PUBLI-REDACTIONNEL paru le 28 mai 2021
Pouvez-vous s’il vous plaît nous présenter votre nouvelle solution Aquaji ?
Florent Hédiard : Notre nouveau logiciel Aquaji fournit aux retailers des données qualifiées sur le nombre et la nature des visiteurs en points de vente. Il fonctionne avec notre logiciel QL spécialisé dans l’affichage dynamique, ou bien séparément. Il donne au retailer de la visibilité sur l’aspect démographique des clients venant en point de vente (homme-femme, tranche d’âge…) et la nature de la visite (temps en magasin, temps d’attente, centres d’intérêts). La force d’Aquaji, c’est la précision et la fiabilité des données récoltées. L’enseigne peut savoir, par exemple : Combien de temps leurs clients restent-ils en magasin ? Qu’est ce qui les intéresse ? Qu’ont-ils réellement regardé dans leur champ visuel ? Quelle est l’audience ? Combien de temps attendent-ils à la caisse ? Quel parcours client génère le plus de transformation ? Nous fournissons ensuite au retailer un « dashboard » simple et efficace, personnalisable selon ses critères, en extrayant les données. Ceci lui permet de décider d’actions orientées « business », c’est-à-dire pleinement opérationnelles.
Quels clients ont signé pour Aquaji ?
F.H. : Plusieurs pilotes sont en cours aux 4 coins du monde. Actuellement, Aquaji est installé chez un grand retailer alimentaire aux USA, dans un « mall » en Malaisie, dans le plus grand aéroport d’Istanbul et avec une banque canadienne.
Avec quels devices fonctionne Aquaji ?
F.H. : Le logiciel s’installe sur PC et il sera bientôt dans le cloud. Il utilise les caméras existantes des magasins. En fonctionnant avec l’Intelligence et la vision Artificielle de dernière génération, il permet de compter le nombre de visiteurs et de capter des données qualitatives de trafic. La technologie est basée sur un système de détection visuelle, qui détecte la silhouette et le visage, mais pas l’identité de la personne. Ces données sont ultra précises (95%) et permettent d’éliminer la totalité des doublons (liés aux passages multiples d’employés ou de clients).
Cette technologie est-elle compatible avec la RGPD ?
F.H. : Nos données sont agrégées, rendues anonymes et fondues dans des médianes et des moyennes. Ce ne sont pas des données personnalisées. Elles sont traitées en mémoire vive. En général, elles sont conservées uniquement pendant le temps de la visite en magasin… et parfois pendant 24h pour permettre la re-détection et éviter les double-comptage sur une journée. Mais les data stockées pour les analyses sont toujours agrégées. C’est un aspect très important. Aquaji, avec 50 réglages, permet de paramétrer la capture des données selon les réglementations locales.
Quelles décisions opérationnelles peuvent en résulter ?
F.H. : Prenons l’exemple des files d’attente (ou des drives). Quand un retailer a, en temps réel, les informations sur la durée d’attente, il peut décider d’ouvrir une caisse ou de la fermer. On travaille aussi avec nos clients sur la façon d’améliorer les files d’attente pour optimiser l’expérience client (envoi vers une autre file, coin pause-café, affichage sur des PLV d’informations ciblées…). Aquaji attire beaucoup d’enseignes car il facilite la prise de décisions marketing et opérationnelles pertinentes, grâce à la fiabilité des données.
Quels secteurs sont le plus friands de cette data qualifiée ?
F.H. : La grande distribution, les chaines de restauration rapide et les enseignes spécialisées (parfumerie, articles de sports) ont un besoin très important de pouvoir connecter leurs clients et leurs ventes en ligne. Ils veulent aussi connaître la performance des actions marketing d’entrée et de sortie (communication, corner, shop in shop). Pour eux, c’est un enjeu majeur : la donnée client est devenue clé pour optimiser les performances des points de vente.
Pour quel enjeu métier les retailers contactent-ils Navori Labs ?
F.H. : On voit bien dans les appels d’offre que les retailers et les centres commerciaux ont tous le même enjeu : ils connaissent leur trafic physique de façon quantitative (celui-ci est mesuré via des capteurs « aveugles ») mais pas de façon qualitative. Si la data online est très qualifiée, aujourd’hui, les retailers ne savent pas qui sont leurs clients « offline » selon la période de l’année et de la semaine. A ce jour, la plupart des solutions de comptage installées dans les bornes donnent le nombre de personnes qui entrent et sortent. Mais elles ne sont pas capables d’identifier la nature du flux, de savoir qu’un vendeur est passé 40 ou 60 fois par jour devant la borne de comptage. C’est l’erreur fréquente de ce type de solutions… A la fin de la journée, vous avez des données qui sont complètement fausses, et donc inexploitables. L’autre clé d’entrée présente dans les appels d’offre est celle des PLV interactives. Beaucoup de sociétés ont des écrans en magasin ou dans leurs centres et veulent les rendre plus attractifs avec du contenu ciblé.
Jusqu’où réconciliez-vous les données online et offline ?
F.H. : Chez Navori, nous captons de la donnée offline. Mais nos logiciels ont une API – une connectique complètement ouverte – qui permet le transfert immédiat de toutes cette data. Ce flot continu de données vient nourrir les équipes de data scientists, qui peuvent ensuite les croiser avec les données online par exemple.
Quelles sont les prochaines frontières pour Navori Labs ?
F.H. : L’univers de la communication extérieure (NDLR : qui englobe les panneaux publicitaires) ou Digital Out Of Home. Pour le moment, il fonctionne avec des données brutes et des études ad-hoc. Résultat, les annonceurs disposent de données génériques et non personnalisées. Si vous êtes Jacadi par exemple, c’est intéressant de savoir à quel moment afficher votre publicité pour qu’elle soit pertinente en fonction de votre cible. Grâce à cette connaissance des flux enrichie obtenue via Aquaji, un mall peut proposer à un annonceur des créneaux plus adaptés. Si je suis une marque de glaces, certains moments et certaines zones du « mall » sont sûrement plus adaptés que d’autres. Certains clients sont réticents à partager ces données, mais au final, toute la filière gagne en précision et devient plus affûtée. Au lieu de vendre un espace pub à un prix rond, je peux démontrer à mon annonceur qu’il existe des créneaux de prime time. Pour les régies, c’est un moyen de pousser des données ciblées (programmatique) pour adapter les prix aux contacts « exposés » et « utiles ».