Les acteurs du SaaS sont souvent confrontés à un double problématique : d'une part ils doivent assurer leur croissance en développant les nouvelles fonctionnalités attendues par leurs clients. D'autre part ils doivent consolider les briques essentielles de leur infrastructure et de leur offre, au risque de créer du "legacy" ou de la "dette technique"... Ces termes, certainement familiers, sont autant de petits cailloux dans les chaussures qui complexifient les décisions stratégiques et les arbitrages auxquelles sont soumises les RoadMap.
Ces dernières se doivent pourtant d'être ambitieuses, au risque de laisser le champ libre à la concurrence. On le comprend par leur taille et leur structure : les éditeurs SaaS sont souvent des "startups" ou des TPE/PME qui s'adaptent pour ne pas se faire "disrupter" par ces premières. Tous doivent alors "scaler" le plus rapidement possible, et chaque erreur se paie cher : une mauvaise décision ne se rattrapera qu'au détriment d'une nouvelle feature.
Ce n'est pourtant pas faute de pouvoir reposer sur des données: les éditeurs SaaS croulent virtuellement sous les métriques de leurs utilisateurs ! Ils peuvent connaitre ces derniers avec précision : leurs habitudes, leurs besoins, leurs attentes. Mieux encore, certaines données correctement récoltées puis exploitées permettent de placer le client au centre des décisions stratégiques de la société. Diminuant mécaniquement le risque de s'engager sur une mauvaise voie.
C’est au croisement de cette capacité de récolter de gros volumes de données et cet impératif de performance que s'intercale l'IA.
Si ce terme peut rebuter les décideurs par son apparente complexité, l'IA et le Machine Learning restent pourtant relativement accessibles, et se révèlent être une source d'économie et d'optimisation intéressante.
A rebours des préjugés, nous allons au cours de cet article vous donner des exemples dans lesquels une bonne exploitation de la data peut vous être bénéfique en vous appuyant sur des solutions Open Source.
Qui n'a jamais rêvé de pouvoir adresser en toutes circonstance le bon message au bon prospect ?
L'IA peut aider vos équipes marketing dans leurs prises de décisions puis les aider à évaluer l'efficacité de leurs campagnes, notamment par le biais de "l'analyse prédictive", un domaine de l'analyse statistique.
L'analyse prédictive sur GPU se nourrit de données qui peuvent être facilement accessibles : les réseaux sociaux par exemple débordent d'informations en tous genre ! En sourçant celles qui sont le plus pertinent pour votre business, vous pourrez prédire les tendances futures et les patterns de comportement, identifier à terme des tendances qui se dégagent auprès de vos clients, construire des personas plus précis et construire des audiences "types" à fort potentiel...
C'est par exemple le cas d'un client Scaleway, Left.io, une plate-forme de marketing sur les médias sociaux via un réseau d'influenceurs. Face à un constat simple (les photos ne sont pas toujours géolocalisées), ils ont mis en application le machine learning au service de la géolocalisation des profils Instagram, constituant ainsi une énorme base de données qualifiée a partir de données disponibles librement sur internet.
L'IA est taillée sur mesure pour les tâches d'automatisation : tout ce qui est répétitif et vu comme étant à "faible valeur ajoutée" est un input parfait pour la moulinette du "Machine Learning". C'est par exemple le cas pour les Chatbots, qui sont aujourd'hui le scénario le plus courant et accessible à mettre en place. Mais ce n'est qu'un début, avec l'émergence des "Voicebot" et des "Callbots" qui auront la capacité de comprendre de la voix et d'en synthétiser une pour vous répondre. Qui sait, votre meilleur commercial sera peut-être demain une IA !
Dans le cas précis d'une entreprise SaaS, un chatbot peut par exemple permettre à une équipe de gagner en proximité avec ses clients, sans pour autant avoir besoin d'ouvrir un poste de support de niveau 1 : en mettant en relation la question des clients avec la base de connaissances de l'entreprise, puis en redirigeant intelligemment les demandes entre les services concernés (compta, commercial, secrétariat etc).
Parmi les projets de Chatbot Open Source que vous pouvez essayer gratuitement dès cette semaine, nous vous conseillons de vous rendre sur https://github.com/daniel-kukiela/nmt-chatbot, utilisable via TensorFlow 1.14 proposé dans les images Ubuntu ML des GPU souverains de Scaleway.
Une entreprise SaaS doit le plus souvent gérer de nombreux clients, avec une équipe de commerciaux et d'Account Managers réduite. Dès lors, une partie non négligeable du chiffre d'affaire dépend de la "long tail", ou "longue traine" en français, c'est à dire une multitude de "petits clients", qui s'enregistrent la plupart du temps seuls via un portail internet. Si cette longue traine ne permet pas un suivi humain constant de la part des équipes, elle fournit un volume de donnée certain, qu'il est dommage de ne pas exploiter et tourner au bénéfice des ventes.
C'est à ce niveau que l'IA entre en jeu, en vous permettant par exemple d'optimiser le nombre de nouveaux clients, en vous permettant de faire évoluer vos tarifs en fonction de la saisonnalité, ou encore en augmentant le panier moyen avec des recommandations pertinentes. Le tout sans intervention humaine, en se basant simplement sur les données de vos utilisateurs et des frameworks Opensource.
Vous pouvez par exemple utiliser les frameworks OpenSource Apache PredictionIO ou recommendationRaccoon. Tous deux utilisables rapidement sur les GPU Scaleway.
Au croisement entre l'automatisation de vos équipes et l'optimisation des ventes se pose le pointilleux soucis du "Churn", c'est à dire le départ de certains de vos clients. Si ces départs sont impossibles à réduire à zéro, il est impératif qu'il y ait chaque mois davantage de nouveaux clients que de clients sur le départ pour être en croissance. Identifier ces derniers est donc primordial pour tout éditeur SaaS.
En analysant les données historiques, l'intelligence artificielle peut faire des prédictions concernant le comportement des utilisateurs. Il contribue à améliorer l'expérience utilisateur avant même d'obtenir des commentaires négatifs. De plus, l'IA peut vous informer rapidement des modèles de comportement qui indiquent que vos utilisateurs sont désengagés.
Là encore, vous pouvez vous lancer sur ces sujets sans plus attendre avec les drivers OpenSource de H2o ou le projet github OpenSource de FeatureTools.
Si l'implémentation d'une de ces solutions vous intéresse, n'hésitez plus et découvrez les GPU Scaleway, proposant le meilleur rapport prix-performance Cloud au monde !
Dans cet article, nous allons comparer les deux types d'architecture pour vous permettre de choisir celle qui vous convient le mieux en fonction de vos problématiques et celles de vos clients.
Suite aux événements récents, vous êtes très nombreux à nous interroger sur nos pratiques et nos moyens de protection dans nos datacenters. Nous allons vous répondre avec un maximum de transparence.
