Comment ne pas parler de ce gloubi-boulga qu’est Einstein sur Marketing Cloud ?
Au début on n’y comprenait pas grand chose. Toutes les fonctionnalités étaient mélangées et il était difficile de cerner la réelle utilité du sujet. Mais Salesforce a travaillé le regroupement de son offre Einstein sur Marketing Cloud depuis 2019. Pour moi, ce n’est pas que de la com’, il y a des fonctionnalités vraiment intéressantes à utiliser et je vais tenter de vous les décrire.
Allez hop ! c’est parti pour une série d’articles sur Einstein pour Marketing Cloud.
Einstein Engagement Scoring
Je commence cette série par un module qui fait beaucoup parler, puisqu’il intègre cette notion de scoring inexistante jusqu’alors dans Marketing Cloud. Cette fonctionnalité aide à cibler les contacts afin de maximiser l’engagement et les conversions. Le module va utiliser les données des contacts et le tracking des différents événements qui se produisent sur SMFC pour générer des modèles prédictifs.
Ces modèles vont attribuer des scores de probabilité sur la capacité d’un abonné à rester abonné, sa capacité à cliquer sur un lien ou un ouvrir un email. Ainsi SFMC vous propose une probabilité d’engagement de votre contact à une campagne.
Après son activation, Einstein Engagement Scoring nécessite des données historiques sur a minima 90 jours de production sur SFMC. Ainsi, si vous démarrez sur Marketing Cloud, le système peut prendre jusqu’à 90 jours pour générer les scores initiaux. Si vous êtes actifs sur la plateforme depuis plus longtemps, les scores sont disponibles sous 48h après l’activation. Ne nous voilons pas la face, plus le système tourne depuis longtemps plus le regroupement en population sera pertinent.
Sur son dashboard, Einstein Engagement Scoring va proposer plusieurs indicateurs et informations.
1 – Prédiction de désabonnement des abonnés : Elle affiche la probabilité que vos contacts restent abonnés à vos emails au cours des deux prochaines semaines.
2 – Prévision d’ouverture d’emails : Affiche la probabilité que vos contacts ouvrent un email dans les 14 prochains jours ainsi la santé de l’audience c’est à dire sa capacité à maintenir ce type de résultat d’ouverture.
3 – Prévision des clics par email : Cet indicateur affiche la probabilité que vos contacts cliquent sur un email durant les 2 prochaines semaines ainsi que la stabilité de cet indicateur via la santé de l’audience.
4 – Prédiction de conversion Web : Affiche la probabilité que les contacts convertissent via un email par un achat ou un téléchargement de contenu. Cet indicateur est plus délicat puisqu’il nécessite d’avoir développé le mécanisme de conversion au sein de SFMC qui est assez rare en France car assez complexe à mettre en place.
5 – Prédiction d’engagement par email : SFMC va réunir les contacts en 4 personas.
Loyalists : Les contacts avec une ouverture d’email élevée et un clic élevé.
Window Shoppers : Les contacts avec une ouverture d’email élevée et un clic faible.
Selective Subscribers : Les contacts avec une ouverture faible et un clic élevé.
Win-back/Dormant : Les contacts avec une ouverture d’email faible et un clic faible.

Comment utiliser ces indicateurs ?
Ces personas sont mis à jour quotidiennement. Et cela nous permet de déduire le type de campagne qu’il est possible de faire selon l’engagement de la cible.
Pour les loyalists, nous pourrons augmenter la fréquence de l’envoi par exemple, envoyer des offres exclusives ou plus limitées afin de favoriser l’achat et pourquoi pas lancer un programme d’ambassadeurs en se basant sur cette cible plus engagée.
Concernant les Window Shoppers, l’objectif sera plutôt de les inviter à cliquez sur un CTA. Nous pouvous tester la personnalisation avec des CTA différents.
Les Selective Subscribers doivent être poussés à ouvrir l’email, il sera possible de tester l’optimisation de l’objet de l’email, de réguler la date et heure d’envoi.
Pour les Win-back/Dormant, il sera possible de tester d’autres canaux (SMS, réseaux sociaux), de lancer une campagne de reconquête par exemple.
Au delà des déductions et choix marketing, il existe 3 utilisations possibles de ces indicateurs dans SFMC.
1 – Pour ceux qui aiment le SQL et qui ne peuvent pas s’en passer. Ces scores d’engagement alimentent une extension de données « MC_Einstein_Predictive_Scores ».
2 – Dans Audience Builder il est possible d’utiliser les 4 populations scorées directement dans les filtres du module. Ainsi une DE sera créée et utilisable dans les différents studio ou builder de SFMC.
3 – Dans Journey Builder, il existe un Einstein Split !
Ce split propose 5 fonctionnalités.

Persona Split : Permet de diviser la cible selon les 4 personas.
Web conversion Likelihood Split : Permet de diviser la cible selon sa probabilité d’effectuer un achat.
Click Likelihood Split : Permet de diviser la cible selon sa probabilité à cliquer dans un email.
Subscription Retention Likelihood Split : Permet de diviser la cible selon sa probabilité à rester abonné.
Open Likelihood Split : Permet de diviser la cible selon sa probabilité à ouvrir un email.
En conclusion
Avec ce module, SFMC, nous permet de gagner du temps. L’analyse des données de tracking sont faites automatiquement par la plateforme.
Oui, l’analyse peut être beaucoup plus fine, mais ce premier niveau est appréciable. Le module Einstein Engagement Scoring est souvent compris sur votre contrat avec Salesforce, il vous suffit de l’activer. C’est un win/win plutôt intéressant pour les utilisateurs de Marketing Cloud. Personnellement, j’aime bien ce module.
N’hésitez pas à poser vos questions en commentaires !
Bonne journée frenchy !
PS : Pour en voir un peu plus, voici une vidéo de Salesforce avec plus d’écrans !