Bonjour à tous, on se retrouve aujourd'hui pour ce Marketo Office Hour par Merlin/Leonard sur une session spéciale scoring par intelligence artificielle. Elle suit la session de la semaine dernière sur lescoring standard de Marketo et on va voir aujourd'hui comment Sypher nous permet de dépasser les limites du Scoring traditionnel de Marketo. C'est parti ! Bienvenue à tous, bonjour ! Je suis très content d'accueillir mes amis de Sypher aujourd'hui, Quentin, Paul et Thomas, qui vont nous présenter après la session qu'on a vue la semaine dernière qui est dispo en replay sur le scoring standard Marketo, on va voir un peu le futur du scoring avec comment on peut mixer scoring et intelligence artificielle. Je vais laisser le micro au fondateur. Je vais vous demander de vous présenter et surtout comment vous avez l'idée de Sypher et on rentrera ensuite dans l'outil. Vous pouvez partager votre écran si vous avez quelque chose à partager, normalement c'est open. Merci beaucoup, Sylvain, pour cette opportunité. Bonjour à toutes et à tous ! Pour ma part, je m'appelle Quentin, je suis le CEO de chez Sypher. On va avoir Paul avec nous qui gère donc plutôt la partie business et Thomas qui est notre responsable technique Data Scientist. Donc moi plutôt marketing. Pour vous expliquer l'histoire de comment on est venus à arriver à faire du lead scoring par intelligence artificielle, c'est que moi ça fait trois ans, quatre ans maintenant que j'ai monté un collectif, une agence de growth marketing et donc ça fait trois ans que je me suis retrouvé dans tous ces outils marketing, à lancer énormément de campagnes. Et il y a un moment où j'ai eu des clients qui m'ont dit : "Quentin, on veut faire du lead scoring, donc j'ai mis en place du lead scoring manuel et on s'est rendu compte que ça prenait énormément de temps à mettre en place et que par-dessus ça, l'ensemble des critères justement évoluait par la suite, mon ICP évoluait, donc j'allais devoir refaire le même travail pendant un mois par la suite. Donc à l'époque, je n'avais pas la force de frappe technique pour arriver à mes fins, mais aujourd'hui, on y est, je me suis entouré. On a Thomas et Paul avec moi, donc je vais laisser Paul vous présenter un peu plus en détail notre outil et comment finalement on s'intègre à Marketo et comment on peut rendre plus pertinent vos analyses et vos campagnes. Voilà, on va démarrer tout doucement. Je pense que le plus sympa, c'est que ce soit un petit peu interactif, donc si vous avez la moindre question, n'hésitez pas. Comme je suis en partage d'écran, je ne verrai pas directement les caméras, mais voilà, n'hésitez pas. Donc, on va se rendre directement sur la partie customer profile. Comment on fait un lead scoring de base ? Je pense que vous l'avez vu au moment de l'Office Hour à voir précédente, on vient se baser sur plusieurs critères : qui est mon contact? Donc les critères démographiques. Qui est mon entreprise ? Firmographiques. Et puis comportementaux : comment cette personne, cette entreprise réagit avec ma société, avec mon produit ? Comment nous on fait du lead scoring basé sur du machine learning chez Sypher ? On vient se connecter à Salesforce, on vient se connecter à Marketo, on vient également se connecter aux autres outils que vous pouvez avoir, les autres outils marketing du marché. Et c'est nos algorithmes qui viennent déterminer les caractéristiques qui sont vraiment importantes et qui font qu'un prospect est un bon prospect. Comment on le fait concrètement ? Nos algorithmes comprennent les caractéristiques qui composent vos clients déjà signés, ils comprennent comment un client devient un client signé. Et c'est comme ça que l'algo fait ressortir pour chaque critère démographique les bons critères, les bonnes caractéristiques. Donc typiquement dans ce compte de démo, on est sur un compte d'exemple, on voit qu'un bon prospect vient d'un séminaire plutôt, de manière générale. Il travaille dans le département innovation et il a plutôt un poste de product manager. Concernant les critères entreprise, on fait ressortir tout un tas d'informations que vous pouvez avoir captées : typiquement la taille de l'entreprise, s'il utilise déjà une solution concurrente et également le secteur de cette entreprise. Ce qui est intéressant, c'est que Sypher va venir à chaque étape de votre pipe vous indiquer, vous faire remonter dans le tableau juste en dessous sur les données comportementales, les actions qui ont vraiment du sens et qui permettent de faire progresser les prospects vers l'étape suivante. Donc, comme vous l'avez vu, les deux premiers tableaux aident plutôt sur la génération de leads pour générer via des outils comme Sales Navigator ou Pharo, des listes de prospects déjà plus précises de base. Et puis sur la partie behavioural, les critères comportementaux, Sypher fait remonter à chaque étape les actions qui font vraiment progresser ces prospects. Donc on peut voir typiquement un bon lead, c'est quelqu'un qui a ouvert deux de mes e-mails, qui a visité mon website ou qui a lu mon article, là dans ce compte de démo. Mais si je me place à l'étape opportunité, c'est plutôt quelqu'un que j'ai réussi à contacter une fois, qui a répondu à deux de mes e-mails et qui a été visité la page pricing. De l'autre côté, j'ai les critères que moi j'ai pu capter dans mes outils comme Marketo, Salesforce. J'ai