Les systèmes de prochaine meilleure action promettent de dire à chaque vendeur quel client joindre et quoi lui proposer : un rappel de réapprovisionnement, une vente croisée, une offre de fidélisation, une visite de service. Beaucoup sont discrètement abandonnés en moins d’un an. Le modèle est rarement en cause. Les vendeurs ignorent les recommandations qu’ils ne peuvent pas expliquer, et une recommandation qui n’est pas suivie ne vaut rien, si exacte soit-elle.
Les systèmes qui durent sont conçus autour des questions qu’un vendeur se pose avant d’agir : pourquoi ce client, pourquoi maintenant et pourquoi cette offre? Y répondre relève de la conception, non de la modélisation, et cela influence tout, des données jusqu’à la façon de mesurer les résultats.
Pourquoi les vendeurs ignorent les recommandations
Un vendeur connaît ses comptes. Une liste de clients avec une cote à côté de chaque nom entre en concurrence avec ce savoir et perd, surtout lorsqu’elle se trompe d’une manière que le vendeur peut voir : le client s’est plaint la semaine dernière, le compte est bloqué pour raison de crédit, le produit a été abandonné. Les recommandations qui reviennent après avoir été écartées donnent la même leçon. Après quelques erreurs de ce genre, plus personne n’ouvre la liste.
Le volume est l’autre problème. Des dizaines de recommandations par semaine pour un vendeur qui peut en traiter une poignée lui apprennent à toutes les ignorer.
Misez sur des signaux que le vendeur reconnaît
L’explicabilité commence par les données d’entrée. Les meilleurs modèles de prochaine meilleure action reposent sur des signaux qu’un vendeur accepterait comme des raisons : une commande qui tarde par rapport au cycle d’achat habituel du client, une part de catégorie en baisse, un produit que des clients semblables achètent et que celui-ci n’achète pas, un renouvellement de contrat ou un changement de prix à venir, des demandes de service ouvertes, une baisse de l’utilisation ou des visites. Gardez la liste assez courte pour qu’un directeur des ventes la lise d’une traite, et nommez chaque signal avec les mots des vendeurs.
Le modèle peut être sophistiqué, mais son résultat doit pouvoir être relié à ces signaux pour chaque client. Les techniques qui attribuent une prédiction à ses données d’entrée le permettent, et elles révèlent tôt les problèmes de données : une recommandation fondée sur un signal qui n’a aucun sens trahit habituellement une erreur de données. La plupart de ces signaux existent déjà dans l’historique des commandes, le CRM et le système de service; le travail consiste à les réunir au niveau du client et à les garder à jour.
Montrez la raison avec chaque recommandation
Chaque recommandation devrait arriver dans le CRM que le vendeur utilise déjà, comme Dynamics 365, avec quatre éléments : l’action, la raison en une phrase construite à partir des principaux signaux, la valeur attendue en termes simples, et ce qui s’est passé la dernière fois qu’une action semblable a été tentée auprès de ce client. Les modèles de langage savent bien transformer des signaux en une phrase lisible; les faits de cette phrase doivent toutefois venir du modèle et des données, jamais de l’invention du modèle de langage. Une bonne raison se lit comme la note d’un collègue : ce magasin commande habituellement toutes les quelques semaines, rien n’est entré depuis le début du printemps, et des magasins semblables tiennent aussi le grand format.
Les règles d’affaires ont leur place à côté du modèle. Les comptes bloqués pour raison de crédit, les clients qui ont une plainte ouverte et les produits contingentés sont retirés avant que quoi que ce soit n’atteigne le vendeur. Le reste est classé par valeur et plafonné à ce qu’un vendeur peut traiter en une semaine. Des recommandations moins nombreuses et mieux ciblées sont suivies; les longues listes ne le sont pas.
Laissez le terrain répondre
Chaque recommandation a besoin d’un résultat : faite, non faite, ou écartée avec un motif choisi dans une courte liste, comme déjà commandé, mauvaise personne-ressource, non pertinent ou enjeu de relation. Rendez le rejet rapide, un seul geste et un motif; un formulaire qui prend une minute à remplir sera sauté, et la rétroaction perdue. La rétroaction protège aussi la relation : un vendeur qui peut indiquer qu’un client ne doit pas être sollicité pendant un temps ne se le fera pas proposer de nouveau la semaine suivante.
Les motifs de rejet comptent parmi les données les plus précieuses que produit le système. Ils révèlent des erreurs de données, montrent quels types de recommandations retirer et apprennent au modèle ce que les vendeurs savent et que les données ignorent. Les directeurs des ventes devraient les passer en revue chaque mois avec l’équipe responsable du modèle. Quand les vendeurs voient leur rétroaction changer les recommandations, l’adoption suit. Quand elle disparaît sans laisser de trace, la liste est abandonnée.
Mesurez le gain par rapport à un groupe témoin
La manière la plus courante de présenter les résultats d’un système de prochaine meilleure action est aussi la plus trompeuse : les revenus des clients qui ont reçu une recommandation. Beaucoup d’entre eux auraient acheté de toute façon. La mesure honnête est le gain, soit l’écart de résultats entre les clients qui ont reçu des recommandations et un groupe comparable qui n’en a pas reçu, sur la même période.
Le plan le plus simple met de côté une part aléatoire des clients admissibles, conserve ce groupe témoin en permanence et compare la conversion et les revenus des deux groupes par type de recommandation. C’est la même discipline qui rend crédibles les programmes d’alerte précoce : mesurer le suivi, pas le signalement. Certains types de recommandations montreront un gain marqué. D’autres n’en montreront aucun et devraient être retirés, si bons que paraissent les scores de leur modèle.
Présentez le gain en argent autant qu’en conversion, net des rabais et des incitatifs que comportaient les offres, pour qu’une recommandation qui conclut des ventes en sacrifiant la marge apparaisse pour ce qu’elle est. Convenez de la taille et de la durée du test avant le lancement, pour que personne ne soit tenté de l’arrêter la semaine où les chiffres semblent bons.
Commencez par une action et une équipe
Commencez par un type de recommandation que les vendeurs souhaitent déjà avoir, comme les rappels de réapprovisionnement pour les clients qui n’achètent plus, avec une seule équipe de ventes et un groupe témoin dès le premier jour. Montrez la raison, recueillez la rétroaction et mesurez le gain sur un trimestre complet avant d’ajouter le type suivant. Choisissez une équipe dont le directeur passera en revue les recommandations avec les vendeurs chaque semaine au début; c’est cette attention qui transforme un projet pilote en habitude. La confiance gagnée avec la première action porte celles qui suivent.