Temps de lecture : 6 minutes
Que ce soit lors de mes cours ou bien avec des amis avec qui je peux discuter, il est souvent difficile de leur expliquer à quoi peuvent bien servir les métas donnés dans leur quotidien. On imagine bien du big data dans les calculs savants de modèles météorologiques, dans la gestion des transports, etc., mais à quoi bon dans notre vie quotidienne ?
L’exemple de Mc Donalds France que je vais vous analyser ci-après et présenté par Philippe Ducellier, journaliste pour LeMagIt. Un compte rendu d’une présentation de Bigdata Paris 2019.
Initialement, l’équation est simple : Mc Donalds, initiateur du concept de fast food en lien avec une marque internationale, même mondiale (!), est assez simple : proposer la même qualité et le même burger partout dans le monde. En effet, qui n’est jamais rentré dans un MacDo à l’autre bout du monde et par facilité, mais aussi confiance dans le résultat que vous allier avoir dans votre assiette ? Toutefois, la concurrence augmente et les goûts des clients évoluent. Ils sont de plus en plus de demande de diversité, d’innovation, de changement. La concurrence des Burgers king, KFC, mais également des multiples nouveaux burgers corners et autres fast food artisanaux sont là pour le rappeler au géant.
La seconde stratégie de Mc Donalds est la « sincérité, révélée par le slogan « Comes as you are », venez comme vous êtes. Ce second concept markéting offre au Burger Maker une identité familiale, copains, amis très dans l’air du temps, ne sommes-nous pas tous « amis » sur Facebook ? c’est là que le concept de Big data prend tout son sens : l’analyse comportementale. De fait, au-delà des beaux slogans, comment MacDo peut-il savoir si vous venez en famille, avec des amis après une soirée bien arrosée, en amis après un match, seul avec le fiston ou la fille qu’on a pour le weekend … ? Finalement, un slogan si centré sur le client n’était, jusqu’il y a peu, un slogan vide de sens puisqu’impossible à vérifier et ainsi orienter le marketing digital, mais aussi physique, directement dans les Fast Foods de la marque.
C’est là qu’intervient Romain Girard de la division Business Insight du fabricant de burgers en France (2 millions de visiteurs/jour, 5 milliards de CA annuels, 1.450 points de vente). IL nous explique qu’initialement, la société analysait ses tickets pour organiser les réapprovisionnements : nombre de burgers vendus. Ces tickets sont donc, dès le départ, centralisés à la maison mère en France pour une gestion de leurs stocks. Or la réussite de Mc Donald’s, ce n’est pas seulement les hamburgers, c’est aussi une compréhension et une connaissance des consommateurs et encore de préciser comme beaucoup de sociétés, historiquement, nous regardions les ventes de manière assez simple : par point de vente, par produit, par heure, par protéine. Nous arrivions à mixer ces éléments. Mais pas assez pour déterminer si vous êtes venu seul, en groupe ou en famille. L’équipe Insight analyse ainsi le potentiel de leurs outils pour mieux déterminer les comportements des consommateurs dans leur enseigne : Quand on a commencé le projet, nous avons fait des workshops métiers avec le département des études, l’IT et le marketing pour mapper et auditer toutes les données qui étaient à notre disposition précise Thibault Labarre de Ekimetrics, entreprise mêlant bigdata et IA (Google Deepmind) pour améliorer le ciblage marketing de leurs clients. Plus précisément, les data scientist reçoivent des téra-octets de tickets (2 ans de stockage).
Nous voici donc arrivés au cœur du questionnement : que peut-on faire avec un ticket de caisse ? Mon ticket de surcroit ? Seul, votre ticket ne sert pas a grand-chose pour un vendeur de burger, encore qu’il peut déterminer, à condition de payer avec votre carte bleue, où vous habitez, d’où vous venez (si vous avez acheté un autre produit quelques minutes ou heures avant), compiler l’ensemble des achats liant MacDo et votre carte bleue sur un historique de plusieurs années, etc. Mais tout cela n’est pas suffisant, il faut encore approfondir la question en regroupant les achats, les croisant. Les deux acolytes nous expliquent qu’ils ont plusieurs centaines de millions de transactions. Que ce soit d’une, deux, trois personnes ou plus. Que ce soit au Drive, en restaurant ou à emporter. Que ce soit avec des clients identifié (NDR : via la carte de fidélité) ou pas. C’est une richesse incroyable […]. Ces tickets étaient sous exploités pour des problèmes de capacité de calcul. Ainsi l’équation du big data devient simple avec des ordinateurs capables de calculer et analyser la totalité des deux téraoctets et des six milliards de lignes que représente la base des deux dernières années de tickets.