des critères qui ont pu être enregistrés, mais que l'algorithme de Sypher a décidé de ne pas prendre en compte parce qu'il a calculé que statistiquement ces critères-là à cette étape-là n'avaient pas d'influence pour passer à l'étape d'après. On avait autant de chances d'être signé, donc on est en opportunité, on avait autant de chances de passer côté client que de devenir un abandon. Sachant que ces critères-là, être inscrits à la newsletter, peuvent être importants à l'étape d'avant. En tout cas, à chaque étape, on vient nous préciser qu'est-ce qui marche, qu'est-ce qui ne marche pas. Maintenant que j'ai tous ces critères-là, maintenant que je sais ce qui est un bon prospect à chaque étape, on vient scorer automatiquement et en temps réel l'intégralité du pipe de prospects à chaque étape. Côté marketeur, je peux voir directement les prospects qui sont prêts à passer à l'étape d'après. J'ai leurs justifications, je sais, on vient sous la forme de petits pictogrammes renseigner qu'est-ce qui fait bien monter le score. Donc, typiquement, le petit pictogramme bonhomme, c'est les critères qui correspondent au contact, le petit building, c'est pour l'entreprise, et puis la petite main, c'est pour le comportement. Donc, en tant que marketeur, je vois les prospects qui sont mûrs à chaque étape. Et puis, plutôt côté sales, vers la fin du funnel, je vois directement qui je peux contacter en priorité. Quand je clique sur l'un d'entre eux, j'ai le détail de son score. Je sais que son score est en augmentation par rapport aux dernières actions marketing que j'ai pu mettre en place. J'ai une petite part de justification. Je sais qu'il a ouvert quatre e-mails qui vient d'une source séminaire, c'est ce qu'on avait vu juste avant. C'est quelque chose d'assez positif. Par contre, c'est un CEO. On a vu qu'on parlait plutôt avec des product managers et il fait partie d'une boîte de consulting. On a vu qu'on parlait plutôt avec des entreprises de la tech. Ce qui est intéressant, c'est que Sypher communique et renvoie la donnée dans tous les CRM du marché. Donc, je peux rouvrir ma page. Tout est renvoyé dans Salesforce. Donc, je retrouve ma fiche contact. Je retrouve mon score. Je sais que c'est en augmentation. J'ai la justification et je peux ainsi, côté sales ou market, faire mes propres listes, directement dans mon CRM. Toute la donnée est renvoyée ou alors je peux les réaliser depuis Sypher en ouvrant les différentes fiches contacts. Pour ceux qui travaillent par account, on le fait également. On fait le scoring par account. Ça dépend de la façon dont vous avez l'habitude de bosser et de votre spécificité du business. Et dernière partie, si on n'a pas envie de faire ses propres listes, Sypher en pousse pour nous. Donc, on donne une vision assez cache de ce que représente en termes de chiffre d'affaires, les différents prospects qui sont dans votre pipe. Ça n'est pas directement le montant du contrat potentiel. C'est plutôt une espérance mathématique. On vient multiplier le montant du contrat potentiel par la probabilité que vous avez de le signer. Donc, on vient vraiment donner cet aspect prévision, cet aspect un peu réaliste du chiffre d'affaires que vous pouvez avoir en fonction du cycle de vente, mais sur les prochains mois. Donc, typiquement, on vient pousser des listes de quatre sortes. Des listes réactivation, donc, ce sont des prospects que j'n’ai pas contactés depuis longtemps. Des listes push back, des prospects que j'ai trop contactés ou du moins qui restent avec un mauvais score. Donc, peut-être que je dois modifier ma stratégie marketing à ce niveau-là. Des listes marketing action needed. Donc, ils collent bien avec ma cible, mais je n'ai pas fait suffisamment d'action marketing dessus. Et des listes activation. Ce sont des prospects qui sont proches de passer côté sales. Donc, quand j'ouvre l'une des listes, j'ai le détail, j'ai le montant affiché et j'ai la fonction, bien sûr, export, donc avec le renvoi dans les différents CRM ou alors sous format sous format CSV de cette manière. Voilà, on obtient son CSV pour pouvoir travailler dessus également de cette manière-là. Dernière partie, on a une petite partie funnel analytics pour suivre un peu des données un peu statistiques que vous pouvez déjà avoir dans vos CRM. Nous, ça nous a été demandé par certains utilisateurs. Donc, on vient donner en temps réel le nombre de prospects à chaque étape et puis tout un tas de données statistiques, tout un tas de données statistiques dessus, comme le temps de conversion, le taux de conversion et autres. Et le suivi d'autres métriques. Voilà, écoutez, c'était une petite présentation assez rapide. À votre disposition pour répondre à quelques questions. Si vous avez des questions du côté Marketo, un peu techniques, Thomas est là pour y répondre. Et puis sur la partie business, on est à votre dispo. Alors, ce qui est intéressant, c'est qu'est-ce qu'il faut faire dans son Salesforce ou dans son Marketo pour qu'on puisse se connecter à Sypher et que ça puisse bien fonctionner ? Alors, pour ça, principalement, c'est évidemment, nous, on fait de l'analyse, le nerf de la guerre, c'est la donnée. Donc, en amont, c'est commencer à cleaner sa donnée. Il y a énormément de bonnes pratiques par rapport à ce sujet-là. Et même justement, nous, on a repéré ce qui est là avec Sypher, c'est que quand on donnait