Leboncoin dispose désormais d'une intégration officielle dans les applications sur ChatGPT, rapportent LesEchos le 9 février 2026. Une première pour un e-commerçant français.
Quelques semaines après le lancement de Comet, le navigateur de Perplexity, Amazon porte plainte contre l’entreprise. Il lui reproche d’encourager les achats accidentels, puisque Comet peut passer des commandes pour son utilisateur. Amazon prie Perplexity de ne plus toucher à son site.
Alibaba International, division du groupe Alibaba spécialisée dans le e-commerce, a annoncé ce lundi 6 janvier que son moteur de recherche B2B alimenté par l’IA, Accio, a atteint 500 000 utilisateurs PME depuis son lancement en novembre 2024. Une adoption rapide qui consolide la position de la plateforme chinoise de commerce B2B au niveau mondial.
Accio utilise des techniques avancées de traitement du langage naturel (NLP) pour rendre le processus de recherche plus intuitif et efficace. Le moteur de recherche connecte les acheteurs aux fournisseurs parmi des millions de profils répertoriés. En couvrant plus de 7 600 catégories de produits et en s’appuyant sur plus de 200 millions de paramètres liés au commerce mondial, Accio facilite la transformation des concepts de produits en projets commerciaux viables.
Les utilisateurs peuvent comparer des millions de produits en termes de prix, de quantités minimales de commandes, de frais d’expédition et de délais de livraison, obtenant ainsi une transparence sans précédent dans le processus de sourcing.
L’une de ses fonctionnalités clés, Accio Inspiration, a permis d’augmenter de près de 30 % les taux de conversion des fournisseurs, de la recherche initiale à la demande de devis.
Pendant la période critique des ventes en ligne en novembre et décembre 2024, plus de 50 000 PME ont utilisé activement le moteur pour trouver des produits et des inspirations pour le Black Friday et les fêtes de Noël.
Leurs retours démontrent l’efficacité du moteur de recherche qui détient, selon les données collectées le mois dernier, un Net Promoter Score (NPS) supérieur à 50, preuve d’un taux de satisfaction client élevé et d’une adéquation avec le marché. Le 13 décembre 2024, Accio a d’ailleurs été nommé “Produit du jour” sur Product Hunt, un site qui répertorie les nouveaux produits technologiques.
Le lancement d’Accio s’inscrit dans une époque charnière pour le développement des outils d’IA et l’expansion du commerce B2B.
En remplaçant les recherches traditionnelles par mots-clés par des recherches en langage naturel, il rend les processus de sourcing plus rapides et précis, permettant aux PME de gagner en efficacité tout en réduisant les coûts. Actuellement, il prend en charge l’anglais, le français, l’allemand, le portugais et l’espagnol, et d’autres langues sont prévues pour les futures mises à jour.
Deux fonctionnalités renforcent son attractivité :
Une récente étude menée par Zendesk et YouGov révèle que 25 % des consommateurs français prévoient d’utiliser l’IA durant ce week-end du Black Friday et pour leurs achats de fin d’année. Cette tendance souligne l’importance croissante de l’IA dans l’amélioration de l’expérience d’achat, une priorité pour les entreprises, qui doivent répondre aux attentes croissantes des consommateurs tout en faisant face à une concurrence de plus en plus intense.
Selon l’étude, 44 % des consommateurs français utilisent l’IA principalement pour trouver les meilleures offres en ligne, 54 % pour obtenir des réponses rapides via les chatbots, évitant ainsi les longues attentes, particulièrement pendant les périodes de forte affluence comme les fêtes de fin d’année.
Un élément essentiel pour que l’IA devienne un levier de fidélisation réside dans la capacité des commerçants à bâtir une relation de confiance. Si l’étude révèle que 38 % des acheteurs français sont susceptibles de revenir vers un commerçant après une expérience positive avec un agent conversationnel, elle montre également que près de la moitié des consommateurs réticents à l’utilisation de l’IA préfère l’assistance humaine (45 %) et doute de la capacité de l’IA à résoudre des problèmes techniques complexes (48 %). D’autre part, plus de 50 % des consommateurs restent préoccupés par la confidentialité et la sécurité des données communiquées aux agents conversationnels.
