L’animatrice du podcast , Karyna Mihalevich, responsable fonctionnelle CPQ chez CLARITY, accueille Matthias Hirsch, chef de produit senior dans le domaine de l’expérience client et des industries chez SAP. Fort de sa vaste expérience depuis 2007 dans l’industrie de la fabrication discrète et de son rôle crucial chez SAP depuis 2016, Matthias apporte un point de vue distinct sur le rôle de l’IA dans les ventes, en particulier pour améliorer et rationaliser les ventes de produits complexes. L’épisode d’aujourd’hui poursuit la discussion sur le sujet important du pouvoir de transformation de l’IA dans les produits configurables, un sujet qui a été largement exploré dans un précédent podcast Quote-to-Cash.
Notre invité Matthias Hirsch, Senior Product Manager in Customer Experience & Industries at chez SAP et l’hôte du podcast Karyna Mihalevich, CPQ Functional Lead chez CLARITY.
Content
Principales fonctionnalités de la recommandation intelligente de produits de SAP
Comme l’explique Matthias Hirsch, la recommandation intelligente de produits de SAP fait partie des dernières innovations de produits SAP qui ont déjà commencé à transformer l’approche des ventes dans divers secteurs. Ce système innovant est structuré en deux sections essentielles :
- la durée d’exécution
- les applications de la période de conception.
L’aspect exécution permet l’application de l’apprentissage automatique dans les processus de CRM et de vente, ce qui permet aux utilisateurs d’interagir directement avec le système. Quant à la composante “design time”, elle fonctionne de la même manière qu’un configurateur de produits, où les utilisateurs peuvent modéliser des règles et concevoir des interfaces utilisateur adaptées à leurs besoins commerciaux spécifiques.
L’une des principales caractéristiques de ce système est sa capacité à gérer les complexités uniques de la fabrication industrielle et de la vente d’équipements. Les produits de ces secteurs, tels que les robots, les chariots élévateurs, les échangeurs de chaleur, les pompes et les compresseurs, ont souvent des modèles de données, des structures et des modèles de domaine individuels. Le système de recommandation intelligente de produits est suffisamment souple pour s’adapter à ces variations, garantissant ainsi que les recommandations sont aussi précises et pertinentes que possible.
Matthias prend un exemple pour illustrer son propos : un responsable d’atelier dans l’industrie automobile a besoin d’un nouveau robot de peinture. Contrairement aux approches traditionnelles où les clients spécifient les modèles et les accessoires exacts, ce système permet aux clients d’exprimer leurs besoins – tels que le nombre de carrosseries à peindre dans un certain délai et la nécessité de changer fréquemment de couleur – et traduit ensuite ces besoins en spécifications techniques pour le robot. Il s’agit là d’un changement important par rapport aux configurations de produits standard, puisque le système part des besoins du client et propose ensuite des produits adaptés en fonction de ces besoins.
En outre, Matthias souligne que l’intégration du système dans divers processus commerciaux, tels que les systèmes CPQ, de commerce ou de CRM, fait partie de ses fonctionnalités d’exécution. Cette intégration est cruciale car elle permet au système de faire partie du processus de vente global, depuis la génération d’une recommandation jusqu’à la finalisation d’une proposition de produit.
En outre, SAP fournit des modèles pré-entraînés que les utilisateurs peuvent utiliser immédiatement, offrant des recommandations initiales basées sur des données générales. Cependant, pour des résultats plus personnalisés qui s’alignent sur les données historiques spécifiques d’une entreprise ou d’un catalogue de produits, SAP a permis aux utilisateurs d’entraîner leurs propres modèles sans avoir besoin de connaissances approfondies en programmation. Cette fonctionnalité démocratise l’utilisation d’outils de vente avancés d’apprentissage automatique, en les rendant accessibles aux utilisateurs administratifs ou aux utilisateurs finaux qui n’ont pas forcément de connaissances techniques.
Intégration avec d’autres plateformes commerciales
Comme l’explique Matthias Hirsch, le système SAP Intelligent Product Recommendation offre des capacités d’intégration complètes avec des solutions SAP et non SAP, ce qui en fait un instrument polyvalent pour diverses applications commerciales. Cette intégration transparente est au cœur de son infrastructure, facilitant l’automatisation des processus de vente et garantissant des opérations rationalisées avec une efficacité accrue tout au long du cycle de vente.