notre plateforme à des marketeux, ils allaient voir les sales en disant :" Hey, ça serait bien de commencer justement à bien remplir son CRM après les calls, de bien remplir justement tous les signaux, tous les petits signaux qui font que telle personne va signer ou non ou telle personne a déclenché un intérêt. Mais globalement, la solution se plugue immédiatement, c'est-à-dire que c'est l'algorithme qui vient cleaner la donnée, la mettre en ordre. La phase d'onboarding est assez rapide, on récupère juste les clés de connexion à Marketo, à Salesforce, à Hubspot, à Pipedrive et à tous les autres outils. Et entre guillemets, il n'y a rien à faire. C'est-à-dire que la plateforme, une dizaine de jours plus tard, après la phase d'onboarding, on met à disposition la plateforme et on renvoit toutes les données dans les CRM qui sont voulues. Soit renvoit dans Marketo, soit dans Salesforce en fonction des besoins. Alors, comme on l'a mis en place ensemble chez Merlin pour un peu tester, moi, j'ai noté deux grands sujets qu'il fallait bien traiter. Un, c'est comme vous avez une notion de pipe, lead, MQL, SQL, opportunité, ça tombe bien, dans Marketo, généralement, on gère un lead lifecycle. Si je le montre deux secondes… Oui. … pour que tout le monde soit bien en phase. Arrête la présentation. Généralement, dans Marketo, vous avez fait votre cycle automatisé d'avancement des Leads avec différentes étapes. Et donc, avec Sypher, on va regrouper certaines étapes pour dire voilà, ça, c'est plutôt la partie lead, ça, c'est plutôt la partie MQL, ça, c'est plutôt la partie opportunité. Et ce qui est important, c'est de bien noter ce qui est gagné, ce qui est perdu. Ce qui va, par exemple, amener à créer cette étape sleeping pour mettre en échec un certain nombre de gens qui était, depuis trop longtemps dans des étapes. Évidemment, tant que le lead est open, l'algo ne va pas apprendre si c'est gagné ou si c'est perdu et donc ne va pas pouvoir déduire. Corrige-moi, si je me trompe, c'est ça que j'ai compris. C'est exactement ça. C'est ça, c'est du Machine Learning. L'idée, c'est l'ordinateur qui apprend d'après ce que vous avez comme données dans votre CRM et notamment pour apprendre, il faut qu'il y ait une connaissance de qu'est-ce qui est une réussite, qu'est-ce qui est un échec. Souvent, quand on onboard nos clients, on leur demande leur clé API et on regarde un petit peu comment ça se passe dans leur CRM. Et environ une semaine après, on leur fait une réunion de 30 à 45 minutes où on discute avec eux de leur utilisation du CRM, qu'est-ce qu'ils font ? Et notamment on essaie de comprendre dans quel cas un lead est un échec parce que vous n'avez pas forcément une case échec. À ce moment-là, on vient, on discute avec vous, on comprend, dans telle situation, ça va être un échec et comme ça, on paramètre l'algorithme pour justement prendre en compte et apprendre de ces échecs-là où des solutions concurrentes, par exemple, qui seraient plus plug-and-play, ne viendraient pas vous aider et vous expliquer toute cette histoire. Donc bien customiser l'approche à votre utilisation du CRM et pas juste prendre vos données et faire tourner un algorithme sans comprendre ce qui se passe derrière. Et si on veut rentrer un tout petit peu plus dans ce détail technique, c'est que par rapport à la concurrence, nous, on va mettre en place des modèles de Machine Learning à chacune des étapes. Comme on a pu le voir, un lead ne va pas du tout avoir le même besoin qu'une personne en opportunité. Donc, initialement et algorithmiquement, c'est illogique de comparer un lead avec une opportunité. Techniquement, en venant mettre en place ces briques à ces différentes étapes, on peut savoir exactement ce dont un lead a besoin et après, à l'étape d'après, ce dont un MQL a besoin. C'est pour ça qu'on a besoin de cette discussion en amont de comment on utilise ce pipe ? On a pu discuter avec des personnes avec des… ####… des funnels totalement différents, avec des besoins totalement différents. Et on se rend compte que c'est vraiment ça le nerf de la guerre, c'est comment on fait à l'étape d'après. Et tout ce qui est montant, qui apparaît dans Sypher, ça vient des opportunités, on est d'accord ? Voilà, c'est ça. On vient comprendre un petit peu les spécificités de votre business. On vient calculer, de manière générale, une fourchette de montant que représente chaque prospect. On vient voir avec vous si c'est cohérent. Et ça donne un peu cette vision prédiction et autre qui peut aider pour le pilotage de la boîte. Les vrais avantages, c'est essayer d'identifier les prospects les plus chauds à chaque étape du pipe. Éventuellement, aussi faire ressortir des prospects qui pouvaient dormir, qui avaient pu passer en abandon à travers ces listes-là et puis comprendre les actions marketing qui ont vraiment de l'impact et qui les font progresser. Et si je rentre dans le détail de pourquoi on a choisi de mettre justement le revenu en avant, c'est que, OK, c'est bien de savoir qui est prêt à passer à l'étape d'après, mais c'est encore mieux de se dire : "C'est la personne qui va potentiellement me rapporter le plus d'argent qui doit passer aussi en premier." Donc, il y a aussi, dans notre scoring, vraiment cette relation avec cette partie revenus. Les amis, des questions, des réactions ? J'ai une petite question. Je vois que pour les