|
L'adoption croissante de l'Internet en tant que plate-forme technologique et la croissance du commerce électronique qui impose l'utilisation du canal Web pour le CRM sont des facteurs qui dynamisent le marche des services de CRM en général et les applications pour l'Internet en particulier. (d'après Rombel A. 2001) |
|
Certains auteurs parlent de IRM (Internet Relationship Managment) ou de GRI, Gestion de la Relation sur Internet ou encore Gestion de la Relation a l'Internaute, une forme de CRM sur Internet. (src octo .. 2000) Selon eux, alors que les outils IRM se focalisent sur la relation directe au client, le CRM traditionnel présente des outils d'assistance destines au personnel en contact avec le client. Au sens restreint l'IRM se limite a la personnalisation de l'information concernant l'offre par et pour le client. Au sens large l'IRM inclue aussi des applications de gestion et syndication de contenu, les fonctionnalités de e-commerce et même l'infrastructure technique avec les serveurs d'applications, les gestionnaires de flux, les bases de données etc., en somme tous les moyens qui permettent d'offrir sur Internet une expérience de consommation riche. |
|
Une étude de l'institut Forrester (Hagen, H. and Souza, R. 1999) qui examine les objectifs vises par différentes entreprises a travers leurs interfaces e-bussiness/ e-commerce avec les clients sur Internet, montre que les industries apprennent a utiliser des services de personnalisation pour rendre le site Web plus facile a utiliser, augmenter les ventes, créer un expérience one-to-one, améliorer les services client, faire gagner du temps au client, renforcer la fidélité du client, attirer un audience plus large, reduire les couts, cibler la publicite et construire une communaute. L'offre sur Internet est en general constitue d'objets de presentation (mise en page, couleur etc.) et de contenu (produits, services) et l'objectif de la personnalisation est d'adapter la composition et l'enchainement de ces objets pour chaque sujet (client). La personnalisation sur le Web consiste a modeliser les objets Web, de categoriser les objets et les sujets, de matcher entre et a travers objets et/ou sujets et de determiner l'ensemble des actions a recommander pour la personnalisation. (Mobashar, 2000) |
|
Sur Internet on trouve deux formes de personnalisation, la personnalisation par le client ou la customisation et la personnalisation pour le client ou le profiling. La customisation, tout au moins dans l'esprit des applications portail est la configuration par l'utilisateur meme du contenu et de la presentation d'un site (un processus explicite). Dans un portail personnalisable les fonctionnalites portent a la fois sur: le choix et le positionnement des rubriques sur une page, la selection de canaux d'information, la presentation de l'information par le site. Le prototype d'un tel portail est myYahoo, qui permet a tout et chacun d'avoir une page d'accueil qu'il composent selon leurs envies avec la meteo locale et les programmes tele de la soiree etc.. Le profiling permet d'adapter la presentation et le contenu d'un site en fonction du profil de l'Internaute, etabli a partir d'informations que le site (ou des sites partenaires) a pu recuperer sur lui. Au sens large c'est l'adaptation de l'offre a partir des informations detenues sur un individu. Il s'agit d'informations fournies deliberement par les utilisateurs lors de l'inscription a un service ou de la configuration d'un portail, mais aussi d'informations que le site enregistre de maniere implicite (l'adresse Internet, la frequence des visites, les pages visitees, le temps passe, les produits selectionnes, .) |
|
Le profiling suppose un processus complet de personnalisation sur Internet avec collecte des donnees, categorisation du contenu et des sujets, regroupement des objets de contenu et des sujet, association entre objets de contenu et sujets generation de recommandation par sujet. |
|
Sur Internet on retrouve des formes classiques de collecte de donnees l'enquete, l'observation et l'experimentation auxquelles s'ajoutent des formes specifiques comme:
|
|
|
|
C'est developpe autour de cette pratique, qui a ses origines dans le marketing direct, le concept nouveau de permission marketing. Il s'agit d'un changement de role ou le consommateur prend l'initiative du ciblage et fixe certains jalons aupres du commercant (marketeur), en specifiant les types de message qu'ils voudraient recevoir. Le commercant utilise en suite cette information pour diriger les messages publicitaires et les promotions envers le consommateur. Le consommateur evite d'etre submerge par des messages et reduit ses couts de recherche d'information. Le commercant augmente la precision du ciblage et obtient la confiance du consommateur ( d'apres Krishnamurthy Sandeep 2000) Pour les entreprises les defis consistent a convaincre les consommateurs de leur accorder des niveaux de permission croissants et d'actualiser leur profil. |
