Augmenter l'efficacité des ventes chez Randstad en exploitant de multiples sources de données

Randstad, l'une des principales sociétés multinationales de conseil en ressources humaines, compte 39 530 employés répartis dans 38 pays.

S'assurer que ces personnes concentrent leur temps à contacter des entreprises ayant un réel potentiel pour Randstad, et leur permettre d'établir des conversations basées sur des informations précises et pertinentes sont deux éléments impactant directement le succès de Randstad. Ces éléments permettent à Randstad de proposer des services adaptés à ses clients et donc de réaliser sa propre.

Bien que Randstad disposait déjà de données et d'informations sur les "bonnes entreprises", au potentiel commercial intéressant, ces connaissances n'étaient pas encore utilisées de manière optimale pour gérer les activités commerciales de l'organisation au quotidien.

‍

L’entreprise s'est donc lancée dans une mission visant à créer une solution basée sur l'IA qui permette une meilleure utilisation des données de manière continue en proposant des tâches concrètes et exploitables aux conseillers commerciaux par le biais d'une application intuitive pour l'utilisateur final.

‍

ML6, en tant que spécialiste de l'IA, gère la mise en place et la création des composants d'intelligence des données de la solution, ainsi que la mise en œuvre de l'architecture AI ML Ops afin de garantir que la solution puisse facilement être déployée dans d’autres équipes et pays, et puisse être de nouveau utilisée de manière continue et automatisée.

Cet instrument de vente efficace se compose de quatre éléments différents. L'élément central est le système de notation qui évalue le potentiel d'une entreprise individuelle pour Randstad, ainsi que la facilité ou la difficulté d'atteindre ce potentiel. Cette segmentation des entreprises dans un quadrant d'attractivité se fait sur base des données du profil de l'entreprise, mais aussi en exploitant les données du marché pour prévoir les besoins en emplois pour les 12 semaines à venir et pour repérer les signaux d'achat des entreprises pour les services de Randstad.

‍

La conception du territoire basée sur les données vise à rendre le scoring spécifique par zone géographique, augmentant ainsi la pertinence des informations générées pour les équipes commerciales locales. <br>Le script Kanban qui en résulte - une liste de tâches automatisées et réalisables - fournit chaque semaine aux consultants commerciaux une vue d'ensemble des entreprises sur lesquelles ils doivent se concentrer, ainsi que des informations sur cette entreprise ou le secteur d'activité concerné, afin de structurer la discussion avec le client.<br>Enfin, la solution de connaissance du marché utilise des données externes supplémentaires pour fournir aux conseillers commerciaux un contexte plus large, par exemple des raisons commerciales valables d'appeler l'entreprise, des informations instantanées sur le secteur d'activité du client, des données de soutien pour la gestion des attentes, la capacité à remplir le contrat et les négociations de prix.<br><br>L' instrument de vente efficace" est conçu pour exploiter les données de manière formelle et continue selon une approche "outside-in", en acquérant des données factuelles à jour à partir de sources de données externes sélectionnées et structurées et en appliquant des prévisions basées sur des séries chronologiques pour générer des informations et des déclencheurs.

‍

Le référentiel d'entreprises de Dun & Bradstreet sert de source pour une vision mondiale de toutes les entreprises, qu'elles soient clientes actuelles ou potentielles de Randstad, y compris une vue complète des caractéristiques de leur profil. Les données relatives à la demande d'emploi sont recueillies auprès de sources multiples telles que textkernel, careerjet, burning glass et jobdigger. Enfin, les données économiques par zone géographique (p.ex. PIB, emploi) sont obtenues auprès d'Oxford Economics.<br>La définition et l'imposition de principes de gouvernance des données, tels que des définitions globales et la protection des données (par exemple, aucune modification manuelle), garantissent la qualité des données et donc la pertinence des recommandations hebdomadaires pour les conseillers commerciaux.

‍

Le déclenchement de la pandémie de Covid, exemple type d'un événement à fort impact et à faible fréquence (HILF), a déclenché l'ajout de techniques de traitement du langage naturel (NLP) pour repérer des données supplémentaires sur des événements irréguliers et imprévisibles.

‍

Le taux de réussite est passé des 25 % historiques à 70 %, ce qui signifie qu'aujourd'hui, les consultants commerciaux qui utilisent l'outil consacrent 70 % de leur temps aux bons clients - des clients qui ont un potentiel réel et réalisable pour Randstad.

Et cette valeur commerciale significative et démontrée n'est qu'un début. L'outil d'efficacité des ventes a été conçu conformément à la stratégie globale d'usine numérique de Randstad ; il est prêt à être déployé dans un nombre croissant de pays, tout en recyclant et en affinant les modèles d'IA sur une base mensuelle.

‍

Le déploiement dans les 38 pays de Randstad est prévu avec une attention particulière à l'adaptation des recommandations aux différentes positions sur le marché et aux lignes ou concepts commerciaux. La mise en place de pipelines automatisés d'ingestion et de traitement des données, ainsi que de pipelines de recyclage, favorise l'évolutivité de la solution et sa capacité à apprendre en permanence à partir de nouvelles données. Elle accélère également l'intégration de nouvelles idées stratégiques et de nouvelles sources de données découvertes grâce à l'outil, ce qui renforcera la pertinence des actions recommandées.

‍