différents critères, que ce soit firmographiques, démographiques, à chaque fois, il n'y en a que trois. Le jour, par exemple, la géolocalisation est prise en compte. Est-ce que ça en rajoute un quatrième ? Est-ce que les quatre, cinq, six sont masqués ? Tout à fait. Il n'y en a pas du tout que trois. On affiche sur la partie front les trois premiers pour que vous ayez un peu une compréhension de qu'est-ce qui marche pour vous. Après, il y en a souvent beaucoup plus. On n'a pas que trois secteurs, quoi que ce soit. L'algorithme utilise la totalité des critères. Nous, ce qu'on vient faire souvent aussi, c'est qu'on va faire une partie qui s'appelle de feature engineering, c'est-à-dire qu'on va retraiter des colonnes. Par exemple, ça va être notamment pour… Là, vous pouvez voir la partie company size dans la partie firmographique. Vous allez avoir des entreprises qui vont avoir 22 employés, d'autres 26, d'autres 28. Ça, par exemple, on va venir les remettre dans des plages de nombre. Vous pouvez avoir également, comme vous le disiez, la localisation. On va, par exemple, venir utiliser la taille des villes au lieu de la ville en elle-même pour essayer d'améliorer l'algorithme ou alors le continent, par exemple, si vous avez des pays. On va retraiter toute cette donnée pour avoir peut-être des valeurs différentes, mais on utilise n'importe quoi de deux valeurs oui/non à 600 valeurs, sachant que ça va dépendre du nombre de leads. Si vous avez 1 000 leads, ça ne sert à rien d'avoir 600 valeurs. Si vous avez 1 000 leads, on va peut-être retraiter la catégorie pour en avoir peut-être que 10. Mais on a beaucoup plus et on pense, dans une étape future, pouvoir même vous donner la liste complète. Vous pourrez avoir vos 50 valeurs à trier dans l'ordre, ce ne serait pas un souci. Vous préciser qu'on est bien dans un compte de démo. C'est vrai qu'on ne fait afficher que trois valeurs pour l'instant, mais les tableaux déroulent. On est en train de les rendre un peu plus visuels, un peu plus sympas, mais ce sont des tableaux qui déroulent avec un certain nombre de valeurs qui sont renseignées à l'intérieur. Je suis assez curieux de savoir si vous avez mis du lead scoring en place dans vos différentes structures, si vous en êtes satisfaits, si c'est celui de Marketo. Il y en a également un sur Salesforce. Un peu preneur de vos retours dessus, positifs ou négatifs. Nous, on a avancé un peu sur le lead scoring, mais je pense que c'est vraiment quelque chose qu'il faut tuner pour des raisons de prioritisation et que c'est étroitement lié avec le lead process qui doit aussi être tuné vraiment, j'apprécie la remarque sur les retours des ventes et comment ils doivent bien évidemment enrichir le CRM, qui est une question existentielle, permanente. Mais sur ce côté, effectivement, nous, on vient vous dire ce qui est important ou pas et ça permet aussi de savoir quoi prioriser dans l'amélioration des données du CRM. Il y a un point qui me triguait, mais vous y avez en partie répondu avec la question des étapes. C'était la compatibilité avec des cycles de ventes longs, très longs, ou parfois, malheureusement, il y a des informations qui sont en sous-terrain où on va contacter des personnes, on va peut-être contacter le directeur IT, mais finalement, c'est le directeur achat qui va apparaître dans l'opportunité. Donc c'est compliqué de faire le lien entre la personne qu'on a contactée, avec laquelle on a eu toutes les interactions marketing et finalement, l'opportunité qui va sortir, mais qui va sortir à côté et dont le lien avec la campagne ne va pas forcément être évident à établir. On vient regrouper par account les actions qui ont eu lieu sur cette société-là, par exemple. Et on pourrait retrouver les différents contacts et différentes interactions que j'ai eus avec telle ou telle personne dans la catégorie account puisqu'on fait les deux : la partie contact et société. Pardon, je suis arrivé en retard, j'ai zappé les présentations. Donc moi, je m'occupe du marketing automation chez Cegid. Moi, j'avais deux ou trois questions à vous poser, mais qui sont plus d'ordre économique, c'est depuis quand votre outil est disponible sur le marché ? Si vous avez déjà des références sur le marché, qui l'utilise ? Et quelle quantité de données votre outil est capable de traiter ? OK, très clair. On a démarré les développements techniques il y a un an. On a fait une classe de test à la rentrée, courant septembre. Et on démarre la commercialisation depuis décembre. On travaille avec des éditeurs de logiciels principalement dans le domaine de la gestion de paie, dans le domaine des services financiers aussi. Et sur les premiers retours, on a noté en moyenne deux jours de gain de temps pour les fonctions marketing dans le gain de ne plus se concentrer sur des tâches répétitives. Le fait de pousser immédiatement des listes automatisées faites par l'algorithme et une amélioration du taux de conversion sur le cycle global pour l'instant, observé de 3 %, sur nos premiers testeurs en tout cas. On est également en contact, donc on fait tout type de sociétés, donc potentiellement un nombre de leads infini. Notre plus gros testeur, c'est 80 000 leads sur lesquel on travaille. Je ne connais pas spécialement la taille du pipe, mais je suppose que Cegid, on est sur des gros chiffres également. Mais voilà, ça va, des startups qui