Pour surmonter ces obstacles, les entreprises doivent réfléchir à une stratégie d’intégration axée sur la personnalisation de l’expérience client, mais celle-ci doit également prendre en compte les préoccupations existantes afin de rassurer les consommateurs.
Michael Chaouat, VP South EMEA chez Zendesk, commente :
“Nous approchons d’un tournant majeur dans la vente au détail en ligne, avec 80 % des interactions avec les clients qui devraient être gérées par l’IA d’ici cinq ans. Les entreprises capables d’exploiter le potentiel de l’IA pour offrir des expériences personnalisées et attrayantes à cette clientèle connectée bénéficieront d’un avantage concurrentiel significatif.
Cependant, la confiance reste un facteur clé, et une stratégie d’IA réussie doit s’assurer que les réponses sont pertinentes tout en intégrant la dimension humaine, et en accordant une attention particulière à la sécurité des données. Ces points de vigilance sont essentiels pour encourager l’utilisation de l’IA par tous les consommateurs”.
Les générations Z (18-24 ans) jouent un rôle crucial dans l’adoption de l’IA en tant qu’outil de shopping en France : 34 % des consommateurs de cette génération effectuent des achats en ligne au moins une fois par semaine, et 44 % d’entre eux sont prêts à revenir vers une marque si leur expérience avec l’IA a été positive.
Dans les autres pays étudiés, ce sont les 35-54 ans qui poussent la vente en ligne. Les Français de cette tranche d’âge, restent, quant à eux, attachés à l’expérience physique.
Les commerçants peuvent profiter de l’appétence des jeunes générations pour l’IA, leur proposer des offres personnalisées et des recommandations basées sur leurs comportements d’achat. En intégrant l’IA de manière stratégique et sécurisée, ils peuvent non seulement améliorer l’expérience d’achat, mais aussi fidéliser une clientèle connectée et exigeante.
Alors que le e-commerce poursuit sa dynamique de croissance, améliorer l’expérience client en ligne est devenu une priorité pour les entreprises, afin de répondre aux attentes toujours plus élevées des consommateurs et de faire face à une concurrence toujours plus forte. Dydu, un leader français des plateformes d’IA conversationnelle, annonce la sortie d’une infographie sur l’impact des chatbots et de l’IA sur ce secteur.
Créé en 2009 par Jérôme Vérité, Cyril Texier et Mathieu Changeat, implanté à Bordeaux et Paris, Dydu, (Do You Dream Up), éditeur de logiciels spécialisé en traitement automatique du langage naturel, compte aujourd’hui une quarantaine de collaborateurs, dont 20 dédiés au développement de sa solution. Il propose une plateforme intuitive à destination des professionnels pour concevoir en toute autonomie des agents conversationnels intelligents : chatbot, voicebot, callbot, et travaille avec de nombreuses grandes entreprises (Orange, Total Energies, Safran…), PME et administrations publiques, dans des secteurs aussi variés que la santé, l’énergie, la finance, les assurances, le tourisme, les télécoms ou le e-commerce.
Il publie régulièrement des livres blancs et études sur les agents conversationnels, l’infographie “Chatbot x E-commerce : Optimiser l’expérience client” est la dernière en date.
Le secteur du e-commerce occupe une place croissante dans l’économie française : en 2023, le marché du e-commerce en France a atteint 160 milliards d’euros, marquant une hausse de 10,5 % par rapport à l’année précédente et consolidant la position de la France comme leader du e-commerce en Europe. Une augmentation due, en partie, à la généralisation des achats en ligne.
Plus de 42 millions de Français (soit 6 Français sur 10) ont effectué des transactions sur Internet, chacun dépensant en moyenne 4055 euros annuellement. Ce recours massif au commerce en ligne reflète une quête d’efficacité et de gain de temps : 92 % des acheteurs en ligne considèrent ce mode d’achat comme un moyen rapide et pratique de répondre à leurs besoins.