|
Le permission marketing s'oppose a a pratique du "spam" ou l'envoie de messages e-mail non sollicite. (Cranor and LaMacchia 1998) Les emetteur de spam sont motives par le constat que le cout pour obtenir une adresse e-mail est negligeable et les couts marginaux pour contacter des consommateurs supplementaires est quasi null. Il y a des programmes qui obtiennent sur Internet des adresses e-mail a partir des sites Web et des groupes des discussion gratuitement. Certains spammers ont annonce pouvoir fournir 45 millions d'adresses e-mail pour seulement 30$. Les commercants ont les memes couts s'il envoient 1 million ou 100 million de e-mails. En raison de ce faible cout marginal ils ont tendance d'envoyer plus de e-mails que souhaite par les consommateurs. |
|
Un environnement digital comme Internet est tout naturellement adapte pour l'observation du comportement de l'utilisateur. L'observation joue un role double dans la personnalisation, elle facilite la preparation et la mise en oeuvre. Pour la preparation il s'agit de l'enregistrement systematique de l'usage qui est fait du site qui va mettre en evidence les preferences des utilisateurs, leurs habitudes de navigation la fonctionnalite du site etc. Pour la mise en oeuvre il s'agit de capter en temps reel les evenements de navigation pour proposer un contenu specifique pour chaque utilisateur. |
|
|
|
Utilises a l'origine a des fins techniques (diagnostic de probleme, securiteH]eReneres par les serveurs Web [1] sont vite devenu une source d'informations inestimables Les outils du marche disponibles pour analyser ces fichiers sont plus ou moins evolues. Certains comme Analog sont meme gratuits et repondent amplement aux besoins de nombreux sites. D'autres comme WebTrends ou Net-Genesis ont des fonctionnalites plus evoluees (analyse fine, suivi d'audience |
|
Les moniteurs de serveurs Web permettent d'observer des evenements de plus haut niveau internes aux serveurs Web [2] et obtenir des fichiers de log avec des informations sont plus completes que celles fournies nativement par le serveur Web. On peut par exemple affecter un identifiant unique pour chaque utilisateur, et connaitre les pages appelantes et obtenir ainsi l'observation coherente d'une session utilisateur. |
|
Les moniteurs de reseau analysent les couches de bases du protocole HTTP (les paquets IP) et peuvent etre place comme des sondes dans de points cle du reseau (a la sortie de chaque serveur Web ou sur le 8'eme des sondes dans de points clnebergeur) Ils permettent en plus d'enregistrer les requetes interrompues par le client (utilisation du bouton STOP du navigateur), obtenir plus d'information sur le contenu renvoye au client dans les conditions ou plus de sites utilisent des systemes de generation de pages dynamiques cote serveur. Les URL ne contiennent alors pas d'informations qui permettent de connaitre le contenu de la page. Ces outils permettent d'intercepter des parties de la page Web : attributs des meta-tags, contenu des titres... et d'en deduire le contenu renvoye a chaque utilisateur |
|
Le ticket d'entree financier pour ces solutions avancees est tres eleve. Aussi, les grands hebergeurs proposent-ils de mutualiser l'utilisation de cet outil entre plusieurs clients. |
|
Si les trois methodes presentees precedemment s'appuient sur des briques techniques relativement standards de bas niveau (Fichiers de log, API du serveur Web, protocole HTTP), les agents applicatifs de collecte d'informations sont intimement lies a une application ou a une solution technique. Sur ce creneau, on trouve en premier lieu les editeurs de solution de eCommerce (Broadvision, Microsoft SiteServer, WebSphere Commerce Suite). Ils proposent plus ou moins en standard dans leurs produits des fonctionnalites de collecte d'informations permettant de tracer la navigation ou les evenements survenus (achat, click sur bandeau publicitaire, |
|
La quantite de donnees brutes issues de l'observation des mouvements sur un site peut vite devenir un frein a leur utilisation. Sont apparues des couches intermediaires d'agregation des donnees comme les cubes OLAP (slide 1) ou les solutions de datawarehouse (slide 2) , pour pallier a la lenteur des traitements et requetes appliques directement aux systemes de gestion de bases de donnees (SGBD). En meme temps des efforts sont faits pour standardiser l'information concernant les profils d'utilisateur pour faciliter la mutualisation de la collecte d'informations entre les entreprises (slide 3). |
|
Les Cubes OLAP organisent les donnees pour faciliter l'analyse. Parmi les solutions Olap generalistes on trouve Oracle Express, Cognos ou Hyperion. |
|
Les solutions a base de technologie de datawarehouse mettent en oeuvre l'utilisation de bases de donnees multidimensionnelles pour le stockage des logs. Les interets d'une telle solution sont les suivants :