nous utilisent pour scorer 3 000 leads dans leur base, jusqu'à 80 000 pour des gros éditeurs de logiciels, donc des grosses PME. Et là on échange avec une banque pour son service en ligne, qui fait du micro-crédit, entre guillemets, pour des petites entreprises. Ça me fait penser à une chose qu'on n'a pas mentionnée, donc un des avantages de l'algorithme, c'est que le système de scoring se met à jour tous les jours, donc on refresh l'algorithme tous les jours, donc si votre ICP change et drift petit à petit, ça sera mis à jour. L'algorithme se ré-optimiste tous les jours, donc ça nous demande beaucoup de capacité de calcul. C'est pour ça que j'y pense, mais voilà, on le fait tous les jours, et ensuite, les contacts et leurs scores, eux, sont mis à jour toutes les heures, parce que ça demande beaucoup moins de puissance de calcul, vu que l'algorithme est créé et fonctionne, et on n'a pour l'instant aucun souci avec nos clients, 80 000, et on va scaler, bien sûr, et grossir pour s'adapter à plus de clients. Mais voilà, notre objectif est de mettre à jour tous les scores une fois par heure, et recollecter toutes les données une fois par heure pour vraiment être sur du temps réel, ce qui demande pas mal de puissance de calcul, mais on n'a pas de souci avec ça pour l'instant. Et où sont les données, les amis ? Pour l'instant, les données sont entièrement sur nos serveurs privés. C'est important de préciser, on ne partage rien avec des services tiers, on n'envoie rien dans le chat GPT ou quoi que ce soit qui pourrait faire fuiter vos données. Tout est sur un serveur qui est fermé et qui fonctionne de façon close, les seules interactions qu'il a, c'est avec vos logiciels par API et le front que vous voyez là. Les serveurs sont pour l'instant domiciliés au Royaume-Uni. Lorsqu'on va scaler, on pense passer sur la France, mais voilà, on reste quand même en Europe. Tout est bien sécurisé par des pare-feu pour que personne ne puisse y accéder. On a des clients qui nous ont dit : "Oui, mais voilà, vous prenez nos données, ces données, ce sont des données qui sont disponibles sur Salesforce, sur Marketo, donc que vous avez déjà partagé et qui sont déjà hébergées ailleurs." Si on vous demande de les décrypter ou de les rendre anonymes, vous pouvez faire ? En plus, si vous avez des raisons d'anonymat que vous ne voulez pas partager avec nous, les noms, prénoms, adresses, etc., de vos clients, pas de souci, vous nous le dites nous, on ne vient pas récupérer les données sensibles. On va juste sauvegarder l'ID de Salesforce et de Marketo et comme vous l'a montré tout à l'heure Paul, quand on clique sur le lien, on retourne vers la fiche client. Ce qui va se passer, c'est que vous allez avoir une ligne où vous n'allez pas pouvoir identifier à personne, on va quand même récupérer les colonnes qui servent au score et ensuite, vous n'aurez plus qu'à cliquer sur le lien pour retourner dans votre CRM, retrouver toutes les données de la personne et nous, on n'a pas accès à votre CRM, on a juste accès à l'ID, mais ça permet de relier. Comment on fait remonter les données ? On a l'app, on a l'UI Sypher évidemment, mais je sais que mes clients, essayent de ne pas donner plus d'une application sales parce que tout de suite, une application, ça va, deux applications, c'est mort. Est-ce qu'on peut réintégrer les données de Sypher dans le CRM ou dans un Marketo par exemple ? Tout à fait, c'est ce qu'on avait montré sur cette partie-ci, c'est ce qu'a également précisé Thomas, on a un lien qui permet de réavoir sa fiche directement avec l'intégralité des scores renvoyés ici. Je peux avoir ma base de contact avec les scores renvoyés, les différentes colonnes qui sont précisées. Ici, on les retrouve de ce côté-là. Je retrouve mes scores qui vont être… On peut réintégrer la donnée au niveau base de données. Est-ce qu'il y a une iframe par exemple qui permettrait d'avoir le joli graphique de Sypher directement dans son Salesforce par exemple, ou dans un onglet Sypher ? C'est quelque chose qu'on peut envisager. Sur ce compte de démo, on ne l'a pas représenté. On recrée juste une colonne avec l'intégralité des scores pour chaque prospect. Effectivement, c'est quelque chose qu'on peut intégrer de notre côté. On peut renvoyer les données dans votre CRM ou faire des points toutes les semaines ou tous les mois en newsletters automatiques qui vous renvoient tous vos graphiques, toutes vos données, toute l'évolution. Effectivement, vous voyez le tableau de AI Elite Scoring qui vous est renvoyé directement dans votre CRM. Les metrics, etc., ne sont pour l'instant pas renvoyées. On pourra les renvoyer, mais on peut tout simplement vous les envoyer par mail pour que vous ayez notamment les changements d'ICP, etc. C'est clair. On dit ça parce qu'on va avoir l'ensemble de la donnée dans les outils. Je ne sais pas si vous utilisez Slack de votre côté. Nous, il y a un usecase qui est arrivé récemment. On renvoie justement les notifications directement dans le Slack. Comme ça, l'équipe, elle sait ce qui se passe. Elle n'a pas à passer par l'outil Sypher. Elle reçoit directement dans ces canaux que tel lead a gagné plus de temps de score ou a diminué de temps de score. On pousse des notifications. Pour l'instant, on pousse beaucoup sur tous les gens qui ont beaucoup bougé pour que vous ayez une idée de ce qui se passe dans votre