La capacité de Bunge à anticiper les scénarios marketing est le fruit d’un projet mené avec la startup Simplex. L’initiative a permis d’intégrer les historiques de trois ans provenant de dix bases de données différentes — contenant des informations allant des résultats de ventes au fil du temps, des investissements dans divers médias et de la présence des produits en points de vente, jusqu’aux prix au détail, prévisions de demande et indicateurs régionaux liés à la pandémie de Covid-19.
Mais le projet est allé plus loin. L’un de ses piliers a été le développement d’un outil capable d’automatiser l’application de modèles statistiques à ce grand volume de données, rendant la génération de prévisions de scénarios simple et accessible.
« Aujourd’hui, nous ne nous contentons pas de mesurer les résultats des campagnes télé, radio ou digitales sur les ventes : nous disposons déjà d’un algorithme capable de prévoir, avec 75 % de précision, quel sera le ROI (retour sur investissement) des campagnes futures dans chaque région du pays. », se félicite João Galoppi, responsable du marketing digital chez Bunge.
Selon lui, la précision des prévisions tend à augmenter à mesure que les modèles prédictifs sont affinés grâce à l’intelligence artificielle. L’un des grands défis était de comprendre pourquoi une campagne fonctionnait dans une région et pas dans une autre — et bien sûr, si le budget marketing était réparti de manière optimale entre les différents médias.
« Évidemment, nous avions des hypothèses. Mais aujourd’hui, nous disposons de données organisées et d’innombrables possibilités de croisements d’informations. », souligne Galoppi.
Bunge est désormais en mesure d’identifier avec précision, par exemple, dans quelle mesure une hausse de prix dans une région donnée a neutralisé les effets des actions marketing menées sur place. Ou encore de comprendre les spécificités d’un marché local et la manière dont son consommateur — ou l’acheteur, qui n’est pas toujours la même personne — réagit aux promotions et à la publicité.
Galoppi affirme qu’optimiser les investissements sur la base de données est la façon la plus efficace de surmonter la crise et d’élargir la portée du budget marketing. « Simplex a joué un rôle décisif dans ce processus, tant par son expertise en modélisation statistique prédictive que par le développement de l’outil qui nous permet de visualiser l’ensemble du scénario via des tableaux de bord intuitifs. », résume-t-il.
Les données à la loupe
L’intégration et le croisement des données ont porté sur dix bases différentes, incluant aussi bien les informations marketing et publicitaires que celles des canaux de vente physiques. Parmi les données réunies figuraient : les indices d’audience des campagnes, le coût des actions online et offline, la part de chaque type de campagne, le nombre total d’impressions et de clics, ainsi que les données de Nielsen — telles que le volume et la part de la marque en rayons, les mois d’activations par la Bunge, et les périodes de concentration sur les canaux offline.
« Ce que nous avons aujourd’hui, c’est une prise de décision plus fondée », affirme Galoppi. Selon lui, la contribution de Simplex a été essentielle pour donner de la vitesse au processus. « Nous avons finalisé le plan en moins de six mois. », se réjouit-il.
Un autre facteur de succès a été le travail avec une équipe multidisciplinaire d’environ une douzaine de professionnels — allant des publicitaires aux ingénieurs chimistes — et l’implication de différentes divisions de l’entreprise, ce qui a enrichi la compréhension des défis du projet.
« Dans le digital, tout peut être mesuré, du premier clic jusqu’à la conversion. Il est possible d’investir dans les médias avec précision et de calculer le ROI. Et le grand défi ici — que nous avons réussi à relever — a été d’appliquer ce même niveau de contrôle aux médias offline », explique João Lee, directeur chez Simplex. Selon lui, la plus grande satisfaction du projet est de voir les algorithmes et les données être désormais utilisés par d’autres services de l’entreprise pour mieux comprendre le comportement du marché.