Toyota multiplie par 2 sa génération de leads grâce à l’IA

Le site de toyota.fr reçoit 1,4 millions de visites par mois. Le visiteur peut y configurer un véhicule neuf pour le récupérer en concession ou y acheter de l’occasion et des véhicules déjà en stock chez le concessionnaire sélectionné.

La visite en concession est toujours une étape importante dans la décision d’achat des clients de la marque. Toyota doit donc optimiser le processus de demande d’essai pour générer un maximum de leads qualifiés en concession. Il faut que ces demandes d’essai soient faites par des visiteurs montrant des signes forts d’intérêt pour la marque.

‍Les limites du scoring manuel

Pour inciter les visiteurs à se rendre en concession, Toyota affichait une pop-in de demande d’essai dont le ciblage dépendait d’un scoring manuel. Les résultats de ce scoring étaient encourageants, mais la marque constatait que si les leads générés étaient plus nombreux, ils n’étaient pas suffisamment qualitatifs.

En d’autres termes, les personnes faisant des demandes d’essai ne se rendaient finalement pas à leur rendez-vous, ou n’achetaient pas à l’issue de celui-ci, rendant l’opération non rentable pour la marque. La marque a donc choisi d’utiliser AI Predictive Targeting pour améliorer le ciblage de ses demandes d’essai.

‍Nourrir l’IA avec les bonnes datas : l’art du machine learning

Pour commencer, Kameleoon paramètre AI Predictive avec une liste de critères Toyota permettant d’identifier les visiteurs qui montrent une forte appétence à la marque. L’objectif est de proposer à chaque visiteur une pop-in de demande d’essai personnalisée en fonction de son comportement, son parcours et sa localisation.

L’algorithme tourne mais n’est pas en production sur le site. Il apprend des comportements des visiteurs. Il affine petit à petit ses capacités de prédiction, en établissant des corrélations que le cerveau humain ne serait pas en mesure de repérer, jusqu’à se stabiliser en semaine 10.

AI Predictive Targeting passe à l’action en temps réel

L’algorithme, alors jugé assez performant, est lancé sur le site.Il pousse une pop-in aux visiteurs qu’il identifie comme ayant plus de 52 % de probabilités de conversion.

La pop-in est personnalisée avec la photographie du véhicule qui semble intéresser le plus chaque visiteur ciblé, et une proposition de concessionnaire proche de lui en fonction de sa géolocalisation. Le ciblage a lieu en temps réel et la pop-in peut se déclencher si l’intention de conversion d’un visiteur évolue pendant sa visite du site.

‍Toyota double la performance de son KPI n°1 avec l’IA

La marque envisage d’explorer d’autres pistes de scénarios de personnalisation avec AI Predictive Targeting pour accélérer la progression des visiteurs dans le funnel d’achat de nouveaux véhicules.

Grâce au ciblage prédictif, non seulement Toyota double  le nombre de leads générés, mais bénéficie  également d'une :

• Meilleure connaissance client : les données visiteurs sont analysées en continu par l’algorithme. Cela permet aux équipes Toyota d’approfondir la connaissance qu’ils ont de leurs clients.

• Amélioration globale de l’expérience client : les clients ayant une forte probabilité de conversion ont accès plus rapidement à une demande d’essai personnalisée. L’expérience des clients encore peu avancés dans leur processus d’achat n’est pas dégradée par une pop-in qui ne les intéresse pas.

• Gain de temps : l’algorithme de machine learning en charge du ciblage s’améliore continuellement et s’adapte en temps réel. Pendant ce temps-là, les équipes de Toyota peuvent se concentrer sur d’autres projets.