Comment Toyota utilise le machine learning pour générer des leads qualifiés

Interview de Julien Descombes, en charge de la communication digitale de Toyota France et responsable de la performance des sites internet de Toyota.

Quels sont les enjeux business de votre site toyota.fr ?

Aujourd’hui, on compte 1,4 million de visites par mois sur notre site. Ce trafic est en train de croître, et c’est un bon indicateur.

Mais aujourd’hui, notre objectif n°1 n’est pas la croissance du trafic à tout prix, c’est la croissance d’un trafic qualifié, qui aboutisse sur des demandes d’essai de véhicule en concessionnaire et à terme sur des achats.

On suit plusieurs KPIs, pour évaluer la performance de notre site :
1. des KPIs d’engagement : le temps passé sur notre site par exemple
2. la soft conversion : conversions sur des objectifs secondaires, comme la configuration d’un véhicule, la demande de financement d’un véhicule…
3. la hard conversion – et c’est là l’objectif ultime : conversion sur l’objectif primaire, à savoir la demande d’essai

On cherche à maximiser la qualité des leads sur le test drive, c’est-à-dire qu’on veut amener à notre réseau de concessionnaires des personnes ayant une forte chance de passer à l’acte d’achat.

Quelle est votre stratégie pour maximiser le nombre de leads qualifiés générées sur votre site ?

Comme je l’ai dit, on veut faire en sorte que tous les visiteurs montrant un fort intérêt pour la marque fassent une demande d’essai de véhicule.

Pour cela on a conçu une pop-in qui pousse la demande d’essai auprès de certains visiteurs.

Dans un premier temps, on a mis en place un scoring manuel pour déterminer à qui adresser la pop-in. On a identifié les critères qui nous semblaient déterminants :
– La visite de certaines pages du site (demande de brochure, configurateur, pages véhicules, page offres)
– Le temps passé sur le configurateur
– Un nombre de visites supérieur à 2
– Le prix de la configuration

On a obtenu de très bons scores de demandes d’essai, mais la qualification des leads n’était pas optimale.

On a alors décidé d’aller plus loin et de confier le travail de segmentation aux algorithmes de machine learning de notre partenaire Kameleoon, une plateforme de personnalisation de l’expérience utilisateur. Ces algorithmes travaillent 24h sur 24 et 7 jours sur 7 à analyser notre audience et identifier les internautes les plus appétents à notre marque. Ils parviennent à cibler ces visiteurs avec une finesse que notre segmentation manuelle ne pouvait atteindre.

Quels ont été les résultats chiffrés de cette démarche de ciblage prédictif ?

On a multiplié par 2 la génération de leads et amélioré notoirement la qualité de ces leads.

Autre bénéfice du ciblage prédictif : on peut personnaliser la pop-in en fonction du véhicule identifié comme intéressant le plus l’internaute ciblé, et en fonction du concessionnaire le plus proche géographiquement de l’internaute.

Au-delà de cette amélioration drastique des performances chiffrées, quels sont les bénéfices du ciblage prédictif pour l’entreprise ?

Les bénéfices de cette démarche sont nombreux.

Bénéfice n°1, quitte à le redire : maximiser la hard conversion qui est un des objectifs prioritaires de notre site. En doublant les demandes de véhicules qualifiées, on fait donc x2 sur ce KPI clé.

Bénéfice n°2 : l’optimisation du temps.
Pendant que la machine travaille, mes équipes et moi pouvons avancer sur d’autres projets. On lui confie en toute sécurité notre ciblage, et cela nous libère du temps pour des projets à plus forte valeur ajoutée.

L’algorithme apprend en continu, il est donc en mesure de prendre en compte dans son ciblage tous les paramètres secondaires qui interviennent sur le site, et qui évoluent petit à petit. Si on change un élément sur le site – indépendamment de cette campagne j’entends, on n’a pas besoin de reconfigurer notre ciblage, car l’algorithme est capable de s’adapter.

Bénéfice n°3 : la connaissance client.
Les données visiteurs sont analysées en continu par l’algorithme. On n’en perd pas une miette. Cela nous permet d’approfondir la connaissance de nos clients : on parvient à comprendre qui sont les leads qui convertissent, d’où ils viennent, comment ils se comportent, quels éléments sont importants pour eux.

Quelles sont les prochaines étapes pour Toyota en matière de ciblage prédictif ?

Maintenant qu’on a prouvé la valeur du ciblage prédictif pour Toyota, on va étendre cette approche à d’autres parties du site, pour optimiser d’autres KPIs : notamment ceux qui concernent la soft conversion.

On va pouvoir mettre en place un ciblage prédictif pour adresser des pop-ins déclenchant d’autres actions :
– une demande de financement
– l’évaluation du prix de reprise d’un véhicule
– la configuration d’un véhicule.