Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Intelligence artificielle, l'avènement du marketing augmenté

6,096 views

Published on

Intervention sur l'intelligence artificielle et le marketing augmenté lors de l'événement E-Commerce Connect du 11 octobre 2017 à Paris

Published in: Marketing
  • Be the first to comment

Intelligence artificielle, l'avènement du marketing augmenté

  1. 1. FredCavazza.net@fredcavazza #eCoCo Intelligence artificielle, l'avènement du marketing augmenté E-Commerce Connect 11 octobre 2017, Paris
  2. 2. FredCavazza.net@fredcavazza #eCoCo Frédéric Cavazza ? • Marketing technologist • Consultant et conférencier • 20 ans d’expérience dans le web • 1 blog : FredCavazza.net • 2 livres :
  3. 3. FredCavazza.net@fredcavazza #eCoCo Sommaire • Définitions et domaines d’application
 Qu’est-ce qu’une intelligence artificielle ?
 À quoi ça sert ? Où sont-elles exploitées ? • Fonctionnement et limites
 Comment ça marche ?
 Qu’est-ce qu’une IA ne peut pas faire ? • L’avènement du marketing augmenté
 Comment exploiter les IA dans le marketing ?
  4. 4. FredCavazza.net@fredcavazza #eCoCo La victoire d’AlphaGo (Google)
 contre Lee Se-dol en 2016 La victoire de Deep Blue (IBM)
 contre Garry Kasparov en 1997 Nous vivons dans une époque formidable… Les IA défient et supplantent les plus grands cerveaux du monde
  5. 5. FredCavazza.net@fredcavazza #eCoCo …mais ne nous mettons pas la pression ! 😰 😱 Un débat peut-être un peu trop passionné…
  6. 6. FredCavazza.net@fredcavazza #eCoCo Définitions et domaines d’application
  7. 7. FredCavazza.net@fredcavazza #eCoCo Une terrible cacophonie
  8. 8. FredCavazza.net@fredcavazza #eCoCo Avec les disques vocaux
 (arbres conversationnels) Dans les jeux vidéo (ex : pathfinding) Cela fait 20 ans que vous utilisez des IA sans vous en rendre compte
  9. 9. FredCavazza.net@fredcavazza #eCoCo IA faible = système conçu pour une seule tâche (ex : reconnaissance d’image) Intelligence artificielle ? IA forte = système capable de traiter de multiples problèmes (en théorie) Un concept technologique visant à utiliser les machines pour simuler l’intelligence humaine L’intelligence artificielle est un concept, l’IA forte est pour le moment une utopie
  10. 10. FredCavazza.net@fredcavazza #eCoCo Intelligence augmentée ? L’intelligence augmentée (Amplified Intelligence) consiste à augmenter les capacités humaines par des artefacts qui leur permettent d’être plus performants Les capacités analytiques et computationnelles des machines additionnées aux capacités emphatiques et intuitives des humains
  11. 11. FredCavazza.net@fredcavazza #eCoCo Machine learning ? Le machine learning est une branche de l'intelligence artificielle axée sur des processus d'apprentissage permettant à une machine d’évoluer Apprentissage supervisé pour des tâches bien définies : • Classification • Prévisions • Classement • … Apprentissage non-supervisé pour traiter des données en vrac : • Clustering • Associations • Réduction de dimensions… Apprentissage renforcé pour réagir à des événements connus : • Recommandations • Aide à la décision • Scoring • … La discipline d’intelligence artificielle actuellement la plus en vue
  12. 12. FredCavazza.net@fredcavazza #eCoCo Les différents types d’algorithmes de ML Arbres de décision Réseaux bayésiens Réseau neuronaux Forêt d’arbres Il n’y a pas de bon ou mauvais algorithme, mais de mauvais paramétrages ou jeux de données
  13. 13. FredCavazza.net@fredcavazza #eCoCo Deep Learning ? Une méthode de machine learning qui permet un apprentissage non supervisé en s'appuyant sur l'analyse de données hétérogènes Une méthode particulièrement bien adaptée au traitement de larges jeux de données (big data) pour identifier des modèles (« patterns ») permettant d’extrapoler des observations-clés (« insights »)
  14. 14. FredCavazza.net@fredcavazza #eCoCo Les métiers concernés par les IA • Radiologues : détection de cancers • Avocats : analyse de la jurisprudence • Support / SAV : traitement des questions génériques • Hôtellerie : traitement des demandes génériques • Assurance : identification des facteurs de risque et des profils suspects (ex : arnaques) • Banque : anticipation des besoins en fonction des dépenses
 (ex : crédit immobilier, recommandations patrimoniales) • … Tous les secteurs sont concernés à partir du moment où il faut exécuter des tâches répétitives ou analyser de grandes quantités de données
  15. 15. FredCavazza.net@fredcavazza #eCoCo Traduction et synthèse vocale Création de vêtements personnalisésIdentification des niches fiscales Exemples d’applications concrètes Reconnaissance d’images
  16. 16. FredCavazza.net@fredcavazza #eCoCo Pourquoi maintenant ? • De gros progrès sur les algorithmes • Beaucoup plus de données disponibles, et plus facilement accessibles (dans le cloud) • Plus de puissance de calcul et à moindre coût (puces graphiques, puces dédiées, facturation à l’utilisation…) Les planètes sont alignées pour une généralisation de l’utilisation d’intelligences artificielles en entreprise
  17. 17. FredCavazza.net@fredcavazza #eCoCo Fonctionnement et limites
