Geomarketing : nouvel eldorado de la personnalisation ?

Les enjeux du Geofencing

En 2020, 88% des mobinautes utilisent l’Internet mobile tous les jours. Le mobile représente 58% des investissements publicitaires digitaux et concentre les deux tiers des audiences e-commerce (pour déjà 37% des transactions). Le mobile permet surtout des ciblages et des interactions plus riches que le desktop :  le taux de conversion dans les applications était 7 fois plus élevé que sur le web mobile (baromètre 2019 du marketing mobile, Mobile Marketing Association France).

Le geofencing est une aubaine pour accélérer et intensifier la personnalisation de la relation client. La position de l’utilisateur, relevée en temps réel et correctement interprétée en « habitude », permet par exemple, d’activer une notification ou de proposer un service, une promotion, etc. tenant compte de sa zone géographique.

Elle permet également d’optimiser la réponse servicielle de l’application. Par exemple, dans le cadre du click and collect d’une appli e-commerce, une alerte peut être envoyée au point de vente, quand un utilisateur est en approche du magasin pour prioriser la préparation de sa commande.

Concernant le travail publicitaire ou l’activation promotionnelle, le geofencing renforce la pertinence contextuelle du message. Naturellement, l’utilisateur est plus réceptif à un call-to-action quand le message réagit à son environnement direct ou correspond à ses habitudes.

Toutefois, la promesse publicitaire d’un ciblage en temps réel, prédictif et développant la valeur perçue par l’utilisateur, relève encore le plus souvent du fantasme.

Les carences des messages géolocalisés

Le géomarketing permet la personnalisation des messages que les utilisateurs reçoivent…à condition qu’ils les acceptent. Si 82% des Français acceptent volontiers d’être localisés pour se faire guider jusqu’à un point de vente, seuls 42% le font au bénéfice d’un ciblage publicitaire amélioré (étude Herow). De la même manière, les notifications doivent être explicitement acceptées pour activer l’utilisateur d’une appli sur la base de ces données de géolocalisation. 43% des utilisateurs de smartphones déclarent autoriser les notifications push, soit plus de la moitié qui les refusent.

Autre contrainte : la précision de la géolocalisation reste souvent décevante avec les données natives des smartphones et la vitesse de traitement des données qui limite le « temps réel ». Que ce soit en raison d’un appareil mobile peu performant, de la précision toute relative des données transmises par l’OS ou de la couverture réseau imparfaite qui retarde les envois de données aux plates-formes qui les traite, les activations sont rarement parfaitement alignées avec le scénario envisagé. Or cette précision et cette vitesse sont des pré-requis à la pertinence, puisque le message géociblé risque de n’avoir aucune valeur, quand il est reçu hors contexte par l’utilisateur – autrement dit trop tard. Il sera même contre-productif.

Un autre élément peut rendre inefficaces quantité de messages géolocalisés : l’inattention des utilisateurs vis-à-vis de leurs notifications. Si l’objectif est d’activer un utilisateur quand il passe à proximité d’un point de vente, rien ne dit qu’il aura les yeux sur son portable à cet instant. Plus exactement, il y a de fortes possibilités qu’il n’ait pas son mobile en main, puisqu’on le cible lors de son déplacement.

Dernier obstacle, ou plutôt dernier reproche qui peut être adressé par l’utilisateur, le message reste interruptif et opportuniste, puisqu’il déduit le contexte de la position de l’utilisateur. Mais qu’il omet la majorité des motifs qui sous-tendent l’habitude qu’on prédit. Autrement dit, le message est envoyé en fonction de la position de l’utilisateur, mais pas du contexte de son déplacement. Un client à proximité d’un coiffeur n’est pas nécessairement disposé à profiter d’une offre. Individus pressés, en pleine conversation ou à la coupe de cheveux déjà récemment rafraîchie : nombreux sont les clients qui ne passeront pas à l’acte d’achat (qui reste l’objectif final) car le message arrive « comme un cheveu sur la soupe ».

Vers un nouveau modèle de géomarketing

Les données de déplacement ne sont pas suffisantes pour comprendre l’intention ou le contexte. En d’autres termes, un modèle géomarketing doit prendre en compte toutes les données dont on dispose sur les utilisateurs, pour être réellement efficace : croiser sa « vie géographique » avec l’ensemble des données dont on dispose sur lui (interactions sur l’application, historique transactionnel, données socio-démographiques).

L’enjeu du géomarketing réside donc dans la capacité à identifier des parcours ou des habitudes, parmi les utilisateurs. Le géofencing doit ainsi développer des modélisations algorithmiques auto-apprenantes pour adapter les communications. Il ne s’agit plus seulement de tracer les points de déplacements ou de définir des zones qui déclenchent un message, mais de développer une intelligence susceptible d’agréger cette donnée puis de la digérer. Comment passer d’un nuage de (milliards de) points à une cartographie de flux ? A une scénarisation des habitudes ? A une caractérisation, puis à une segmentation des utilisateurs ?

L’expérience de Maestis démontre que l’approche nécessite une méthode posant plusieurs étapes avant la définition des algorithmes de traitement :

• Etape 1 : définition et caractérisation des points d’intérêt et des zones. Ce référentiel qui peut s’appuyer sur des bases géographiques internes (geocoding des points de vente d’une enseigne…), externes (bases privées de zones commerciales…) ou publiques (stations de transport en commun…). La qualification automatisée des actions des utilisateurs dépend de la qualité de ce référentiel, travaillé en amont.
• Etape 2 : collecter les données de déplacement. Il s’agit de tracer avec précision et en temps réel les déplacements, ce que ne permettent pas nécessairement les données natives du téléphone… Certains partenaires spécialisés peuvent considérablement améliorer la pertinence de ce tracking.
• Etape 3 : penser au mieux le recueil du consentement. Il ne suffit pas de respecter les impératifs légaux ou les contraintes posées par les OS (systèmes d’exploitation), il s’agit surtout de convaincre le consommateur à « consentir ». Il s’agit donc de l’inscrire dans un tunnel de conversion assez fluide et en lui proposant un avantage immédiat et perceptible.
• Etape 4 : identifier des habitudes et modéliser des scénarios. Le traitement des données doit permettre de déterminer des flux, des habitudes, qui serviront de base à l’écriture des scénarios d’activation ou des nouvelles réponses servicielles. La finesse de l’outil d’intelligence traitant les données est à ce titre primordial.
• Etape 5 : penser au mieux les outils d’activation et les messages afférents. Il ne suffit pas de définir un scénario et des « triggers » (événements déclenchant une activation). Il convient également de travailler précisément les messages en y incluant une incentive et de penser les supports de communication. La notification est sans doute l’outil le plus communément utilisé (et souvent le mieux adapté), mais il ne saurait être ni systématique, ni universel. Parfois, un interstitiel in app ou un SMS sont mieux adaptés.