pipe. Vous avez également une partie log qui vous met au courant de quand il y a eu des refreshs, notamment des données, combien de leads sont re-rentrés dans la plateforme, ressortis ? Il y a plein de petites fonctionnalités qu'on ne vous a pas montrées, mais qui vous permettent de rester informés de ce qui se passe, que Sypher fonctionne bien, etc. Si vous avez Slack, on peut vous renvoyer tout ça dans Slack. Ça peut également être pratique parce qu'on se doute bien que les sales n'ont pas envie d'avoir une plateforme supplémentaire, d'avoir deux écrans, passer de l'un à l'autre, donc on essaye vraiment de créer une expérience sans plateforme pour ceux qui ne le désirent pas. C'est vraiment pas mal parce que la semaine dernière, je montrais les limites du scoring classique de Marketo, c'est que généralement il est statique et qu'on ne revient pas assez souvent, le premier point. Le deuxième point, c'est qu'au début, on n'a souvent aucune idée de comment attribuer les points sur tel ou tel sujet. Évidemment, il y a des modèles classiques qui existent et donc on part souvent là-dessus, mais imaginons que la clé chez tel ou tel client, ce soit cette infographie qui emporte l'adhésion et dès que quelqu'un passe sur cette infographie, c'est vraiment incroyable. Si on met cinq points sur cette infographie, comme toutes les autres infographies, ça ne va pas forcément permettre de noter, alors qu'avec Sypher on va pouvoir tout de suite identifier qu'il y a quelque chose à faire sur l'infographie. J'avais essayé, mais c'est un travail titanesque, d'exporter toutes mes données, personne, compagnie, opportunité, et tout le comportemental… ####Je préfère remonter sur la personne. Et là, je me suis amusé dans le tableau à faire des agrégats de comportement sur la participation au MOH, les formulaires remplis, les clics. On a fait ça ensemble. Je me suis amusé à envoyer ça dans ChatGPT en one-shot en disant : "Voilà ma liste d'opportunités avec les informations contacts, opportunités et contacts attachés. Essayez de me trouver des patterns en fonction de la colonne Opportunité gagnée, perdue, sur qu'est-ce qui marche." Il me sort des trucs, mais c'est un tel travail préalable à faire que ça nécessite, un, d'avoir évidemment un data warehouse, un data scientist sous la main, de choisir quand même quels sont les comportements ou les champs qu'on veut cibler, parce qu'on ne peut pas exporter 1000 champs. Au moment donné, il faut faire un choix. C'est la limite de l'exercice, c'est un truc qu'on va faire peut-être une fois par an, mais c'est tellement épuisant qu'on ne va pas le refaire toutes les heures. C'est là où l'algo permet de dépasser ces limites. Clairement, les meilleurs élèves qu'on a pu rencontrer utilisaient un CRM, Salesforce Hubspot. Ils avaient mis un lead scoring manuel en place. Et les meilleurs élèves qu'on a rencontrés le révisaient tous les trois mois. C'est presque un peu la "meilleure pratique", parce que, passés trois mois, il y a du nouveau contenu qui est sorti, il n'est pas inclus dans le scoring, les scores sont de moins en moins précis, on n'arrive pas à repérer les bons prospects et à les envoyer côté sales, on a des leads dont la qualité se dégrade petit à petit. Là, effectivement, c'est l'algo qui trouve les bons critères, typiquement. Donc les nouvelles infographies qu'on a pu mettre en place quelques mois avant, l'algo arrive à les trouver, le temps juste qu'il comprenne que tel ou tel prospect a vraiment été signé… Du moins à une étape grâce à cette infographie-là. Tout est détecté, il n'y aura plus jamais de paramétrage à la main à effectuer. On se plug en une dizaine de jours. Sur cette partie-ci, c'est un peu la fin du lead scoring manuel. Pour ceux qui sont là, j'ai testé chez moi. La limite de l'exercice, c'est que je n'ai pas assez de données, parce que j'ai un nombre de leads qui est vraiment trop faible et comme je ne cherche vraiment pas à en avoir plus… Quand on travaille sur quelques centaines de personnes, ce n'est pas suffisant. Il m'a sorti des résultats statistiquement valides. Par exemple, j'ai eu une opportunité que j'ai gagnée à Singapour et une autre que j'ai gagnée.. J'ai un client qui est au Luxembourg, donc je gagne toutes les opportunités au Luxembourg. Il m'a dit : "Vas-y, travaille des gens qui sont au Luxembourg et à Singapour parce que tu as un taux de conversion de 100 %." Il a quand même bien identifié ça. Mais je sais que statistiquement, ce n'est pas pertinent. Donc il faut quand même avoir un certain volume pour que le modèle puisse apprendre. Nous, ce qu'on dit en général, c'est : il faut au minimum 100 clients signés, 100 clients perdus. Ce n'est pas immense, mais ce qui va se passer généralement, c'est que si vous voulez segmenter vraiment par étapes du pipe, il va vous falloir au moins une centaine d'exemples pour chaque étape du pipe pour qu'ensuite, on puisse venir vraiment segmenter à ce point-là. Le problème chez Sylvain, c'est que tous les prospects étaient dans l'étape lead, donc on lui a fait l'étape lead. Mais MQL ou SQL opportunité, il rentrait, il passait d'un seul coup à la fin du pipe, et on n'a pas pu segmenter à ce point-là, mais on a quand même réussi, je pense, l'étape lead. Et comme disait Sylvain, ce qui est intéressant avec l'algorithme, c'est que tu signes tout le monde qui est à Singapour, mais si demain