  18. 18. FredCavazza.net@fredcavazza #eCoCo Machine learning Comment exploiter une IA ? Données brutes Données structurées Liste de caractéristiques Modèle de classification Données classifiées Pré-
 traitement Extraction de caractéristiques Apprentissage supervisé Classification contrôlée Deep learning Données brutes Modèle de traitement Données agrégées Apprentissage non-supervisé Traitement non-contrôlé
  19. 19. FredCavazza.net@fredcavazza #eCoCo Machine learning vs. Deep learning Machine learning Deep learning Avantages • Maitrise du modèle de classification • Possibilité de contrôler et d’ajuster le traitement • Construction autonome du modèle de traitement • Traitement de données brutes (ex : images) Inconvénients • Nécessite des données structurées • Extraction manuelle des caractéristiques par des experts • Impossibilité de valider le modèle de traitement • Impossibilité d’ajuster le traitement Il n’y a pas de bon ou mauvais choix de méthode, mais un compromis en fonction de données disponibles
  20. 20. FredCavazza.net@fredcavazza #eCoCo Les principaux algorithmes utilisés Classification Modélisation de plusieurs groupes de données dans des classes existantes. Sert à répartir des individus dans des groupes selon leur profil (ex : segmentation RFM). Clustering Regroupement d'individus partageant des caractéristiques communes, mais dans des classes non-existantes ou non-définies (ex : définir des micro-segments). Regression Regroupement des données à
 l'aide de corrélations. Une forme
 de calcul probabiliste de la valeur future d'une action (ex : probabilité de clic ou de transformation). Les IA au service de la performance et du ROI
  21. 21. FredCavazza.net@fredcavazza #eCoCo L’apport des IA dans une campagne publicitaire Le déroulement d’une campagne : 1. Définition des objectifs 2. Définition de l’audience et des critères de ciblage 3. Création des bannières et des pages d’atterrissage 4. Test et optimisation des créations 5. Choix des supports et des modalités 6. Paramétrage de la campagne 7. Définition du budget et du mode de facturation 8. Mise en place des indicateurs de performance 9. Lancement de la campagne 10. Suivi des performances et optimisation des enchères 11. Clôture et édition d’un rapport de fin de campagne 12. Analyse des performances et calcul de la contribution La machine ne remplace en aucun cas l’humain, et encore moins le publicitaire ;-)
  22. 22. FredCavazza.net@fredcavazza #eCoCo L’avènement du marketing augmenté
  23. 23. FredCavazza.net@fredcavazza #eCoCo Les IA exploitées dans le marketing • Micro-segments (analyse du parcours et du comportement) • Personnalisation de bannières (en fonction du profil et/ou du segment) • Génération de contenus (en fonction du profil et du comportement - ex : landing page) • Pilotage des campagnes (optimisations en temps réel) • Écoute des conversations (analyse sémantique et évaluation du sentiment) • Analyse prédictive (anticipation de résultats) • Évaluation de la contribution et optimisation des dépenses… De nombreux cas d’usages pragmatiques
  24. 24. FredCavazza.net@fredcavazza #eCoCo Phrasee : moteur d’analyse sémantique de l’impact de mots et phrases dans un email Sentient Ascend : Tests multi-variables automatisés capable de gérer des milliers de permutations GumGum : placement de publicités en fonction d’un contexte visuel Quatre solutions concrètes Target2sell : personnalisation des pages de catégorie et des listes de résultats
  25. 25. FredCavazza.net@fredcavazza #eCoCo +18% de chiffre d’affaires +38% de taux de conversion Des premiers résultats probants Des progressions spectaculaires, mais qui nécessitent de nombreux pré-requis
  26. 26. FredCavazza.net@fredcavazza #eCoCo Tout le monde veut son IA Les domaines d’application plébiscités : ciblage, automatisation, personnalisation, attribution…
  27. 27. FredCavazza.net@fredcavazza #eCoCo Panorama des solutions disponibles Un écosystème en cours de structuration
  28. 28. FredCavazza.net@fredcavazza #eCoCo Les enjeux de l’IA dans le marketing • Des algorithmes très puissants qui nécessitent beaucoup de données (pas toujours disponibles) • De nombreuses solutions existantes, mais très obscures et difficile à comparer et assembler (marketing stack) • Une course à l’armement qui peut vite devenir contre- productive (paramétrage, optimisation…) • De gros éditeurs qui veulent préempter le domaine et brouillent la compréhension des usages (sur- simplification du discours de vente)
  29. 29. FredCavazza.net@fredcavazza #eCoCo Par où commencer ? 1. Amasser des données en prévision de leur exploitation ultérieure (attention à la GDPR) (et la ePR !) 2. Développer une culture data pour diversifier les sources 3. Lancer des projets pilotes pour susciter l’adhésion 4. Identifier les solutions les plus pertinentes en fonction des faiblesses de votre parcours client 5. Impliquer les équipes déjà en place plutôt que d’en recruter de nouvelles Le principal facteur-clé de succès sont les collaborateurs, pas les algorithmes
  30. 30. FredCavazza.net@fredcavazza #eCoCo Merci de votre attention

×