L’amélioration de l’expérience client est devenue une priorité tant pour les entreprises que pour leurs clients. Selon l’infographie, 62 % des consommateurs sont ouverts à l’utilisation de l’IA pour améliorer leur expérience d’achat et 40 % se disent prêts à dépenser davantage lorsque le service est personnalisé et adapté à leurs besoins spécifiques. Par contre, 90% des consommateurs se tournent vers la concurrence suite à une mauvaise expérience.
Pour les acteurs du e-commerce, l’automatisation via des chatbots ne se résume plus à une simple réduction des coûts, mais représente une véritable réponse aux défis opérationnels liés à l’explosion des volumes de transactions. Selon les données de Dydu, environ 31 % des consommateurs utilisent des chatbots pour passer des commandes ou gérer leurs livraisons, tandis que 28 % s’en servent pour les retours et les échanges.
Cette adoption croissante des chatbots dans le parcours d’achat est motivée par plusieurs facteurs. Outre présenter l’avantage d’être disponibles 24 heures sur 24 et 7 jours sur 7, en permettant d’automatiser les réponses aux questions les plus fréquentes, ils libèrent du temps aux conseillers client ou aux équipes support, pour des tâches plus complexes ou à plus haute valeur ajoutée tout en améliorant la relation client, mais aussi les ventes.
Un autre enseignement de l’étude est l’évolution des attentes des consommateurs vis-à-vis des interactions en ligne. Environ 45 % des clients souhaitent que leurs demandes soient traitées et résolues immédiatement. Cette exigence de réactivité place les chatbots au cœur des stratégies d’amélioration de l’expérience client. En automatisant des réponses simples et en permettant un accompagnement personnalisé tout au long du parcours d’achat, les entreprises réduisent les frictions et améliorent les taux de satisfaction client jusqu’à 24 %.
Les avantages économiques pour les entreprises sont également tangibles. L’automatisation des réponses via des chatbots permet de réduire le délai de réponse pour les requêtes simples de 25 à 30 %. De plus, en fluidifiant le parcours client, les chatbots contribuent à une réduction du temps de finalisation d’un achat de près de 50 %. Ces améliorations ont un impact direct sur la satisfaction des clients et leur fidélité.
En optimisant les processus d’assistance et en simplifiant les interactions, les chatbots permettent de réduire les coûts opérationnels tout en améliorant l’efficacité des équipes. En 2023, les chatbots auraient ainsi permis aux entreprises d’économiser jusqu’à 2,5 milliards d’heures de travail dans les services de support client.
L’adoption de l’IA et des robots conversationnels sur les plateformes de e-commerce promet une transformation du secteur, redéfinissant les standards de satisfaction client, de personnalisation, et d’aide à la décision. D’ici 2025, l’IA devrait être à l’origine de 95 % des interactions client.
Alors que le e-commerce poursuit sa dynamique de croissance, fortement boostée par la pandémie de Covid-19 qui a solidifié des comportements d’achat continuant de stimuler le secteur aujourd’hui, la personnalisation des expériences d’achat est devenue un atout majeur pour attirer et fidéliser les clients. Cependant, cette tendance vers des recommandations de plus en plus personnalisées soulève d’importantes préoccupations en matière de confidentialité et de protection des données.
Une récente étude sur les préférences des consommateurs concernant leurs achats en ligne dévoilée par Packlink, plateforme logistique pour particuliers et entreprises, révèle que 59 % des consommateurs européens souhaitent que les plateformes d’e-commerce renforcent leurs mesures de sécurité pour protéger leurs informations personnelles.
L’étude, qui a sondé 2 000 consommateurs à travers quatre marchés clé en Europe (France, Allemagne, Italie, Espagne), met en lumière l’importance croissante de la personnalisation dans l’expérience d’achat. En effet, 27,9 % des répondants expriment un intérêt pour des recommandations personnalisées, fondées sur leurs achats précédents, afin d’améliorer et d’optimiser leurs futures expériences d’achat.
