achat

Le comportement d’achat est extrêmement différent d’un modèle à l’autre. Les dates de renouvellement par modèle de BMW ont été établies. « Les tests ont été menés sur plusieurs semaines. Le taux de concrétisation est extrêmement satisfaisant, puisqu’il est en hausse de 20% par rapport aux campagnes traditionnelles de repurchasing » se félicite le responsable. BMW va continuer à optimiser cette campagne. Cette campagne a été testée par téléphone car c’est le canal le plus direct et qui permet de joindre le client de la façon le plus efficace possible et sera déployée sur d’autres canaux notamment digitaux.

Côté prospects, PRM (Prospect Relationship Management), BMW s’appuie sur la base 3A qui contient tous les propriétaires de véhicules. « Grâce à la base de données 3A de l’automobile, nous avons la chance de connaître toutes les coordonnées de tous nos prospects. Imaginez que s’il y avait cela dans tous les secteurs, nous serions submergés de courrier » sourit le responsable.

« Nous avons cassé le silo entre CRM et PRM car c’est une même histoire, un prospect est un client et nous faisons en sorte de fidéliser notre client, derrière le CRM il y a évidemment le PRM » pointe-t-il. Le CRM étant centré sur la fidélisation des clients et le PRM sur la conquête des clients. L’idée étant que les meilleurs prospects sont très certainement identiques aux meilleurs clients. Il y a là une mine d’informations à utiliser à des fins de conquête.

Le scoring appliqué à la conquête des prospects

Le scoring mis au point pour le CRM et le réachat est appliqué pour le besoin du PRM de BMW à la richesse de la base de données 3A. Il y a une analyse des parcours d’achat des prospects. Auparavant, BMW s’appuyait sur la base de données 3A pour prospecter sans distinction sur les concurrents.

 « Il s’agit de faire parler la donnée prospect pour se dire que quelqu’un qui a eu sa Ford, puis sa Renault puis tel modèle, il a un certain parcours, un certain historique dans l’automobile, et qu’il sera peut être moins intéressant que quelqu’un qui aura eu une Audi puis une Volkswagen et peut être demain une BMW » présente Stéphane Delaporte. Sachant que le fichier 3A est complètement essoré par l’intégralité du marché et coûte extrêmement cher à l’usage.

« Nous avons un scoring à l’individu. L’approche est individualisée. Selon les scores, cela nous indique s’il faut que l’on soit un peu plus agressifs auprès d’un prospect qui présente une affinité avec la marque Audi par exemple alors que nous ne sommes pas très loin derrière. Il faut alors que l’on surinvestisse dans les canaux de communication. Par ailleurs, certaines personnes ont des scores qui indiquent qu’elles sont plus réceptives vis-à-vis d’un message de BMW » reprend-il.

Une approche pilotée par le retour sur investissement

Cette méthode aide à définir la pression à exercer vis-à-vis des prospects et ainsi dépenser le bon euro avec la bonne pression sur le bon canal. « C’est vraiment clé pour nous, nous avons des budgets qui sont restreints » souligne-t-il. Puis il faut mesurer les résultats.

« Nous allons être pilotés par cette approche du retour sur investissement » insiste-t-il.  «  C’est la force de ce modèle prédictif qui nous permet plus de conquête, de l’up-selling, moins d’attrition, et au final cela va nous rassurer sur notre capacité à mieux conquérir et mieux fidéliser avec les bons arguments » conclut-il. En effet, inutile d’investir sur des gens qui sont trop compliqués à convertir à la marque BMW.

Le modèle prédictif a été mis au point en collaboration avec Chemistry Agency qui est une agence de communication et de marketing relationnel du groupe Publicis Communications France.