Aujourd’hui, les magasins qui ne tirent pas parti des nouvelles technologies et des données qu’elles fournissent, s’exposent à un risque important : celui d’être dépassé par la concurrence. L’in-store Analytics permet aux managers de voir ce que les consommateurs font en magasin et surtout ce qui les amène à l’achat.
L’in-store analytics : principes
Genèse du concept
Il y a déjà de nombreuses années que des magasins procèdent à des enquêtes sur le terrain. Cela permet d’en savoir davantage sur le comportement des consommateurs ainsi que les éléments qui les incitaient à acheter. On peut considérer que ces enquêtes représentaient une première forme de in-store analytics. Mais de nombreuses enseignes se sont rendues compte que les enquêtes étaient insuffisantes, notamment parce que les échantillons n’étaient pas toujours représentatifs et que les réponses étaient approximatives.
Mesure du trafic en magasin
Les magasins ont très vite commencé à mesurer de nombreux autres éléments, tels que le trafic en magasin. Lorsqu’il sait à quel moment de la journée les clients affluent, le manager peut prendre des décisions intelligentes au niveau des ressources humaines, et mettre à disposition plus ou moins de personnel en fonction du trafic in-store. Cela lui permet d’une part de réduire ses coûts, mais surtout d’offrir un niveau de service approprié par rapport à la demande.
En effet, dès lors qu’un client a passé un agréable moment en magasin (renseignements, temps d’attente, …), cela augmente sa probabilité d’achat dans l’immédiat mais aussi pour le futur. En parallèle, il est primordial de monitorer également le taux de conversion en magasin, car les moments où le trafic en magasin est élevé ne correspondent pas toujours aux moments où le taux de conversion est le plus élevé.
Web Analytics et in-store analytics
De plus en plus, on remarque que les enseignes proposent une version en ligne de leur magasin. Pour un e-commerce, il est aisé de mesurer les comportements et volumes de ventes. Mais lorsqu’il s’agit simplement d’un site « vitrine » ou d’une campagne publicitaire, il reste très difficile de mesurer les ventes qui en découlent (tout comme un spot TV ou radio). Pouvoir faire le lien entre l’online et l’offline est le nouveau challenge dans le secteur retail, et ce pour deux raisons principales :
- Démontrer l’importance réelle du web sur les ventes en magasin (et donc débloquer davantage de budget pour les campagnes en ligne). Cela est tout à fait faisable : d’un côté, en magasin il est fréquent que les clients puissent scanner une carte de fidélité, et de l’autre côté il est souvent nécessaire de s’identifier sur un site web. Dès lors qu’un même identifiant est utilisé des deux côtés (lors du login online et du scan offline), il est possible de réconcilier les informations et de savoir si un visiteur en ligne a procédé à un achat en magasin.
- Faire transiter les informations de comportement en magasin vers l’online. Cela semble moins évident, mais en savoir davantage sur les habitudes d’achat en magasin permettraient de personnaliser complètement un site web.
De nos jours, les enseignes de grande distribution proposent presque toujours un site e-commerce qui permet de faire ses courses en ligne et de récupérer ses achats en magasin. Inconvénient : il faut passer un bon moment en ligne (au moins pour son premier panier). Qu’en serait-il si l’enseigne pouvait proposer un panier de base, ou des produits personnalisés en fonction de vos habitudes d’achat en grande surface ?
In-store analytics : les beacons
De nombreux magasins physiques proposent un wifi gratuit. Il faut savoir que lorsque le wifi est activé sur un téléphone, il recherche toutes les quelques secondes si un nouveau réseau est disponible. Cela signifie que le téléphone va partager son numéro d’identifiant unique (MAC address) avec tous les appareils disponibles. Donc, lorsqu’un consommateur se déplace dans un magasin, chaque antenne wifi agit comme une balise qui permet de localiser celui-ci, même s’il ne se connecte jamais au réseau en question. C’est ce qu’on appelle aussi le système de « beacons ».
Même si le smartphone ne partage aucune donnée personnelle concernant son propriétaire, il est alors possible d’avoir une vue globale de ce que les clients font lorsqu’ils se déplacent dans un magasin. Combien de temps ont-ils passé dans un rayon ? Combien de client se trouvent à chaque étage ? Après combien de temps reviennent-ils en magasin ?
Comme mentionné, jusqu’ici il n’y a pas de données personnelles qui entrent en jeu car on ne peut relier une MAC address à un client en particulier. Souvent, quand le client se connecte au wifi, il est généralement demandé au consommateur de s’inscrire. Dès lors, on peut relier l’identifiant du smartphone à l’information récoltée via le processus d’inscription, c’est-à-dire un nom, une adresse mail, un numéro de téléphone. D’autres enseignes proposent aussi une application mobile dédiée où les utilisateurs peuvent recevoir des coupons et promotions en temps réel.
In-store analytics et données personnelles
Même dans le cas où il s’agit seulement d’un identifiant, la mise en place d’un tel suivi peut sembler intrusive. Il faut donc être prudent par rapport aux méthodes d’in-store analytics car celles-ci pourraient avoir un effet contre-productif si l’utilisateur se sent espionné.
Dernièrement, le RGPD (règlement sur la protection des données) est au centre de toutes les discussions et il est important de s’informer auprès d’experts sur le type de données qu’on peut collecter dans le cadre de l’in-store analytics.
Enfin, il est important que cette récolte de données soit bénéficiaire aux deux parties. Lorsqu’un consommateur accepte de partager ses informations avec un magasin, il attend nécessairement un retour. Il convient donc en échange de lui faire bénéficier d’un programme de fidélité, d’offres promotionnelles spéciales, de coupons ou d’événements.
Vous êtes convaincu que l’analyse du comportement de vos utilisateurs peut vous aider à améliorer leur parcours d’achat ? Découvrez nos solutions de web analytics.