Cependant, ce désir de personnalisation n’est pas sans réserves. Près de 35 % des consommateurs apprécient les suggestions ciblées qui facilitent leurs achats, mais ils souhaitent également avoir un contrôle accru sur la manière dont leurs données personnelles sont utilisées. Ce besoin de transparence et de contrôle souligne une tension croissante entre la quête d’une expérience d’achat sur mesure et la nécessité de protéger la vie privée des utilisateurs.
Si les recommandations personnalisées peuvent transformer l’expérience d’achat en ligne, elles soulèvent aussi diverses inquiétudes. Plus de la moitié des sondés (52,9 %) se disent ainsi préoccupés pour la sécurité de leurs informations personnelles, notamment leurs détails de paiement, lors de transactions en ligne. Cette crainte de voir leurs données exploitées à des fins malveillantes pousse les consommateurs à demander des garanties plus solides de la part des plateformes e-commerce.
Par ailleurs, 26,6 % des participants à l’enquête redoutent que ces suggestions personnalisées n’encouragent des dépenses excessives ou des achats impulsifs. En effet, la facilité avec laquelle les achats sont désormais réalisés, couplée à des recommandations pertinentes, pourrait pousser certains consommateurs à dépasser leur budget initial.
D’autres inquiétudes émergent également : 21,7 % craignent que la personnalisation ne limite la diversité des produits proposés, restreignant ainsi leur choix et leur possibilité de découvrir de nouveaux articles ou marques. De plus, 19,5 % des répondants expriment la crainte de perdre le contrôle sur leurs achats, redoutant que des transactions soient effectuées automatiquement par les prédictions algorithmiques sans leur consentement explicite.
Face à ces préoccupations, il devient impératif pour les acteurs du e-commerce de renforcer les mesures de sécurité. Packlink recommande plusieurs actions clé pour protéger les données des utilisateurs :
Axelle Fossier, Responsable des ventes pour l’UE chez Auctane, maison mère de Packlink, conclut :
“La protection des données est une priorité absolue dans l’e-commerce, un secteur où les transactions en ligne impliquent l’échange d’informations personnelles et financières sensibles. Assurer leur sécurité est essentiel pour maintenir la confiance des consommateurs tout en respectant les réglementations”.
Intelligence artificielle, machine learning… Ces “buzzwords” sont devenus des incontournables du vocabulaire technologique, mais combien de personnes comprennent réellement leur signification profonde ? Avant de nous aventurer plus loin dans cet article pour comprendre comment ces technologies peuvent être mises au service du e-commerce, prenons le temps de dissiper le mystère qui les entoure.
L’intelligence artificielle (IA) se caractérise par la création d’algorithmes informatiques capables d’accomplir des tâches avec une “certaine” intelligence. Ce domaine est très vaste et regroupe des dizaines de champs d’études comme par exemple les systèmes distribués (systèmes multi-agents), la résolution de problèmes d’optimisation (métaheuristique), la construction de systèmes experts, la satisfaction de contraintes ou encore la planification.
Le machine learning est l’un de ces champs d’étude de l’IA. Les algorithmes de machine learning ont la capacité d’apprendre de la donnée et d’en extraire de l’information pertinente grâce à l’application de règles statistiques qui définissent un modèle d’apprentissage. Avec le machine learning, le développeur ne code plus directement le moyen de résoudre un problème mais le moyen d’apprendre à résoudre le problème sur la base de données.
L’apprentissage automatique se décompose généralement en deux phases fondamentales : l’apprentissage et la prédiction. Durant la phase d’entraînement, l’algorithme ajuste ses paramètres en utilisant un ensemble de données, apprenant ainsi les modèles et relations sous-jacents présents dans les données. Une fois le modèle entraîné, il peut être déployé pour effectuer des prédictions ou prendre des décisions sur de nouvelles données au cours de la phase d’inférence.
Lorsque l’on sait qu’un site e-commerce gère une large gamme de produits, attire de nombreux utilisateurs effectuant diverses actions (navigation, expression d’un intérêt pour les produits, achats) et que tout cela génère une quantité considérable de données… On réalise immédiatement le potentiel significatif des algorithmes de machine learning dans la compréhension du comportement du visiteur et, par conséquent, dans l’amélioration directe de l’expérience client et l’optimisation des ventes.
