Lapperre s'engage à optimiser le parcours de gestion des soins de ses clients grâce aux informations fournies par l'apprentissage automatique

Dans le commerce de détail, la fidélité des clients et les achats répétés sont souvent motivés par l'offre régulière d'avantages commerciaux. Tout comme la vue, l'ouïe peut également se détériorer avec des conséquences importantes telles que la privation sociale, des problèmes d'apprentissage, des acouphènes, la fatigue auditive et le déclin cognitif. Le point de départ de Lapperre est que, dans le domaine des soins auditifs, le parcours du client après l'achat devrait être basé sur une gestion efficace de la solution proposée et permettre au client de profiter pleinement de son audition et de sa vie.  

Forte de ses 75 ans d'expertise en audiologie et des soins quotidiens apportés à ses clients, Lapperre a décidé d'approfondir ses recherches sur les méthodes de gestion des soins les plus efficaces, en s'appuyant sur les résultats de l'analyse de l'apprentissage automatique. Pour ce faire, Lapperre a fait appel à l'expertise de Cegeka en matière de science des données, ce qui a permis de mettre au point des scénarios permettant d'améliorer l'efficacité de près de 40 %.  

Lapperre est le leader du marché belge des appareils auditifs et l'opérateur de centres auditifs. Lorsqu'un client achète une aide auditive, il ne s'agit pas d'un achat unique. La perte auditive continue généralement d'évoluer et le cerveau s'adapte. Après un ou deux ans, l'aide auditive peut être ajustée et quelques années plus tard, le client peut avoir besoin d'un nouvel appareil auditif. "Comment se présente un parcours de soins idéal en termes de nombre de rendez-vous pour permettre au client de profiter pleinement de sa solution auditive ? C'est l'un des défis que nous avons dû relever il y a quelques années pour améliorer l'utilisation de nos capacités", explique Dirk Schaele, Directeur Global Store Performance & Processes chez Sonova.   

Pour répondre à ces questions sur la base de données, Lapperre avait besoin d'une expertise en science des données. L'entreprise a trouvé cette expertise chez Cegeka. “Cegeka nous a guidés dans la recherche, a organisé les workshops nécessaires et a posé les bonnes questions pour aboutir à un framework analytique. La validation statistique nous a obligés à continuer à rechercher de nouvelles relations et à enrichir notre modèle de données. Nous avons régulièrement reçu des commentaires indiquant que nos processus n'étaient pas suffisamment alignés et que le résultat n'était pas statistiquement pertinent. Cela nous a donné des indications importantes sur les données et les processus manquants", explique Dirk Schaele. Sur la base de ces nouvelles connaissances, Lapperre a commencé à optimiser ses processus jusqu'à ce que la pertinence statistique soit suffisante et que la satisfaction du client soit durable.   

Jusqu'à 40 % d'efficacité en plus   

Lapperre souhaitait comprendre quels facteurs influencent l'expérience des clients lors du renouvellement de leur appareil auditif. Cegeka a testé pas moins de dix-huit variables pour développer un modèle. "Sept de ces variables se sont avérées significatives", explique Dirk Schaele. Cela n'était pas seulement important pour rendre le Managed Care plus efficace, mais a également fourni des informations commerciales intéressantes.   

Cegeka a ensuite pu utiliser l'apprentissage automatique pour développer un modèle qui classe les clients de Lapperre en fonction de leurs 'besoins de soins' pour l'ajustement et/ou l'achat d'une nouvelle aide auditive. Le modèle a été entraîné sur les données des années précédentes, puis validé avec les données de l'année dernière. Enfin, cette année, ces prévisions ont été utilisées en Belgique pour inviter les clients à une 'visite de contrôle' afin de tester l'efficacité du modèle.   

Que peut-on en conclure ? L'utilisation du modèle a permis, dans certains scénarios, d'améliorer l'efficacité de près de 40 % par rapport à la méthode de travail traditionnelle, qui consiste à appeler les clients de manière arbitraire ou chronologique. Tout le monde a été surpris par ce pourcentage élevé. "Les clients sont satisfaits de notre proactivité en matière de gestion des soins et la capacité de nos prestataires de soins est désormais bien mieux utilisée", affirme Dirk Schaele.   

“Les clients sont satisfaits de notre proactivité en matière de gestion des soins et la capacité de nos prestataires de soins est désormais bien mieux utilisée.”

Dirk Schaele, Director Global Clinic Performance & Processes chez Sonova

Processus créatif et collaboratif  

Le développement d'un modèle d'apprentissage automatique est un processus créatif et collaboratif. Le soutien d'un partenaire expérimenté est essentiel à cet égard, note Dirk Schaele : “Il faut beaucoup de brainstorming, et si personne ne guide ou ne documente ce processus pendant qu'il se déroule, on passe à côté d'informations importantes. Nous avons donc beaucoup profité de l'expérience et du support de Cegeka tout au long de ce processus."

Bien entendu, le modèle doit également être mis à jour régulièrement. "Dans le passé, la pile d'un appareil auditif était un bon indicateur de la fidélité des clients. À l'expiration de la durée de vie prévue de la pile, le client était normalement invité à la remplacer. Mais depuis l'introduction des piles rechargeables dans les appareils auditifs, cette variable n'est plus utile", explique Dirk Schaele. Le développement d'un modèle d'apprentissage automatique est donc un processus continu de croissance. Lapperre prévoit de mettre à jour le modèle d'apprentissage automatique une fois par an.

Qualité des données  

Dirk Schaele souligne qu'il est important d'assurer la qualité des données avant de se lancer dans l'aventure de l'IA. Et cela peut prendre du temps. Cegeka a commencé à mettre en œuvre une plateforme de données chez Lapperre en 2018, alors que l'entreprise avait lancé sa feuille de route CRM numérique dès 2013. Selon Dirk Schaele, "le travail et la prise de décision fondés sur des preuves et des données sont de véritables processus d'apprentissage. Ce n'est que quelques années plus tard que nous avons compris où cela nous mènerait, et ce n'est qu'à ce moment-là que nous avons décidé de mettre en œuvre une plateforme de données.”   

Lapperre partage désormais le modèle et les informations avec sa société mère pour une utilisation globale dans d'autres pays où elle est active. Dirk Schaele conclut : "Il existe bien sûr des différences nationales telles que les cadres juridiques et les habitudes des clients, mais je pense que nous pouvons maintenir une couche commune qui est continuellement enrichie par des résultats provenant d'autres pays et/ou complétée par des variables locales."