Des solution connues sont Accrue, MicroStrategy, ou Aria. A la difference de cubes OLAP generalistes, ces outils sont dedies a un usage Web, et integrent differents outils de collecte d'informations, d'analyse et de generation de rapports. |
|
Des projets sont en cours sur Internet pour partager les profils d'utilisateurs. Les promoteur de tel projets sont les plus grand fournisseurs de solutions CRM comme SIEBEL. Un standard facilitera le transfert de donnees issues des applications de Gestion de la Relation Client traditionnelle (call center) vers des applications Web, et reciproquement simplifiant l'integration. Des initiatives telles que CPEX (Customer Profile Exchange Format) ont pour ambition de mutualiser les donnees collectees relatives a des utilisateurs, dans le but d'ameliorer la pertinence des solutions de profiling. CPEX vise a devenir un standard de description d'utilisateurs base sur XML. |
|
Les connaissance qu'on accumule sur un utilisateur permettent d'adapter du contenu. Des champs ou zones des pages seront remplies dynamiquement avec du contenu personnalise: article, promotion ou publicite ciblee, encart de recommandation |
|
Les techniques de personnalisation de l'offre digitale dans l'ordre croissant de complexite , des plus simples aux plus evoluees sont le filtrage (ou categorisation) du contenu, le filtrage collaboratif et les moteurs de regles. |
|
Le filtrage de contenu essaye de recommander des produits qui sont similaires a ceux que le client a aime dans le passe. On essaye de comparer un profil utilisateur a des profils de produits, de services ou de contenus et d'en deduire les plus adaptes. |
|
Le filtrage collaboratif par contre, essaye de proposer des produits qui ont plu a d'autres clients, juges proches (semblables) du client cible. Ils prennent en compte la similarite des preferences entre individus. On compare un profil utilisateur a d'autres utilisateurs et on propose les produits (ou services, ou contenus) que les utilisateurs les plus "proches" ont deja selectionnes. |
|
Dans les moteurs de regles la personnalisation est vue comme un processus dynamique permettant d'adapter le contenu en suivant des regles qui controlent la mise en avant d'elements de contenu en fonction du declenchement d'evenements prevus. Ils utilisent les progres en intelligence artificielle pour definir le processus de personnalisation a l'aide d'une serie de regles. Ils permettent de maitriser la complexite qui resulte de l'enchainement logique de ces regles et facilitent leur manipulation. |
|
Les approches de filtrage de contenu se basent sur la proximite entre des documents Web et les profils personnels, qui expriment des preferences obtenues de maniere explicite ou implicite de la part des utilisateurs. On fait des recommandations a partir des preferences du consommateur pour les attributs des produits. Sont utilise des scores d'importance auto-expliques ou des mesures d'utilite des attributs pour capter les preferences. Les systemes bases attributs permettent de recommander des produits completement nouveaux. Comme le filtrage collaboratif ces methodes ne peuvent pas faire des recommandations pour les utilisateurs qui ne fournissent pas des informations de preference. Le principe consiste a definir un espace de description, etabli a partir d'une liste de caracteristiques, dans lequel on va essayer de positionner a la fois les differents contenus et les differents utilisateurs. |
|
Les objets de contenu sont classes par types (Articles, Produits, Publicite, etc.) et evalues (notes) sur un ensemble d'attributs. |
|
(Enrichir le profil d'un utilisateur a partir de ce qu'il visualise.) En visualisant certains objets sur un site web ou encore plus en les selectionnant pour les mettre dans son panier l'internaute exprime indirectement des preferences envers les attributs qui caracterisent les objets. Cela permet de caracteriser le visiteur en lui affectant des notes dans l'espace defini par ces attributs. En comparant les scores du visiteur avec ceux des produits disponibles et evalues selon les memes attributs on peut juger de l'interet qu'il leur porte. |
|
La personnalisation est realise en selectionnant les objets de contenu les plus proches de l'utilisateur dans l'espace des attributs. On utilise des mesures de proximites qui ponderent les ecarts sur chaque attribut. La majeure partie des produits qui annoncent la prise en charge de profiling comme Spectra, Vignette Story Server ou ATG Dynamo utilisent cette technique. Des applications comme PersonalLogic, Frictionless Commerce, et Active Research |
|