Pour garantir l’efficacité de ces algorithmes, deux ingrédients sont nécessaires : des données de qualité et des contextes d’utilisation spécifiques. En voici quelques exemples concrets.
En matière de search, le machine learning peut être employé de différentes manières :
– Pour optimiser la compréhension automatique du sens sémantique d’une requête.
Illustrons cela avec une recherche vocale. Lorsqu’un visiteur exprime “Je voudrais un canapé gris s’il te plaît”, le moteur de recherche, basé sur le machine learning, peut discerner que les termes importants sont “canapé gris” et que “gris” correspond à une couleur, en mettant de côté le reste de la phrase. Grâce à des technologies issues du NLP (Natural Language Processing) ou plus récemment grâce aux LLMs (Large Language Models), le moteur de recherche a la capacité de comprendre sémantiquement l’utilisateur, même si la phrase est formulée en langage naturel, de manière complexe.
– Pour proposer des produits en cas d’expression de recherche inconnue.
En cas d’expression de recherche inconnue, il est envisageable d’utiliser un algorithme de réouverture. Celui-ci permet de présenter des articles pertinents même s’ils sont désignés avec des termes différents. Par exemple, si un visiteur saisit “sombrero”, le site marchand pourra proposer des bonnets en hiver ou des chapeaux de paille en été. Cette capacité résulte du fait que le machine learning comprend sémantiquement que “sombrero” est proche de “bonnet” ou de “chapeau”.
Un autre aspect de l’application de ces algorithmes consiste à personnaliser le parcours client.
Celle-ci peut se faire notamment au niveau du ranking de produits et se manifeste dans divers contextes :
– la saisonnalité : le ranking peut varier en accord avec les saisons. Par exemple, si les visiteurs cherchent des pulls en été, le système privilégiera des articles plus légers, tandis qu’en hiver, il mettra en avant des pulls plus épais et chauds.
– l’appétence utilisateur : lorsque ce dernier effectue des recherches de produits pour hommes puis saisit le terme “chaussures”, les résultats de recherche pourront être orientés vers les chaussures destinées aux hommes.
– le profil utilisateur : il est possible d’apprendre à classifier les clients et définir des profils types qui serviront ensuite à personnaliser les réponses du moteur de recherche ou des algorithmes de recommandation, voire à créer des listings de produits personnalisés sur la page d’accueil par exemple.
– les mots clés tapés : lorsque l’utilisateur saisit “jean”, le moteur de recherche comprend qu’il cherche principalement des pantalons plutôt que des vestes en jean, une déduction tirée de son apprentissage des attentes des utilisateurs. En ajustant le ranking en fonction des mots clés, le machine learning organise les produits de manière pertinente, en intégrant par exemple des notions de best-sellers.
La personnalisation peut également s’étendre à d’autres aspects, comme par exemple dans:
– les fiches produits : des suggestions peuvent être faites pour des produits populaires qui se marient bien avec celui que l’utilisateur visualise. Cette fonctionnalité repose sur des algorithmes de type cross-sell, identifiant les produits fréquemment achetés ensemble. De plus, il est possible d’afficher les choix d’autres clients qui ont acheté le même produit, offrant ainsi des suggestions complémentaires pour un panier. Une autre possibilité serait de suggérer des articles similaires, mais dans une gamme de prix supérieure (up sell).
– la page d’accueil : des produits personnalisés peuvent être proposés à l’utilisateur en fonction de son historique. Cela peut se faire de différentes manières : en ouverture pour lui faire découvrir des articles qu’il ne connaît pas encore mais qui pourraient l’intéresser, ou en fermeture pour lui suggérer des produits qu’il a déjà achetés ou qu’il acquiert fréquemment. Cette approche est particulièrement pertinente dans l’alimentaire, où la recommandation de produits réguliers facilite l’expérience d’achat.
