Appareils connectés : au-delà de l'usage consommateur, un levier pour mesurer et améliorer continuellement l'expérience client

Les médias et les experts partagent le même avis : les objets connectés vont se multiplier et faire partie du quotidien de chaque consommateur. Gartner place l'Internet des Objets au sommet de son Hype Cycle [1] et prévoit 25 milliards d'objets connectés d'ici 2020 : demain, tout sera connecté.

Au-delà de l'usage consommateur, les objets connectés offrent de nouvelles opportunités aux entreprises. Lorsqu'ils sont utilisés en interne au sein des chaînes de production, ils peuvent contribuer à réduire les coûts de fabrication, notamment grâce à une meilleure gestion des stocks et des flux de produits, ainsi qu'à la maintenance prédictive des équipements et des machines.

Les objets connectés permettent également aux entreprises d'établir un canal de communication direct avec leurs clients. C'est ce canal, créé entre l'entreprise et son client, qui nous intéresse particulièrement ici. Il peut servir de levier pour l'amélioration continue des produits grâce à une compréhension plus approfondie de l'expérience utilisateur. Comment une entreprise, en connectant les produits qu'elle commercialise, peut-elle quantifier l'expérience client et intégrer ces informations dans un processus d'amélioration continue ?

Aujourd'hui, les objets connectés offrent aux entreprises la capacité de recueillir des retours quantifiés sur l'utilisation des produits. Pour exploiter pleinement ces données, les organisations doivent être capables de les collecter, de les traiter et de les interpréter, avant de construire des processus agiles qui utilisent ces informations pour améliorer continuellement l'expérience client.

Pour illustrer cette approche, nous prendrons les exemples d'Oral B avec sa brosse à dents connectée SmartSeries [3] et de Tesla avec ses véhicules connectés Model S et Model X [4].

Collecte et stockage des données d'usage des objets connectés : quels sont les principaux choix structurants ?

Deux choix principaux structurent la collecte des données d'usage des objets connectés : le choix du canal de communication et la définition du cycle de vie des données.

Différents canaux de communication peuvent être utilisés pour connecter un objet à internet : une entreprise peut choisir de connecter son objet directement à un réseau cellulaire, en utilisant des technologies à haut débit telles que la 3G ou la 4G, ou des alternatives à faible débit comme Sigfox ou LoRa, ou s'appuyer sur un hub intermédiaire agissant comme relais, tel qu'un smartphone pour les particuliers ou une box internet domestique pour les maisons intelligentes.

Le choix du canal de communication n'impacte pas seulement les coûts de communication, mais influence également la conception du produit, le volume de données pouvant être transmises et la propriété des données.

Une fois collectées, les données doivent être stockées, qu'elles soient structurées ou non structurées. Les décisions prises à ce stade déterminent en grande partie le coût global du processus. Définir le cycle de vie des données en amont permet aux entreprises d'optimiser l'utilisation des données tout en évitant les coûts de stockage inutiles pour les données non utilisées.

Ce cycle de vie des données consiste à sélectionner les types de données à collecter et à définir, pour chacun, un chemin de cycle de vie : le stockage dans des bases de données structurées ou non structurées, la durée de conservation et les algorithmes de traitement cibles. Par exemple, Oral B pourrait catégoriser et segmenter ses données en données de profil utilisateur, données de durée de brossage et données de qualité de brossage.

Traitement des données : du profil client à l'usage client

Une fois collectées, les données d'usage des produits peuvent être combinées et traitées à l'aide d'algorithmes pour identifier les corrélations, les similitudes ou les différences dans la manière dont les objets connectés sont utilisés par les différents clients. L'objectif de ces algorithmes est de transformer de grands volumes de données, du Big Data au Smart Data, en informations exploitables.

En utilisant les données d'usage des objets connectés, les algorithmes de clustering peuvent, par exemple, définir des profils d'utilisateurs clients en regroupant les individus non pas en fonction de caractéristiques démographiques, mais de leurs habitudes d'utilisation. Oral B pourrait ainsi segmenter ses clients non pas par âge ou par sexe, mais par durée de brossage. De même, en utilisant les données de conduite de ses véhicules connectés (Model S, Model X), Tesla pourrait segmenter ses clients en fonction de leur comportement de conduite.

Interprétation des données : vers une culture axée sur les données

Lorsque les informations exploitables parviennent à la direction, elles sont souvent sous-utilisées. Les entreprises qui quantifient l'usage des produits doivent apprendre à prendre des décisions basées sur les données. Une approche efficace consiste à combler le fossé entre les data scientists et les managers, entre les données et la prise de décision stratégique.

L'adoption d'une culture axée sur les données permet aux organisations d'exploiter pleinement les données d'usage pour améliorer l'expérience client. Cette transformation nécessite de former les data scientists aux enjeux métier et de les impliquer dans les décisions stratégiques, ainsi que de former les managers à lire, comprendre et interpréter les rapports quantitatifs et les jeux de données.

Mettre en place des processus agiles : vers des produits connectés auto-apprenants

Une fois les décisions d'amélioration de l'expérience client prises, les entreprises doivent mettre en œuvre des processus agiles pour concrétiser ces améliorations. Les objets connectés permettent de tester rapidement de nouvelles idées grâce à des mises à jour logicielles déployées auprès de groupes d'utilisateurs sélectionnés, permettant une collecte rapide des retours.

Par exemple, Oral B peut tester l'introduction de fonctionnalités de gamification au sein de son application et mesurer l'impact en temps réel grâce aux données de durée et de fréquence de brossage.

Avec les appareils connectés, l'amélioration agile de l'expérience client peut aller encore plus loin, vers des systèmes d'auto-apprentissage. En intégrant tout le matériel nécessaire dès le lancement du produit, les entreprises peuvent améliorer l'expérience client grâce à de simples mises à jour logicielles. Les améliorations peuvent ainsi être déployées instantanément sur les produits existants.

Par exemple, le 12 octobre, Tesla a activé les capacités de conduite autonome sur la Model S grâce à une mise à jour logicielle (version 7.0), déployant la fonctionnalité Autopilot. Les mises à jour logicielles confèrent donc aux appareils connectés des capacités d'amélioration continue et d'auto-apprentissage.

Morand Studer

(i) Données structurées et non structurées : les données structurées désignent des informations organisées et formatées pour faciliter leur traitement et leur analyse. En revanche, les données non structurées désignent toute donnée qui ne se conforme pas à une structure prédéfinie.

(ii) Clustering : méthodes statistiques visant à diviser un ensemble de données en différents « groupes » homogènes, partageant des caractéristiques communes

(iii) Culture d’entreprise Data-Driven : lorsque les décisions dans une entreprise sont basées sur des données plus que sur des intuitions

(iv) Lufication (gamification) : introduction de mécanismes du jeu dans d’autres domaines en pour augmenter l’acceptabilité et l’usage

Sources :

[1] Gartner, Communiqué de presse, Gartner's 2015 Hype Cycle for Emerging Technologies, 18/09/2015, gartner.com/newsroom/id/3114217

[2] Gartner, Communiqué de presse, Gartner Says 4.9 Billion Connected "Things" Will Be in Use in 2015, 11/11/2014, gartner.com/newsroom/id/2905717

[3] Aruco, Test, La brosse à dents connectée Oral B, 10/03/2015, aruco.com/03/oralb-smartseries

[4] Aruco, La Tesla Model S devient progressivement une voiture autonome, grâce à la MAJ 7.0, 12/10/2015, aruco.com/2015/10/tesla-models-autopilot-firmware7-0