Les spécialistes du Marketing bancaire sont habitués au changement et peut-être qu’aucun changement n’est plus conséquent que l’impact de l’apprentissage automatique sur notre capacité à attirer de nouveaux clients en ligne. L’essor de l’apprentissage automatique arrive à point nommé, car on demande souvent aux spécialistes du marketing de » faire plus avec moins » et notre accès aux données dépasse notre capacité humaine à les consommer, les analyser et réagir en temps réel. Heureusement, les ordinateurs sont excellents pour traiter de nombreuses données et n’ont pas besoin de faire de siestes.
On peut supposer que la plupart des spécialistes du marketing bancaire ne sont pas des programmeurs au noir et que beaucoup d’entre nous n’ont pas accès à des équipes de développeurs. Alors comment profiter des avantages de l’apprentissage automatique sans avoir à écrire le moindre code ?
Tout d’abord, établissons quelques termes de base pour nous assurer que nous sommes sur la même longueur d’onde. Puis nous explorerons les outils actuels d’apprentissage automatique « sans code » qui nous aident à atteindre plus de clients potentiels, plus efficacement.
En quoi l’apprentissage automatique est-il différent de l’intelligence artificielle ?
Les deux termes sont souvent utilisés ensemble mais ont en fait des significations très différentes.
L’apprentissage automatique est un processus permettant de former des ordinateurs pour qu’ils apprennent à partir de grands ensembles de données sans programmer à l’avance tous les résultats possibles. L’intelligence artificielle décrit les technologies, souvent basées sur des modèles d’apprentissage automatique, qui permettent à un ordinateur de simuler le comportement humain.
Dans la plupart des contextes marketing, les outils d’apprentissage automatique analysent les données historiques pour prédire les résultats futurs. Derrière toutes les métaphores et les mots à la mode de la « boîte noire » se cache simplement une méthode permettant de faire des suppositions plus éclairées sur ce qui est le plus susceptible de se produire compte tenu des modèles historiques. Pas ce qui va se passer.
Outils d’apprentissage automatique pour les spécialistes du marketing bancaire
Il n’est pas nécessaire de chercher bien loin pour voir l’apprentissage automatique à l’œuvre. De nombreuses plateformes publicitaires, outils de création de contenu et plateformes d’analyse intègrent déjà des algorithmes avancés d’apprentissage automatique pour améliorer les performances et l’efficacité.
Voici quelques-uns des avantages que vous pouvez tirer de l’apprentissage automatique aujourd’hui :
Définissez des enchères optimales de coût par clic en fonction des objectifs de la campagne. Google Ads, Facebook Ads, Microsoft Advertising et de nombreuses autres plateformes publicitaires de paiement au clic utilisent des algorithmes d’apprentissage automatique pour optimiser les enchères à mesure qu’elles se déroulent. Leurs algorithmes prennent en compte de nombreux signaux, dont beaucoup ne sont pas disponibles pour les ajustements manuels des enchères.
Les annonceurs peuvent sélectionner des objectifs de campagne tels que « maximiser les conversions », « maximiser la valeur de conversion » et « cibler le coût par action ». Ces objectifs sont alimentés par des algorithmes d’apprentissage automatique qui choisissent l’offre la plus appropriée pour chaque mot-clé, chaque chercheur et chaque objectif de conversion afin de maximiser la probabilité d’atteindre vos objectifs marketing.
Ciblez les meilleures audiences et les meilleurs placements pour les annonces d’affichage en ligne. Les annonceurs n’ont plus besoin de sélectionner des sites spécifiques pour l’affichage de leurs annonces. Le ciblage par apprentissage automatique dans Google Ads, Microsoft Advertising et Facebook Ads combine automatiquement les meilleurs emplacements, unités publicitaires et enchères en fonction de la probabilité de conversion des internautes sur votre site.
Par exemple, les plateformes publicitaires parviennent de mieux en mieux à distinguer un utilisateur qui recherche un produit bancaire grand public d’un produit bancaire commercial, alors qu’ils utilisent tous deux le même mot clé de recherche. Cela améliore la probabilité de leur montrer une annonce appropriée en fonction de leur intention.
Les spécialistes du marketing peuvent expérimenter de nouveaux types de campagnes tels que Performance Max (Google Ads) et Automated Ads (Facebook Ads) pour étendre encore davantage la portée de leurs campagnes et optimiser les performances sur plusieurs appareils et canaux sans avoir à créer des campagnes distinctes pour chacun d’eux. Par exemple, une seule campagne Performance Max peut diffuser des annonces sur la recherche Google, le Réseau Display de Google, Google Maps, Gmail, YouTube et les appareils Android. Auparavant, chaque canal aurait nécessité la gestion de campagnes distinctes avec des budgets et des cibles d’audience différents.