tu n'en signes pas un, tu vas tomber à 50 %. Le lendemain, l'algorithme va s'adapter, il va te dire : "Ok, je t'ai conseillé Singapour hier, aujourd'hui c'est peut-être moins intéressant, j'ai appris de mes erreurs." Et petit à petit, ça va aussi vous permettre d'attaquer des marchés ou des secteurs auxquels vous ne pensez pas. Vous essayez et si ça ne marche pas, l'algorithme va apprendre de ses erreurs et va se rectifier. C'est vraiment un des gros avantages du lead scoring fait par intelligence artificielle par rapport à quand vous le faites à la main. À la main, vous allez peut-être échouer une fois, deux fois, trois fois, et après 15 contrats que vous ne signez pas, vous allez vous dire : "Ok, il y a peut-être un problème avec mon algorithme, il va peut-être falloir que je revoie mes critères que j'ai définis à la main." Et là, ça se fait vraiment. Le lendemain, c'est mis à jour. J'avais peut-être une question à nouveau par rapport à, par exemple, Salesforce Einstein, comment vous vous positionnez ? Einstein, c'est le module de Salesforce qui fait du forecasting. C'est vrai que c'est un bon module. Le sujet qu'on a, c'est qu'on peut venir prendre de la donnée extérieure, donc celle de Marketo, parfois qui n'est pas prise en compte par Einstein. On vient essayer de découper le pipe de façon très précise. Ce que disait Thomas, c'est qu'on vient mettre en place une version de notre machine learning à chaque étape du funnel pour essayer de traiter de façon la plus précise possible chaque prospect à chaque étape, et éviter de scorer un lead qui vient de découvrir notre solution avec une opportunité qu'il est à deux doigts de signer. Effectivement, le module de Einstein est un très bon module, sur lequel on s'inspire. Généralement, la donnée comportementale, surtout par rapport au marketing, elle ne va pas forcément être dans Salesforce. Et ce côté "renvoyer la donnée", des fois, c'est fait simplement avec une colonne que j'ai essayée d'envoyer, j'ai essayé d'envoyer la donnée, donc ce n'est pas si propre que ça. Pour reprendre la chose, c'est : l'analyse se fait à côté et on renvoie tout par la suite. Vas-y. Pour l'exemple de Marketo, par exemple, je suppose que vous utilisez tous Marketo, on vient se connecter à la fois à votre Salesforce et à votre Marketo, donc on peut venir récupérer exactement tout ce que vous avez dans Marketo. Vous n'avez pas besoin de tout faire remonter exactement, vous nous dites : "Mon Marketo est là, j'ai toutes ces données, et hop, on va prendre Marketo." Une autre petite chose aussi, on peut appliquer l'algorithme à chaque étape du pipeline, mais aussi si vous avez plusieurs produits différents, on peut aussi appliquer des algorithmes différents à des produits différents, là où c'est une restriction chez certains de nos concurrents, Einstein, aussi chez Hubspot, où vous allez avoir une quantité limitée de lead scoring que vous pouvez mettre en place. Chez nous, vous nous dites : "J'ai quatre produits, je veux séparer quatre produits en plusieurs étapes, etc." On peut vraiment faire une ségrégation au lieu de faire un algorithme pour tout. D'accord, c'est clair. Sinon, pour l'administrateur, est-ce qu'on est autonome sur la solution ? Ou si on veut modifier des critères, il faut faire appel à vous à chaque fois ? Thomas va pouvoir répondre également. Normalement, l'algorithme vient identifier les critères. Si jamais il y a des incohérences pour telle ou telle raison, effectivement, nous, on est toujours disponible. Il y a la possibilité de faire quelques modifications de votre côté, mais la plupart du temps, au moment du paramétrage, on vient voir si les premiers résultats sont cohérents. S'ils ne le sont pas, on fait les modifications ensemble. Vous avez quelques modifications possibles. Et nous, de toute façon, on fait un suivi toutes les deux à trois semaines, juste pour voir si les résultats sont cohérents, si vous arrivez bien à signer les prospects qui sont remontés avec des scores les plus élevés. Voilà. Dans l'ensemble, c'est ça. On peut ajuster les scores, notamment en pondérant certains leads, si vous pensez qu'il y en a qui sont plus importants, etc. Là, on peut venir les pondérer. Vous pouvez rajouter, par exemple, une colonne dans votre Salesforce de pondération, que vous pouvez ensuite éditer vous-même, attendre une heure, l'algorithme se met à jour, et ça va changer les scores, ou attendre le lendemain que tout l'algorithme s'optimise pour avoir un algorithme différent. Après, en général, on peut aussi le faire ensemble, mais on peut vous donner une partie d'autonomie de cette façon. L'idée étant quand même que, vu que c'est un algorithme qui tourne tout seul, c'est de ne pas le décider entièrement de ce que vous voulez, parce que c'est quand même l'algorithme qui est censé trouver le score. Mais si, par exemple, vous avez une colonne, vous savez que c'est complètement faux, vous nous dites "N'utilise pas le pays, je sais que les données qui sont dedans ne sont pas fiables", ou "Je sais que statistiquement, ça ne marche pas", on vous dit : "Pas de souci, on enlève le pays de l'algorithme, ce n'est plus pris en compte", et il n'y a plus de souci. On peut aussi retrouver l'historique de chaque score, et la raison… Tout à l'heure, vous montriez les notifications, mais c'est dans un champ pour retrouver tout l'historique… Oui. Dans le