Analyse de Kaspersky Le nombre de deepfake publiés en ligne explose de 900 % par an, selon le Forum économique mondial ( WEF ). De nombreuses actualités liées à des deepfakes ont fait les gros titres, faisant état de récits de vengeance, de harcèlement, d’arnaques à la crypto-monnaie, etc. Aujourd'hui, les chercheurs de Kaspersky mettent en lumière les trois principaux schémas de recours aux deepfakes, face auxquels nous nous devons tous d’être vigilants. L'utilisation de réseaux de neurones artificiels et du deep learning (d'où est tiré le terme "deep fake") a permis à des internautes du monde entier d’exploiter des images, des vidéos et des sources audio pour créer des vidéos réalistes d'une personne dont le visage ou le corps ont été numériquement modifié, afin de lui faire faire ou dire des choses qui n’ont pas réellement été dites ou faites. Ces vidéos et ces images détournées sont fréquemment utilisées à des fins malveillantes pour propager de fausses i
Par Charles Grenet, Responsable de Marchés chez UniservSmartphones, réseaux sociaux, objets connectés : les sources d’informations ne cessent de se multiplier au rythme des innovations et des nouveaux usages. Avec elles, de nouvelles pistes de prospection pour les marques. Mais cette surabondance de données ne doit pas faire oublier que la quantité ne peut être collectée au détriment de la qualité, et le manque de communication entre les différentes sources de données empêche les entreprises de bénéficier d’une bonne vision de leurs clients et prospects. Pourtant, à l’heure des bouleversements technologiques cités ci-dessus justement, il est plus que jamais nécessaire de bénéficier d’une vision 360° en temps réel des clients pour rester dans la course. Des données incorrectes sont d’autant plus dommageables dans le secteur automobile, où la fréquence de renouvellement produit est peu élevée.
Pourtant, des pistes existent pour construire une base de données fiable leur permettant de mieux connaître les clients et d’anticiper leurs besoins.
La nécessité d’identifier le prospect pour communiquer
De nombreux concessionnaires et réparateurs se sont partagé le territoire français et mondial, mais ils sont pour la majorité affiliés aux grands noms du domaine. Chacune de ces entreprises alimente au quotidien sa base de données propre issue de canaux divers et variés : remplissage d’un formulaire via le site internet pour un essai de véhicule, demande d’informations complémentaires via les réseaux sociaux, prise de contact directement dans la concession à l’occasion des journées portées ouvertes, etc. De plus, lorsqu’ils se renseignent en vue de l’achat d’un véhicule, les clients potentiels se cantonnent rarement à une seule concession, et multiplient les points de contact.
Il est donc fréquent que plusieurs agences affiliées à la même entreprise se partagent un même prospect, parfois sans le savoir : chacune intègre les informations recueillies dans sa propre base de données. Si le client est le même, les données le concernant peuvent différer : une agence questionnera le prospect sur son précédent véhicule, pour lui proposer éventuellement de monter en gamme, en passant d’une voiture citadine à un modèle familial, par exemple. Un autre concessionnaire, préférera se concentrer sur des éléments plus personnels : une personne soucieuse de l’environnement se verra proposer un modèle électrique ou roulant au biocarburant.
Optimiser ses données pour transformer l’essai
Si la collecte de données toujours plus nombreuses, personnelles et ciblées a le vent en poupe, cette profusion d’informations ne permet pas forcément une vision plus pertinente du client et de ses besoins.
La multiplication des doublons dans les différentes bases de données occasionne une sur-sollicitation du prospect, rarement bénéfique, et une perte de temps et d’énergie pour les commerciaux : si le prospect transforme sa réflexion en achat, une seule agence sera sélectionnée. De même, le nombre de sources différentes, qu’elles soient techniques ou humaines – le prospect lui-même via un formulaire sur le site web, puis le commercial via son outil CRM lors d’une visite dans la concession, puis un collègue qui reprend le dossier et le complète – rend la présentation des informations disparate et surtout, en altère la fiabilité.
Données, analytics et big data
Une telle masse de données pourrait représenter une mine d’or pour la mise en place de projets big data d’envergure. Néanmoins, pour que les analyses qui en découlent soient pertinentes, elles doivent reposer sur un socle solide : des données fiables et de qualité, en temps réel. Il ne s’agit pas d’adresser une proposition de test pour un véhicule qu’un client a acheté la semaine précédente. Le service marketing, en charge des emailings, doit être rapidement informé de cette évolution du statut du client.
Aussi, pour proposer un service de qualité, il est essentiel de constituer, au sein de l’entreprise et de toutes ses filiales, un référentiel unique, enrichi de toutes les données disponibles harmonisées, et permettant des passerelles entre les services. Le commercial d’une petite agence régionale pourra mieux conseiller son client et lui proposer le service de financement adapté s’il a connaissance de ses antécédents avec la marque et de sa solvabilité lors de ses précédents achats, par exemple.
Ce n’est qu’en bénéficiant d’une vision 360° de leurs clients en temps réel que les entreprises automobiles pourront anticiper l’évolution de leurs besoins, et ainsi les fidéliser. L’enjeu est de taille : l’heure est à la fidélisation client, il s’agit de ne pas louper le coche !