En filtrage collaboratif on suppose qu'il n'est pas suffisant de se baser sur l'experience de consommation d'un profil d'utilisateur individuel mais qu'il faut exploiter les experiences d'une communaute de clients. Chaque utilisateur cible est associe a un ensemble d'utilisateurs proches en comparant le profil des informations fournies par l'utilisateur cible aux profils des autres utilisateurs. On cherche de correlations entre les utilisateurs par rapport au classements (ou scores de preference) attribues aux produits enregistres dans les profils utilisateur. Les voisins les plus proches de l'utilisateur cible sont ceux qui affichent la plus forte correlation avec son profil. Ils servent de "partenaires de recommandation" et les produits qui ce trouvent dans leur profils et absents dans le profil de l'utilisateur cible peuvent lui etre recommandes. Pratiquement ces methodes predisent les preferences d'une personne comme une combinaison lineaire des preferences d'autres personnes. Des applications connues sont Net Perceptions, Likeminds de Andromedia et Firefly (actuellement disparu). L'ambition de ce type d'outils est de faire des recommandations en temps reel. |
|
Un exemple interessant de mise en oeuvre de filtrage collaboratif est MovieCritic.com. Sur la base de jugements que l'on fait sur une selection d'une dizaine de films, le moteur recommande des titres que l'on est le plus susceptible d'apprecier. De la meme maniere sur CDNow.com, des idees de cadeaux pour un ami sont proposees sur la base des trois artistes favoris de l'utilisateur. |
|
Issus des progres en intelligence artificielle, les moteurs de regles sont essentiellement utilises dans un site pour mettre en e ecanismes de profiling. A la difference des autres techniques, ils permettent de maitriser completement la definition du processus de personnalisation et de faire preuve d'initiative et originalite. |
|
Une fois le modele d'information etabli et operationnel il sera connecte au point de contact avec le client (ATMs, call centers, Web sites) et utilise pour controler l'experience de consommation. Cette connexion peut etre faite en deux manieres. Une utilise les langages de programmation traditionnels pour developper des applications specifiques. Cette alternative est rigide, peu evolutive et prend trop de temps de developpement, mais presente l'interet d'etre simple et maitrisable pour des solutions ponctuelles. L'autre utilise des moteurs qui donnent aux commercants et aux clients la possibilite d'ecrire des regles qui controlent l'experience de consommation. Elles sont ensuite traduites pour appeler les fonctions du systeme et executes immediatement dans l'environnement dynamique. En generale le parametrage et la configuration du systeme de regles se fait au moyen d'une interface graphique evoluee. |
|
Les regles precisent le contenu qui sera servi a un client particulier. Un site Web personnalise peut etre tres gourmand en regles de diverses natures. "SI le profil de l'utilisateur verifie telle et telle condition, SI il a deja achete tel et tel produit, SI il a deja vu telle page et pas telle autre, SI on lui a deja envoye tel eMail de promo, SI il est deja venu la semaine derniere et SI il a l'habitude de se faire envoyer ses achats sous 48h ALORS lui proposer telle ou telle condition." (Source octo .. p. 29) |
|
Les principaux acteurs sur le marche des moteurs de regles sont Blaze Software et Ilog. Ces produits sont comparables mais pas egaux. Blaze Software a mise sur l'ergonomie tandis que Ilog est historiquement plus axe sur la performance et l'innovation conceptuelle (la derniere version dispose neanmoins d'une interface graphique de conception). Un autre produit merite l'attention, FirePond. Cette societe propose un environnement complet de creation de sites autour d'un moteur de regles. Des lors, pas de soucis d'integration, mais le produit tres teinte"vente de marchandises en ligne" se pr ete mal a d'autres utilisations. Enfin, citons aussi VERSATA, un acteur historique dont la solution vise a externaliser les processus metiers (transactions complexes, processus B2B) dans un referentiel. L'implementation de ceux-ci se fait dans un environnement specifique et est alors completement declarative. |
|
La diffusion rapide d'equipements electroniques portables et sans fil aura une influence majeure sur la pratique du CRM par les entreprises. Les clients utiliseront de maniere croissante des telephones portables, des agendas electroniques, des ordinateurs de poche ou autres equipements portables pour effectuer leurs achats, acceder aux services des banques ou societes de telecommunication souvent en dehors des heures ouvrables normales. |
|
Cinquin L., D. Joguet, N. Moreau, O. Petit et P. Pezziardi (2000) Le livre blanc de l'IRM. Gestion de la relation sur Internet. OCTO Technology Rombel A. (2001)A~k Global Finance, Mar Wells N. , J. Wolfers et R.C. Riecken (2000)e–ak Association for Computing Machinery. Communications of the ACM, Aug Hagen, H. and Souza, R. (1999) Smart personalization. The Forrester Report, July. Mobasher B., R. Cooley J. Srivastava (2000)a~yk Association for Computing Machinery. Communications of the ACM, Aug. Cranor, Lorrie F and Brian A. LaMacchia (1998),"Spam!" [available at http://www.research.att.con/-lorrie/pubs/spam/spam.html]. |
|
|
|