Un objectif : extraire une typologie de clients
Philippe Ducellier synthétise leur approche en relatant leurs propos et les difficultés d’y arriver. On a des tickets, on veut en tirer des segments de comportement. Dit comme cela, c’est facile. Mais le risque était d’être complètement déconnecté de la réalité et des études [faites par McDonald’s], se souvient Thibaut Labarre. Romain Girard confirme et explicite : chez McDonald’s, vous pouvez venir seul, et prendre un Big Mac. Puis le weekend, vous venez avec vos enfants, et vous prenez un Big Mac. Et à la sortie d’une soirée ou d’un match de foot, vous vous retrouvez avec vos amis, et vous prenez un Big Mac. Dit autrement, la trace de la vente d’un Big Mac sur un ticket de caisse ne donne pas d’indications sur le contexte. C’est le même produit, mais dans plusieurs occasions. C’est complexe pour moi dont le métier est d’analyser les ventes.
Une des questions par exemple étaient comment je définis « une famille [est venue] » ? Nous avons été obligés d’utiliser un proxy. Une « famille », c’est un ticket avec un Happy Meal. Ce n’est pas parfait, mais cela permet dans un premier temps d’avoir un résultat concret . Et encore de montrer les formes précises que peuvent prendre les panels en fonction des données des tickets avec les panels, nous arrivons à savoir exactement quelle est la part des gens qui viennent en groupe et qui payent chacun de leur côté. On arrive à donner des approximations. Ce qui fait que l’on est arrivé à gérer des proxys (des biais) [pour ce cas] . Le résultat est déjà bluffant en tant que tel, car ce n’est pas moins de 9 typologies (seul, groupe, famille, etc.) permettant une lecture multiscalaire (du plus détaillé au plus général) . Ce qui est remarquable, et comme précisé plus haut, la technologie de calcul permet aujourd’hui ce type d’analyse qui n’a pris que 3 mois !
Test & Learn
OK, me direz-vous, tout cela c’est en théorie… c’est pour cela que le processus mis aujourd’hui en place par Mac Donald inclut un apprentissage continu pour affiner leurs analyses comportementales. Cela implique que dès aujourd’hui, il sera bien plus pertinent de lire vos tickets en fonction du marketing ciblé qui sera fait enseigne par enseigne, lieu par lieu et incluant sans nul doute le calendrier des activités que chaque ville. Ce qui est certain, c’est que si demain l’équipe de foot de France vient à jouer, les publicités des burgers sera de moins en moins générales, mais beaucoup plus liées aux lieux où maintenant on sait que les groupes de personnes susceptibles d’aller voir le match ou de le visionner a l’entour du quartier du Mac Do se situent… car avant, il passait déjà via le burger store. Nous sommes donc très proches du marketing direct et ciblé… mais à l’insu de votre plein gré, car c’est votre ticket de caisse qui vous aura trahi. Par exemple, précise le journaliste, si l’on sait que les groupes d’amis, après un match de rugby, commandent régulièrement des menus Big Mac plus des bières et y ajoutent des hamburgers, McDonald’s aura tout intérêt à faire une réduction sur ces packages lors du Tournoi de VI Nations pour attirer les supporters, plutôt que mettre en avant les Sundays ou le café. La grande différence, c’est que ce type de promotion ne se fera plus qu’aux endroits adéquats.
Ce qui est sûr c’est que sur vos télés, sur vos téléphones, et dans les publicités que vous allez voir dans les mois qui viennent, il y aura des choses qui viendront clairement de cela… sourit Romain Girard.
Pascal SIMOENS
Data curator, spécialiste Smart Cities
NUMERIC LANDSCAPE 