Les scénarios d’utilisation mentionnés se concentrent sur des améliorations directes de l’expérience client. Parallèlement, le machine learning peut également contribuer à fournir aux personnes qui gèrent le site marchand des pistes d’amélioration de leurs tâches professionnelles.
Considérons une situation où un groupe de produits semble mal ventilé au sein d’une catégorie. Les algorithmes de machine learning ont la capacité de détecter cette situation et de la signaler. Une intervention humaine serait ensuite nécessaire pour évaluer et qualifier la catégorie. De plus, les algorithmes peuvent également repérer des catégories qui manquent de pertinence, regroupant une variété de produits sans lien significatif et suggérer de la diviser en sous-catégories plus spécifiques.
Ces algorithmes offrent également aux e-merchandiseurs des suggestions de synonymes pertinents à intégrer dans le Back Office. Cette fonctionnalité repose sur l’analyse des zéro résultats des utilisateurs, permettant ainsi une optimisation fine des résultats de recherche. Par exemple, la proposition de synonymes tels que ‘applique murale’ pour ‘luminaire’, ou encore ‘chemise de nuit’ pour ‘nuisette’, démontre la capacité de ces technologies à anticiper et répondre aux attentes des clients.
L’expertise des algorithmes de machine learning réside dans leur aptitude à assimiler finement les comportements des utilisateurs, à identifier des tendances, à classifier et à révéler des corrélations significatives entre les produits. Cette capacité en fait des outils incontournables pour optimiser l’expérience globale des utilisateurs, en particulier dans les domaines de la recherche et de la recommandation. Ils ouvrent ainsi la voie à une expérience utilisateur plus immersive et personnalisée, contribuant de manière conséquente à maximiser le taux de conversion sur le site marchand.
À quoi ressemblera le futur de la recherche en ligne ? Il est certain qu’il ne se limitera plus aux requêtes par mots-clés telles que nous les connaissons aujourd’hui. Les évolutions récentes de l’intelligence artificielle, notamment dans le domaine de l’IA générative ; comme par exemple les LLMs (modèles de langage naturel capables de comprendre et générer du texte humain) utilisés par ChatGPT ; ouvrent la voie à de nouvelles perspectives.
Ces avancées technologiques offrent des opportunités de réinventer la manière dont nous utilisons les moteurs de recherche et pourraient évoluer vers une interaction plus directe, où la discussion avec les moteurs de recherche deviendrait aussi naturelle que celle avec un vendeur physique en magasin.
Demain, l’expérience utilisateur sur les sites web pourrait subir une transformation majeure, marquant une évolution significative par rapport à nos habitudes actuelles.
Amazon, comme toutes les entreprises de l’e-commerce, accorde une grande importance à la qualité de l’expérience client en ligne de ses clients, source de fidélité. C’est dans ce cadre que la société a récemment annoncé le lancement de Rufus, “un assistant d’achat expert” basé sur l’IA générative, conçu pour aider les clients à trouver les produits qui correspondent le mieux à leurs besoins.
Rufus est intégré à l’application mobile d’Amazon, offrant une expérience transparente aux clients lors de leurs achats. Les utilisateurs peuvent poser une question dans la barre de recherche de l’application et ensuite interagir avec Rufus via une boîte de dialogue.
Actuellement en version bêta auprès d’un nombre restreints de clients américains utilisant l’application mobile, il sera déployé progressivement aux Etats-Unis dans les semaines à venir. Amazon n’annonce pas de date pour son déploiement en France.
Le modèle qui alimente le chatbot a été entraîné sur le catalogue de produits d’Amazon, les avis des clients, les questions-réponses de la communauté et des informations provenant du Web pour répondre aux différentes questions des clients qu’elles soient générales ou concernent un produit particulier, fournir des comparaisons et faire des recommandations basées sur le contexte conversationnel.