Créez l’annonce parfaite pour chaque client potentiel en temps réel. Google Ads propose des outils d’apprentissage automatique pour la rédaction des annonces de recherche et la création des annonces d’affichage. Les annonces de recherche réactives et les annonces d’affichage réactives permettent aux annonceurs de tester simultanément des milliers de versions créatives. Au lieu de créer des annonces complètes, les annonceurs téléchargent plusieurs variantes de chaque élément – titres, descriptions, images et appels à l’action. Google fait automatiquement tourner les annonces et optimise les combinaisons les plus susceptibles de convertir pour chaque visiteur.
Les spécialistes du marketing bancaire sont confrontés à un défi si un message réglementaire doit apparaître dans une annonce. Les annonceurs peuvent « épingler » certains éléments d’une annonce, ce qui permet de s’assurer qu’ils s’affichent pour les utilisateurs, mais Google marquera l’annonce comme étant de moindre qualité parce qu’il y a des actifs épinglés et moins de possibilités de test.
Déterminez la valeur de chaque canal de marketing grâce à l’attribution. Nous disposons tous de moins de données en raison de la réglementation sur la protection de la vie privée et des limites imposées à la saisie d’informations personnelles identifiables. Cela peut limiter notre capacité à comprendre la valeur totale de chaque canal de marketing et à utiliser les analyses de sites Web pour mesurer les résultats tels que les ouvertures de compte et les demandes de financement.
Les spécialistes du marketing qui utilisent Google Analytics 360 ou Google Analytics 4 peuvent utiliser un modèle d’attribution piloté par les données qui aide à combler les lacunes de la collecte de données en modélisant les comportements prédits sur la base d’échantillons de visiteurs qui peuvent être suivis. Le modèle DDA tire parti de l’apprentissage automatique pour examiner plus de 50 points de contact récents dans le parcours d’un client afin d’attribuer une valeur à chaque canal dans les rapports.
Déverrouillez les informations enfouies dans des montagnes de données. Les outils d’analyse et les plateformes publicitaires créent plus de données qu’un humain ne peut en analyser et agir. Les outils d’apprentissage automatique peuvent identifier plus rapidement et avec plus de précision les tendances et les anomalies dans les grands ensembles de données.
Par exemple, il n’est pas forcément évident que le site Web de votre banque reçoive soudainement 300 % de trafic supplémentaire en provenance d’une ville voisine lorsque votre parrainage de la ligue mineure de baseball est activé. Google Analytics Insights fera apparaître l’anomalie de +300 % et vous permettra d’agir en conséquence, peut-être en créant une nouvelle page Web pour accueillir et convertir les nouveaux fans en promouvant une offre de nouveau compte.
Considérations pratiques pour l’intégration d’outils d’apprentissage automatique
L’apprentissage automatique est un sujet qui fait le buzz. Mais il ne s’agit pas d’une panacée pour tous vos problèmes de marketing. Les spécialistes du marketing doivent tenir compte de ces scénarios lorsqu’ils complètent leur travail avec des outils d’apprentissage automatique :
L’apprentissage automatique nécessite beaucoup de données pour entraîner les algorithmes. Peu de banques disposent de suffisamment de données marketing structurées pour entraîner et tester leurs propres outils ML, mais les plateformes de publicité et d’analyse peuvent agréger les données pour générer des recommandations et des aperçus dans tous les secteurs.
L’apprentissage automatique fait des suppositions éclairées basées sur des données historiques et on ne peut pas s’attendre à ce qu’il navigue dans des situations inconnues telles que des changements dans les réglementations locales, des événements hors ligne ou des changements stratégiques.
Les humains doivent toujours superviser et surveiller les informations et les recommandations générées par l’ordinateur afin de déterminer comment réagir – ou s’il faut réagir tout court.
Il n’y aura probablement pas un seul outil de ML qui fera tout bien. Les spécialistes du marketing devront composer une suite d’outils spécialisés en raison de la myriade de combinaisons de plateformes, de structures de données et de stratégies.
Comment se préparer à l’avenir du marketing, renforcé par l’apprentissage automatique ?
Moins d’humains seront nécessaires, car les machines seront formées pour gérer les tâches répétitives ou à forte intensité de données. Mais il existe de nombreux domaines dans lesquels les spécialistes du marketing humains ont un avantage certain. Nous sommes encore meilleurs pour formuler des objectifs, élaborer des stratégies et trouver de nouvelles idées créatives. Nous aurons également besoin d’êtres humains qualifiés pour superviser et encadrer les outils d’apprentissage automatique afin de savoir quand et comment les mettre en œuvre.
