Les Galeries Lafayette : innovation et IA au service de la satisfaction client ?

Leader français des grands magasins, les Galeries Lafayette ont fait le choix de l’innovation afin de mieux comprendre les enjeux de la satisfaction client.

Les Galeries Lafayette ont fait appel à Onepoint et à ses expertises en conseil et innovation pour appliquer de nouvelles méthodes d’analyses statistiques et d’intelligence artificielle à l’analyse de la satisfaction des clients et des parcours.

Découverte de cette nouvelle approche qui fait le pari de réconcilier statistiques et causalité.

Nous avions comme enjeu de faire comprendre à nos collaborateurs le gain qui pouvait exister à valoriser la satisfaction client. L’objectif était d’appuyer quantitativement un ensemble de constats existant et relatifs à cette satisfaction client. Nous voulions utiliser la data pour que ces constats ne soient pas qu’un avis de plus.

Laetitia Segonzac, Directrice Expérience Clients & Fidélisation -Transformation Digitale - Expérience Client et CRM

Les Galeries Lafayette ont fait le choix de collecter la voix de ses clients au travers de leurs réponses à une dizaine de questionnaires post-achat. Le parcours d’un acheteur étant soumis à de multiples facteurs, le groupe avait besoin d’une solution permettant d’analyser efficacement et de valoriser l’ensemble des informations à sa disposition.

Les Galeries Lafayette ont donc fait appel à Onepoint pour fournir des indicateurs permettant la priorisation de la feuille de route expérience client. La contrainte étant ici que les résultats de l’analyse devaient justifier quantitativement les moyens impliqués pour améliorer l’expérience client.

Plusieurs études statistiques internationales et cross industrie montrent le lien entre l’expérience client et les performances de l’entreprise. Ces résultats ont d’ailleurs été théorisés dans les années 90 via le concept d'”experience economy”. L’enjeu de notre accompagnement était d’identifier les tenants et aboutissants de cette théorie à l’échelle des Galeries Lafayette.

Sébastien Billet

Complexité et entremêlement des questions à explorer

La priorisation de nos actions se basait jusqu’ici sur la volumétrie des retours clients, sans considération du gain que cela pouvait générer. Nous avons voulu changer de point de vue en considérant le client comme premier décideur de valeur, ce qui nous a amené à étudier les liens entre ses retours et son comportement d’achats.

Laetitia Segonzac

Afin de cibler au mieux ses axes d’amélioration, les Galeries Lafayette avaient besoin d’étudier l’impact des éléments constitutifs du parcours client sur les achats de ce dernier. Comment améliorer au mieux l’expérience de ses clients ? Quels facteurs influaient le panier moyen, et dans quelles proportions ? Comment dénouer les liens qui intriquent les impacts mutuels de cette liste de facteurs ?

L’analyse des éléments de réponse représentaient, en outre, un défi supplémentaire. Dire que corrélation n’est pas causalité est une chose. Être capable de fournir des résultats qui relèvent de la seconde plus que de la première en est une autre.

La recherche à Onepoint, une source d’innovation

L’Institut, qui soutient la Recherche et l’innovation entrepreneuriale chez Onepoint, propose un ensemble d’outils issus de la recherche permettant de répondre au plus près du besoin de ses clients.

Loin de fonctionner en vase clos, les méthodes utilisées par nos chercheurs permettent l’intégration de la connaissance de l’expert métier tout au long de l’étude. Il ne s’agissait pas ici de faire aveuglément confiance à un modèle digérant un ensemble de données, mais bien de coconstruire une solution qui serait à la fois explicable et explicative.

Un modèle statistique centré sur la causalité

Lorsque l’on analyse les attentes d’un client, il est important de considérer le contexte de ces attentes. Un client qui voudrait acheter un rouge à lèvres n’aurait pas les mêmes attentes concernant son expérience au sein des Galeries Lafayette qu’un client qui voudrait acheter un vêtement de luxe par exemple. Il est primordial de considérer l’ensemble des données d’un problème pour comprendre les dynamiques qui peuvent les relier, surtout lorsqu’il s’agit d’un problème où la multiplicité des informations réside à la fois dans les profils de clients, le nombre de magasins concernés et dans le vaste choix de produits proposés.

C’est ici qu’intervient l’expert métier qui va utiliser ses connaissances pour affiner le modèle sur lequel se base l’analyse. Cette intervention de l’expert métier est un des points forts de l’inférence causale, méthode à mi-chemin entre les statistiques et l’apprentissage automatique de l’intelligence artificielle.

Cette méthode se démarque des méthodes d’apprentissage automatique traditionnelles justement par cette intervention nécessaire de l’expert qui va venir apporter sa vision du monde. Cette structure lui a permis de s’imposer comme une référence permettant de passer des simples corrélations à des liens de causalité.

Cette utilisation de connaissances externes se traduit ici par la définition d’un graphe de connaissances, graphe qui a ici été construit par les Galeries Lafayette en collaboration avec Onepoint et qui permet de refléter au mieux la connaissance que le leader français des grands magasins a de sa clientèle. Une fois établi, le graphe sert de guide à un modèle statistique qui peut dès lors étudier l’ensemble de données à sa disposition.

Le fait de créer une interaction entre mon expertise métier et leur méthodologie data nous a permis d’avancer par itérations successives, ce qui nous a permis d’apprendre en marchant. Cette succession d’itérations nous a par exemple permis de laisser de côté certaines hypothèses qui nous semblaient prometteuses et qui se sont révélées être des impasses. En ce sens, j’ai trouvé cette méthode plus agile que les méthodes traditionnelles fonctionnant en un cycle unique de demande et résultat.

Laetitia Segonzac

Et après

Une fois entraîné, le modèle d’analyse fourni un descriptif détaillé de l’impact d’un ensemble de facteurs sur une valeur cible, ici le panier moyen des clients. Chaque facteur peut alors être analysé individuellement en fonction de son impact uniquement.

Les résultats de cette mission m’ont permis de mobiliser nos équipes sur les sujets mis en avant par l’analyse. La quantification des éléments constitutifs de l’expérience client tels que l’accueil vendeur nous donne accès à un ensemble d’indicateurs. Ces indicateurs seront utilisés pour affiner la priorisation de nos actions d’amélioration de l’expérience client.

Laetitia Segonzac

La conduite de cette analyse a permis d’identifier les principales pistes d’amélioration à envisager côté expérience utilisateur tout en quantifiant leurs impacts sur le panier moyen des clients. Ce faisant, les Galeries Lafayette ont eu accès à un résultat détaillé leur permettant de prioriser leurs futures initiatives.