Algorithmes de personnalisation : avez-vous pensé à tout ?

De nombreux distributeurs n'accordent pas suffisamment d'importance à la stratégie de personnalisation, et bien souvent, estiment qu’il suffit d'un unique algorithme de recommandation. Voici quatre conseils clés pour une bonne personnalisation, qui montrent aussi que c'est un peu plus complexe...

La personnalisation, initiée par Amazon, est une technique permettant aux distributeurs de créer une relation unique et privilégiée avec le client. Il est important pour une entreprise d’analyser et de collecter les données afin de comprendre les besoins des consommateurs. Cette stratégie peut être aussi bien proposée sur le lieu de vente qu’en ligne. Depuis 2003, Amazon a su tirer profit des données de ses utilisateurs.

Mais de nombreux distributeurs n'accordent pas suffisamment d'importance à la stratégie de personnalisation, et bien souvent, estiment qu’il suffit simplement d'un unique algorithme de recommandation. Typiquement, il s’agira de recommander au client Y qui regarde le produit A, les produits que tous les autres visiteurs ayant regardé le produit A ont aussi regardé, en majorité. Il ne suffit pas de mettre en œuvre les algorithmes appropriés, il faut déployer l’algorithme le plus adapté au contexte d’achat (où se trouve l’acheteur dans l’entonnoir de conversion), le plus adapté à l’historique du visiteur (visites et achats précédents, si connus) et le plus adapté au contexte du contenu de la page (produit ou catégorie). L’erreur la plus fréquente est de n’utiliser qu’un seul type d’algorithmes. RichRelevance propose ces quelques conseils clés à destination des directions marketing :

Algorithme pour les caractéristiques des produits

Cet algorithme tient compte d'attributs tels que la couleur, la taille, la marque et le prix, voire même la date de mise sur le marché. Par exemple, si le produit observé par un visiteur est désigné comme étant « écologique », l'algorithme recommandera des produits « écologiques » similaires. On peut aussi décider de ne proposer à l’utilisateur que les produits récents si le site marchand a beaucoup de produits nouveaux et/ou si l’utilisateur est connu pour aimer les nouveautés. Pour ce faire, deux mécanismes fonctionnent en parallèle en vue de déterminer le niveau de connaissance de l'utilisateur, connaître ses attributs favoris, et de créer simultanément des recommandations personnalisées. Cette approche vise à favoriser les ventes croisées.

Algorithme pour les marges

Pour optimiser le chiffre d'affaires, un autre paramètre doit tenir compte des marges réalisées sur les différents produits et les associer aux habitudes d'achats du client. Cet algorithme combine les objectifs de vente du fabricant avec le comportement de l'acheteur sur le site Internet. À l'étape suivante de la stratégie de personnalisation, il veille à ce que les produits ayant une marge supérieure soient recommandés en priorité. Cette stratégie tient compte de facteurs tels que la disponibilité ou la diversité des produits intéressant l'utilisateur et les intègre à l'algorithme. Le but est que l'acheteur accorde sa préférence aux produits prioritaires, sur lesquels le distributeur réalise une marge supérieure.

Algorithme pour les cookies

RichRelevance prend aujourd’hui en considération deux types de contexte de données :

-   Un marchand ne souhaite pas ou ne peut pas prendre en considération les données utilisateurs données par les cookies

-  Un marchand souhaite et a reçu l’autorisation d’utiliser les données historiques du client, obtenues par cookie.

Pour ces derniers, le fait de créer des cookies lors de chacune de leurs visites sur internet permet aux marques de mieux connaître leur client et d’ainsi leur offrir une assistance personnalisée.

L’enregistrement de l’historique des visiteurs est un élément important pour les marchands. Dans la phase initiale du lancement d'une boutique en ligne, les données relatives au comportement des visiteurs du site sont encore rares, voire inexistantes. Ce n'est qu'avec l'augmentation du nombre de visiteurs que cette base de données se développe. Toutefois, les distributeurs peuvent mettre en place une stratégie de personnalisation efficace dès cette phase : un algorithme pour cookies détermine en permanence les visiteurs intéressés par le produit X qui se sont également intéressés au produit Y. Il génère ainsi des « scénarios de retour arrière », qui constituent le point de départ de recommandations catégorielles. À ce stade, les produits du distributeur ne doivent pas encore être saisis dans la base de données de personnalisation du prestataire de services.

Si l’on ne prend pas en compte les besoins du client, il se lassera du site. Ce qu’il recherche avant tout c’est une offre personnalisée en fonction de ses besoins et de ses recherches. L’algorithme de recommandation basé sur les achats est une forme spécifique de filtrage visant à proposer les produits qui sont susceptibles d’intéresser le consommateur. L’algorithme va mettre en avant et valoriser les potentiels produits que le consommateur est capable d’acheter en fonction des précédents enregistrements d’achats.

Cette liste de recommandations, produite grâce à ces algorithmes, analyse la ou les similarité(s) qu’il peut y avoir entre le désir d’achat et les données du consommateur. Plus la ressemblance sera forte, plus la similarité sera grande. Ici la recommandation des produits se base sur le comportement passé de l’utilisateur. Il va permettre de mettre en relief certains produits qui peuvent intéresser le client. En effet, l’algorithme va, de par ses données et ses statistiques, voir ce qui est pertinent de proposer au client en fonction de ses besoins et de sa demande. Les nouveautés pourront être également proposées et recommandées aux clients en fonction de leur pertinence. Les meilleurs résultats apparaitront ainsi afin de favoriser l’acte d’achat personnalisé du consommateur. Typiquement, ce type de recommandations produit, présentée sur les pages produits ou lors de phase d’achat, augmente la conversion ainsi que la taille ou la valeur du panier d’achat.

Chaque magasin souhaite apporter le bon produit à la bonne personne au bon moment. Si actuellement, les sites marchands souhaitent mettre en place et/ou utiliser ces technologies, il faut qu’ils aient les bons outils pour optimiser l’usage des algorithmes.