Matthias distingue deux principaux types d’intégration pertinents pour le système :
- systèmes d’enregistrement
- les systèmes d’engagement.
Les systèmes d’enregistrement désignent les plateformes où sont stockées les données essentielles relatives aux ventes et aux transactions. Ces données sont essentielles pour former le modèle d’apprentissage automatique qui sous-tend le système de recommandation de produits. Il s’agit par exemple des systèmes S/4HANA, ECC, CPQ ou de tout autre système de commerce où sont stockées des données de vente historiques telles que les devis, les paniers et les commandes. Le système SAP Intelligent Product Recommendation s’intègre à ces plateformes pour extraire les données nécessaires, jetant ainsi les bases de recommandations de produits précises et efficaces.
D’autre part, les systèmes d’engagement sont les plateformes utilisées par le personnel de vente dans ses activités quotidiennes. Il peut s’agir de solutions de gestion de la relation client comme SAP Sales Cloud, de solutions de CPQ comme SAP CPQ, ou de diverses solutions de commerce. L’intégration avec ces systèmes est cruciale, car elle permet aux équipes de vente d’accéder aux résultats des recommandations de produits et de les utiliser, facilitant ainsi l’automatisation des processus de vente et la rationalisation des activités de vente.
L’une des principales caractéristiques de l’intégration de SAP AI est le paradigme API-first.
L’une des principales caractéristiques de l’intégration de SAP AI est le paradigme API-first. Cette approche garantit que les utilisateurs disposent d’une interface utilisateur (IU) d’exécution dont le rendu est dynamique et basé sur le modèle de données sous-jacent, à l’instar de ce qui se fait dans LO-VC ou AVC. Cette interface utilisateur préconçue réduit considérablement la nécessité d’une conception personnalisée de l’interface utilisateur, ce qui rationalise le processus de mise en œuvre. Matthias souligne toutefois que la flexibilité du système permet aux entreprises d’utiliser leurs propres interfaces utilisateur, en les intégrant par le biais des API fournies par SAP.
Cette double approche de l’intégration permet non seulement d’utiliser des systèmes de configuration dorsaux, connus sous le nom de systèmes d’enregistrement tels que S/4HANA ou CPQ, mais facilite également l’intégration avec les systèmes de consommation. Faisant partie de la suite SAP, le système Intelligent Product Recommendation s’intègre parfaitement dans l’écosystème SAP au sens large, ce qui renforce son utilité et son applicabilité dans divers contextes commerciaux.
Utilisateurs idéaux pour un système de recommandation de produits
En ce qui concerne les utilisateurs idéaux du système SAP de recommandation intelligente de produits, Matthias offre des perspectives perspicaces sur son adéquation à différents scénarios d’entreprise. Il reconnaît que le système est particulièrement efficace pour les ventes de produits complexes qui nécessitent une compréhension nuancée des besoins des clients et des spécifications techniques.
Matthias souligne que l’apprentissage automatique, la force motrice de ce système, est intrinsèquement axé sur les données. Pour une mise en œuvre efficace, les entreprises devraient idéalement s’appuyer sur des données de vente historiques substantielles, couvrant les 5 à 10 dernières années, pour former le modèle initial. Cette exigence peut représenter un défi pour certains clients, en particulier les petites et moyennes entreprises (PME), qui n’ont pas toujours à leur disposition un grand nombre de données sur les ventes. Toutefois, SAP relève ce défi en proposant des méthodologies permettant d’augmenter les données naturelles avec des données synthétiques, ce qui permet à ces entreprises d’exploiter le système de manière efficace.
En approfondissant la question des clients qui pourraient ne pas être les mieux adaptés à ce produit, Matthias renverse la perspective pour mettre l’accent sur ceux qui en bénéficieraient le plus. Il explique que le système est parfaitement adapté à la vente de produits complexes où les subtilités techniques et les exigences spécifiques du client sont primordiales. Cela contraste avec les environnements de vente axés sur des expériences d’achat émotionnelles ou semblables à celles des consommateurs, où la recommandation du produit peut être plus directe et moins technique.
Matthias ajoute que le système de recommandation intelligente de produits excelle dans les environnements où les produits ne sont généralement pas vendus à partir du stock, mais sont plutôt personnalisés ou produits en lots d’une taille unique. Cet aspect de la personnalisation est crucial pour les entreprises qui traitent des produits compliqués nécessitant une configuration détaillée, tels que les équipements industriels ou les machines spécialisées.