tableau AI Lead Scoring, vous voyez l'évolution qui augmente, qui descend dans la partie Trend. Pour l'instant, c'est fixe, c'est basé sur une semaine, mais on store les scores qui sont donnés à chaque fois, pour ensuite pouvoir venir les comparer. Si vous avez des besoins, on peut imaginer que pour l'instant, on vous donne juste la Trend sur une semaine. On pourrait vous redonner les scores et l'évolution. Et on a aussi, comme le montrait Paul à l'instant, les notifications qui viennent vous dire : "Tel et tel lead a son score qui vient d'augmenter de façon significative." Ça va généralement être dû au fait qu'ils ont eu une action comportementale. Ils sont par exemple allés voir une de vos vidéos, Marketo l'a détecté ou ce genre de choses. On a l'historique, on peut le donner, ce n'est pas un souci. Ok, merci. Parce que des fois, les commerciaux aiment comprendre pourquoi le score a augmenté à telle valeur. On vient donner la justification un petit peu en bas dans le tableau. Quand je clique sur ma fiche prospect, on peut en rajouter bien sûr plus, mais on vient expliquer pourquoi le score a augmenté. Dans ce cas-là, Sam est un product manager. C'est plutôt la catégorie de personnes que je signe et il a consulté trois pages de mon site internet. Par contre, il vient du website et on a plutôt vu qu'on signait des gens issus des séminaires. Et il n'a pas liké le poste de mon entreprise, sachant qu'on a l'API LinkedIn, donc on peut également rajouter, enrichir de cette manière-là. On peut suivre s'ils réagissent par rapport au poste de mon entreprise ou au poste de mon produit. C'est vrai que Sypher, on aime bien dire que ça fonctionne comme une multiprise. Des solutions que vous pouvez avoir qui ne communiquent à la base pas entre elles, peuvent venir se brancher sur Sypher. Nous, on fait la réconciliation des données et le cleaning. Le scoring est calculé, et on renvoie la donnée dans l'outil que vous souhaitez. En tout cas, c'est un bon cas d'usage. Ça aurait été impossible d'intégrer d'autres solutions à votre solution, en dehors de Marketo et Salesforce ? Oui, c'était possible. Bien sûr. Mon use case, ma problématique, quand c'est moi qui mettais en place tous ces lead scoring, c'est que je ne pouvais pas forcément le connecter à mon Brevo, ou à mon Lemlist, ou même à mon Google Ads, Google Analytics. Et aujourd'hui, pour moi, c'était indispensable pour un Marketeux, de pouvoir à la fois gérer la partie outbound avec mon Salesforce, et à la fois la partie inbound et toute ma création de contenu et de campagne, et pas uniquement sur un outil, mais sur l'ensemble de la suite. Ok. On vient se connecter à tous les outils qui ont des accès API, plus ou moins. À partir du moment où votre outil est un minimum mature et a un accès API, on va venir se connecter, on va venir prendre les données et les mettre dans un algorithme. Et comme disait également Paul, l'avantage, c'est que comme on fait revenir nos données dans Salesforce, on peut même venir mettre des données de d'autres logiciels dans votre Salesforce si vous avez besoin, parce qu'on est connecté. On peut également vous rajouter ça. Votre Lemlist a des données que vous voulez faire remonter dans votre Salesforce, et que vous avez une autre solution, on vous fait aussi remonter les données de Lemlist au passage. Ok, ça aurait été utile de faire comme ça, d'intégrer plusieurs sources de données. C'est le mieux. Quand on collecte beaucoup de données, le plus intéressant, c'est de bien les analyser. Il y avait une autre question, je crois ? C'était ça. Mais je m'étais dit, il y a des outils tiers qui nous permettent de détecter soit les technologies utilisées chez certains clients, soit s'il y a des levées de fonds, soit s'il y a des brevets déposés… Il y a tout ça, effectivement. Pas forcément des données qu'on a dans Marketo ou dans Salesforce, mais… Oui, on pourrait se plugger dessus. Complètement. Voir si l'algo les identifie comme des critères pertinents, et du coup il viendrait les inclure dans le calcul du score. On peut imaginer tous les cas d'usage. On a des entreprises plutôt dans le secteur du digital, mais qui ont des activités totalement différentes. Une version de Sypher d'un de nos testeurs est totalement différente de celle d'un autre. Ça dépend de la donnée qu'ils collectent, ça dépend de la façon dont ces clients sont signés, de pas mal de choses. Elles sont assez différentes. Ce qui est bien, c'est que l'algo s'adapte entièrement. C'est pour ça que derrière on a une phase de setup, où on vient vous parler, discuter, etc. C'est un peu la "force" de notre algorithme par rapport à d'autres gens. Vous n'avez pas juste à faire un site où vous mappez vos chances et on va vraiment essayer de comprendre, vous accompagner dans toute la logique pour vraiment optimiser votre score et se connecter à tout ce dont vous avez besoin. Ok. Écoutez, les amis, si vous voulez plus d'informations, sentez-vous libres de contacter les gens de Sypher. Ils sont facilement trouvables sur Internet et LinkedIn. Cette session, on va l'enregistrer. On va sûrement tourner la session en anglais cet après-midi. Si vous avez des collègues à l'étranger qui seraient intéressés, d'ici quelques jours, on aura la même vidéo en anglais. Je vous souhaite une bonne journée, un bon week-end et on se retrouve bientôt pour un prochain Marketo Office Hour.