Abstract: In this data-rich world, customer-centric information will be pushed out more and more to new channels such as wireless devices, to evolving functions such as supply chain management and warehousing, and to burgeoning platforms such as e-marketplaces. CRM will encompass new tools like voice-over Internet protocol and Web collaboration that will gain ground as more companies become comfortable with the technologies. And marketers will be able to create highly personalized messages in real-time through automated processes. Most companies now see CRM as an integral component of their ability to track customer interaction across various channels, from e-mails to call centers. But increasingly, many businesses are going one step further. They are relying on customer management tools to bring real-time intelligence to personalized marketing campaigns - allowing for product pitches to be created on the fly for specific users as they click around a Web site. |
|
Abstract: Struggling to get off the ground, or in some cases survive, most e-marketplaces have been more concerned with how to acquire customers than what to do with them once they arrive. That is about to change. Customer relationship management, or CRM, is coming to e-marketplaces. The value of CRM software for making an individual company's supply chain more efficient has been known for some time. There is always excess inventory in every supply chain because suppliers want to make sure they can always deliver on time, said Jeremy Burton, senior vice president of product and services marketing for Oracle Corp. |
|
Abstract: Customer relationship management (CRM) can be defined broadly as using technology to collect, store, and analyze customer information to better serve and sell more to existing clients while attracting new ones. Customer information is the lifeblood of any business and, hence, CRM initiatives. If analyzed and used right, customer data can tell a company how specific customers like to be serviced and what products and services they are likely to buy in the future. But that is not easy. |
|
Abstract: Banks are moving to deliver their products and services through low-cost channels that automate the process and remove the expensive human element. With this strategy, the key differentiation becomes cost. The alternative strategy is to recapture the personalized service to the customer. The key is to understand each customer along with his or her needs and goals. Helping customers satifsy their goals effectively helps to develop customer loyalty. Knowing the customer can help the business to target its products and services to the best effect of both the customer and the business. Two types of personalization on the Internet are emerging. One offers users the ability to become GUI editors by allowing them to construct personalized pages. The other targets marketing of products and services based on information held about an individual. Neither really meets the needs of the customer. The key is organizing and building customer data stores and attaching those stores close to the customer interaction to effect the interaction and really personalize the experience. These multiple logical data stores necessary to fulfill the total requirements of the customer experience are defined in an information model. The model compasses traditional customer details, family situation, financial history, transaction history, and behavior. Customer behavior is a critical element, and must be captured across every channel touched by a customer, organized, and stored. |
|
Abstract: Principal elements of Web personalization include the modeling of Web objects, categorization of objects and subjects, matching between and across objects and/or subjects, and determination of the set of actions to be recommended for personalization. The prerequisite step to any type of usage mining is the identification of a set of server sessions from the raw usage data. The session file obtained in the data preparation stage can be used as the input to a variety of data mining algorithms such as the discovery of association rules or sequential patterns clustering, and classification. |
|
Abstract: A study examines the merits of methods used by online firms such as Yahoo!, Amazon.com and Movie Critic in recommending documents and products to consumers. It is suggested that preference models used in marketing offer good alternatives, and describe a Bayesian preference model that allows statistical integration of five types of information useful for making recommendations: 1. a person's expressed preferences, 2. preferences of other consumers, 3. expert evaluations, 4. item characteristics, and 5. individual characteristics. The proposed method accounts for not only preference heterogeneity across users but also unobserved product heterogeneity by introducing the interaction of unobserved product attributes with customer characteristics. Copyright American Marketing Association Aug 2000 |