Applications dans le monde réel
Malgré son introduction récente sur le marché, le système de recommandation intelligente de produits de SAP fait déjà des vagues dans les applications du monde réel. Matthias raconte qu’il a fait une présentation au sommet DSHE en Allemagne, un important rassemblement de la communauté germanophone des utilisateurs de SAP. Il y a parlé d’un cas d’utilisation convaincant impliquant un client avec lequel il travaille.
Ce client est spécialisé dans la création et la construction de changeurs de prise, un composant essentiel utilisé dans les grands transformateurs électriques. Le défi auquel il était confronté était complexe : il devait comprendre avec précision les spécifications d’un transformateur pour concevoir un changeur de prise approprié.
“Ce scénario est un exemple typique de la façon dont notre système de recommandation intelligente de produits joue un rôle essentiel. Grâce à cet outil innovant, nous avons pu fournir des suggestions personnalisées sur le changeur de prise le mieux adapté à un transformateur donné, en tenant compte des exigences spécifiques du client. Ce cas d’utilisation va au-delà de la simple présentation des capacités techniques de notre produit ; il s’agit d’illustrer la mise en œuvre efficace de stratégies de vente pilotées par l’IA dans des processus de vente complexes, en transformant la manière dont les produits sont adaptés aux besoins des clients.”
En outre, Matthias note que SAP est engagé dans divers projets de validation avec d’autres clients. Ces collaborations sont essentielles car elles aident les clients à exploiter la puissance de l’IA pour leurs stratégies de vente et permettent à SAP d’établir des références solides. Ces références sont essentielles pour établir une présence plus solide dans l’industrie, en démontrant les avantages pratiques et le succès tangible de SAP Intelligent Product Recommendation dans l’exploitation de l’IA dans les ventes. Elles soulignent l’efficacité des stratégies de vente basées sur l’IA et témoignent de la capacité du système à ouvrir de nouvelles perspectives dans le domaine de l’apprentissage automatique, en particulier dans le secteur de la vente.
S’adapter aux catalogues de produits dynamiques
Dans le domaine des technologies commerciales, l’un des principaux défis consiste à s’adapter à des catalogues de produits dynamiques. La flexibilité nécessaire pour s’adapter à l’évolution des spécifications et des offres de produits est cruciale. Matthias explique le concept connu sous le nom de “problème de démarrage à froid” dans l’apprentissage automatique, qui est particulièrement pertinent lorsqu’il s’agit de catalogues de produits dynamiques. Il décrit l’approche du système SAP comme une étape préventive avant le lancement du configurateur de produits. La clé, selon Matthias, consiste à se concentrer sur les “facteurs durs” d’un produit – les éléments qui sont essentiels et moins susceptibles de changer – plutôt que sur les “facteurs doux”, qui sont plus susceptibles de faire l’objet de mises à jour fréquentes.
Par exemple, lorsque certains aspects fondamentaux d’un produit, comme sa fonctionnalité de base ou ses composants clés, restent constants, malgré des changements dans d’autres attributs comme la couleur ou des caractéristiques mineures, le système peut s’adapter plus facilement. Dans les scénarios où des composants entièrement nouveaux sont introduits, Matthias propose deux stratégies. Premièrement, le système peut apprendre et s’adapter progressivement grâce à une boucle de rétroaction, où il est réentraîné avec de nouvelles données, telles que des devis de vente mensuels. Cette méthode garantit que le modèle reste en phase avec les tendances du marché et les préférences des clients.
L’avantage d’utiliser des données synthétiques est leur immédiateté ; elles permettent au modèle d’apprentissage automatique d’intégrer rapidement de nouveaux paramètres sans attendre l’accumulation d’un grand nombre de données réelles.
Pour une adaptation plus rapide, Matthias suggère également la création d’ensembles de données synthétiques par les responsables techniques des produits. Ces ensembles de données sont conçus pour refléter les changements potentiels ou les nouvelles fonctionnalités des produits. L’avantage d’utiliser des données synthétiques est leur immédiateté ; elles permettent au modèle d’apprentissage automatique d’intégrer rapidement de nouveaux paramètres sans attendre l’accumulation de données réelles.