Amazon donne l’exemple d’une recherche générale au début d’un parcours d’achat, telle que « que faut-il prendre en compte lors de l’achat de chaussures de course ? », de comparaisons telles que « quelles sont les différences entre les chaussures de trail et de course sur route ? », en passant par des questions plus spécifiques telles que « sont-elles durables ? »
Les clients peuvent ainsi demander à l’IA des recommandations de produits basées sur des activités spécifiques ou des objectifs, tels que jouer au golf par temps froid ou commencer un jardin intérieur, mais également pour des besoins particuliers, comme des cadeaux pour la Saint-Valentin ou des jouets pour un enfant de 5 ans.
Outre la comparaison de différents types de produits, Rufus peut fournir des réponses à des questions détaillées sur des produits spécifiques, telles que la facilité de tenue d’une perceuse sans fil ou la possibilité ou non de laver un vêtement en machine.
Amazon, qui continue à travailler à l’amélioration des réponses de Rufus, encourage ses premiers utilisateurs à fournir des commentaires pour l’y aider.
Datacook, start-up française spécialisée dans l’intelligence artificielle appliquée au marketing, annonce la finalisation d’une levée de fonds de 1 million d’euros auprès des investisseurs SIDE Capital, NEO FOUNDERS et Bpifrance. Ce financement lui permettra non seulement d’accélérer le déploiement de sa solution d’IA générative de segmentation client prédictive mais de continuer à investir dans la R&D pour lui apporter de nouvelles fonctionnalités.
Le marché des logiciels CRM est en forte croissance. Ceux-ci sont devenus indispensables aux entreprises qui veulent offrir à leurs clients des expériences personnalisées, renforcer leur fidélité et stimuler leur croissance. Datacook compte parmi ses clients des entreprises des secteurs du e-commerce, de la finance, du retail, de l’immobilier, du luxe, du tourisme mais aussi de la santé.
Créée en 2018 par Élodie Vaillant, experte en marketing et spécialiste des stratégies CRM, et Baptiste Pigaux, expert en data science et multi-médaillé en compétition, élue meilleure entreprise innovante par BPI France en 2020, Datacook a développé une méthodologie unique de data science marketing prédictive entièrement robotisée : H.I.T (High Innovation Targeting), alliant intelligences artificielle et humaine. Son équipe d’experts en data reçoit régulièrement des formations pluridisciplinaires portant sur le marketing opérationnel, le marketing stratégique, la méthode Agile, le big data, l’IA, le dataviz et le développement personnel. Elle est d’ailleurs classée parmi les 4 000 meilleurs datascientists au niveau mondial.
La majorité des solutions CRM sont déjà dotées de segments prédéfinis, basés sur des critères fixes ne permettant pas de prédire les changements de comportement de la clientèle. L’IA de scoring et de segmentation prédictive de Datacook se différencie en cartographiant en permanence la clientèle pour dresser un portrait précis, en temps réel, de chacun des clients afin d’anticiper son comportement et ainsi, de pouvoir lui offrir une expérience personnalisée unique.
Outre les segments classiques liés au profil client (critères sociodémographiques, socioéconomiques…), la solution prend également en compte la valeur future des clients, leur possible attrition, leurs préférences produits, les habitudes d’achat, leurs canaux de prédilection et leurs moments de vie (naissance d’enfants, déménagement…).
Les segments sont réactualisés et directement injectés dans les outils de campagne et de CRM. Les départements marketing et commerciaux sont ainsi informés en temps réel sur les segments qui nécessitent une action de communication ou une action commerciale.
Disponible en mode SaaS sous licence annuelle, la solution Datacook s’intègre aux outils CRM existants, elle est notamment compatible avec les solutions CRM les plus répandues en entreprise, telles qu’Adobe, Eloqua, Selligent, Splio, Efficity, Actito ou Salesforce.
Selon la start-up, en plus de la propulser sur le marché européen, cette levée de fonds lui permettra également d’investir dans la recherche et le développement de nouvelles fonctionnalités produit, qui, adossées à l’IA, permettront de pousser encore plus loin le degré d’ultra-personnalisation marketing.
Élodie Vaillant, CEO et co-fondatrice de Datacook, commente :
“La confiance de nos investisseurs dans notre vision et notre capacité à fournir des solutions prédictives de pointe se manifeste à travers cette levée de fonds”.
Connexion