Cette capacité ne se limite pas à l’équipe technique de SAP ; elle est également accessible aux utilisateurs finaux. Chaque gestionnaire de produit technique, doté de connaissances sur la gamme opérationnelle et les spécifications de son produit, peut développer ces ensembles de données synthétiques. Cette approche proactive permet de réagir rapidement aux changements du marché, garantissant que le système SAP Intelligent Product Recommendation reste un outil robuste et adaptable pour les ventes dans un environnement de marché dynamique.
Innovations futures en matière de recommandation de produits
Alors que le système SAP Intelligent Product Recommendation continue de s’imposer dans le domaine des ventes pilotées par l’IA, de futures innovations se profilent déjà à l’horizon, prêtes à améliorer encore ses capacités. Matthias souligne l’intégration potentielle de l’IA générative dans le système SAP Intelligent Product Recommendation. Il note que si les grands modèles de langage comme Bard ou GPT-4 ont leurs points forts, ils ont aussi leurs limites, en particulier dans des tâches comme la classification, cruciale pour la configuration des produits. Toutefois, ces modèles peuvent jouer un rôle essentiel lorsqu’ils sont utilisés en conjonction avec des réseaux neuronaux spécialisés.
Un exemple innovant présenté par Matthias est l’utilisation d’une fonction de chat ou d’un courrier électronique pour la configuration des produits. Dans ce scénario, le courriel d’un client détaillant ses besoins pourrait être directement introduit dans le système de recommandation intelligente de produits. Le système utiliserait alors un vaste modèle linguistique pour extraire les informations nécessaires et comparer ces besoins à un modèle d’apprentissage automatique spécialisé. Ce processus simplifie non seulement la tâche de configuration d’un produit, mais garantit également que les recommandations sont parfaitement adaptées aux besoins spécifiques du client.
L’intégration des modèles d’IA générative va au-delà de la simple analyse des besoins des clients.
L’intégration des modèles d’IA générative va au-delà de la simple analyse des besoins des clients. Matthias envisage un système dans lequel, une fois qu’une recommandation générée par une machine est faite, elle peut être affinée en la renvoyant à un modèle d’IA générative. Ce modèle prendrait alors en compte le contexte du client et la recommandation initiale pour créer une proposition de valeur sur mesure, ce qui renforcerait considérablement l’aspect personnalisé du processus de vente.
Cette approche de la recommandation de produits représente une fusion de l’intelligence générale des grands modèles de langage et de la précision des algorithmes spécialisés d’apprentissage automatique. Elle illustre la synergie entre différentes disciplines de l’IA, visant à fournir une expérience transparente où l’utilisateur final n’a pas à se soucier des complexités sous-jacentes.
Pour SAP Intelligent Product Recommendation, le processus de vente ne doit pas se limiter à des transactions, mais doit également permettre de nouer des relations et de comprendre les besoins des clients de manière plus approfondie. En automatisant les tâches répétitives et en améliorant la qualité des interactions avec les clients, les représentants commerciaux peuvent se concentrer sur des tâches à plus forte valeur ajoutée, telles que le développement des relations avec les clients et la personnalisation des stratégies de vente basées sur l’IA.
Le bilan
Le système SAP Intelligent Product Recommendation est un exemple frappant des innovations de produits SAP, illustrant le rôle significatif de l’IA et de l’apprentissage automatique dans les affaires, en particulier dans le secteur des ventes. Grâce à sa capacité à automatiser les ventes de produits complexes, à s’intégrer de manière transparente à diverses plateformes commerciales et à s’adapter à des catalogues de produits dynamiques, ce système est un moteur essentiel pour façonner l’avenir des technologies de vente. Ce système ne se contente pas de rationaliser les processus de vente complexes, il ouvre également de nouvelles voies pour des interactions personnalisées avec les clients et des stratégies de vente plus efficaces basées sur l’IA.
Karyna Mihalevich souligne efficacement le potentiel de transformation de ces innovations, en observant une transition notable des méthodes manuelles à forte intensité de main-d’œuvre vers des propositions personnalisées, rationalisées et pilotées par l’IA. Incarnation de l’engagement de SAP à faire progresser les technologies de vente, le futur du système SAP Intelligent Product Recommendation est orienté vers la révolution et la personnalisation de l’expérience de vente. Ce bond en avant de l’IA et de l’apprentissage automatique marque l’aube d’une nouvelle ère dans la configuration et la recommandation de produits, élargissant les horizons de ce qui est possible dans le domaine de la vente.