C’est quoi un moteur de recommandation en e-commerce ? Comme son nom l’indique, le moteur de recommandation permet d’afficher des produits recommandés au bon moment aux consommateurs.
Cet outil permet de booster son taux de conversion en mettant en avant des articles adaptés au client connecté sur le site de vente, donc prêt à faire ses achats sur Internet.
L’outil apprend du consommateur et va ensuite automatiquement lui afficher une sélection de produits qui lui correspondent : produits coup de cœur, articles complémentaires à son panier, gamme supérieure, etc.
Les systèmes de recommandation permettent de jouer sur les best-sellers, le cross-selling ou encore l’upselling en améliorant l'expérience utilisateur : ces outils sont donc de puissants alliés marketing afin de maximiser votre taux de conversion.
En proposant des produits de manière ultra-personnalisée à votre audience, vous allez satisfaire votre client et surtout, le pousser à la commande.
Cette recommandation est rendue possible par des algorithmes prédictifs avancés de machine learning et intelligence artificielle qui analysent les différentes données : navigation, contenu de votre boutique, différents objectifs, etc.
Les recommandations sont proposées en forme de carrousel, avec plusieurs sortes de produits. Les moteurs de recommandation diffèrent sur chaque type de site dans leur capacité à proposer les bons articles et dans les performances des algorithmes sur lesquels ils sont basés.
Quelles sont les recommandations pour les visiteurs ? Aujourd’hui, la recommandation est omniprésente mais il en existe deux types : la recommandation non-personnalisée et la recommandation personnalisée.
La recommandation non personnalisée se base sur des règles simples de recommandations comme les ventes croisées notamment.
La personnalisation de la recommandation permet d’afficher des produits en fonction du profil de l’internaute. Avec la recommandation personnalisée, le profil et la navigation du visiteur sur votre boutique en ligne vont être analysés afin de lui proposer le produit parfait au moment opportun.
Avec des produits personnalisés et pertinents, il va se sentir important, ce qui va le placer dans une posture de confiance pour finaliser son shopping et améliorer la conversion. L’expérience client devient ultra-personnalisée et le prospect est au centre de votre intérêt !
Trois types de technologies sont utilisées pour permettre la recommandation de produits :
- La recommandation content-based : un algorithme content-based analyse les produits et surtout les caractéristiques qui différencient chaque article, en y ajoutant les préférences des utilisateurs.
Le consommateur consulte un produit sur un site de vente, et l’algorithme va analyser la catégorie où se trouve cet article pour pouvoir proposer des produits aux caractéristiques similaires et proches.
Cet algorithme va également prendre en compte les données liées au panier ou à l'historique de commandes.
Ces éléments une fois analysés, les produits proposés seront ceux issus de ses différentes caractéristiques.
Cela entend du côté du vendeur que toutes les caractéristiques de tous les produits doivent être renseignées avec le plus de précisions possibles au risque d’afficher des données erronées et donc de ne pas pouvoir compter sur un service performant. Aussi, toutes les caractéristiques doivent être mises à jour au fur et à mesure des changements du catalogue, ce qui demande un travail manuel plus important en amont.
L’association de produits : l’association de produits est basée sur le fait pour l’algorithme de proposer des produits issus de la même catégorie et de la même section du catalogue. Ce service est souvent fait de manière manuelle, ce qui peut faire perdre du temps au vendeur s'il existe beaucoup de références sur son site de vente en ligne. C’est la version la plus basique de la recommandation de produits : cela va afficher sur toutes les pages les mêmes recommandations dans le but de mettre en avant les nouveautés, les produits soldés, les actions commerciales, etc. Cette solution n’est pas basée sur une vraie personnalisation de l’expérience d’achat, ce qui peut freiner la progression des ventes auprès des consommateurs.
Le filtrage collaboratif : Le filtrage collaboratif se base sur les données d’un client, en partant du principe que ce client aura les mêmes goûts à l’avenir que dans le passé, par rapport à son historique de commande ou son historique de visite et de navigation par exemple. Grâce à cette approche, l’algorithme est alimenté en temps réel par rapport à toutes les actions de l’internaute comme les pages visitées, les produits mis de côté, les paniers constitués, etc. Cette solution ultra personnalisée, à la différence des deux autres concepts, va permettre de mettre en lumière d’autres éléments autour du profil type :
- Les données permettent de faire des regroupements entre chaque consommateur ce qui permet de proposer des produits à certains profils en se basant sur les goûts d’autres profils similaires (Lucie aime les robes rouges, Alix a l’habitude d’acheter les mêmes produits que Lucie, donc l’algorithme va proposer à Alix une robe rouge durant son shopping).
- Cela va permettre de constituer une base de données clients ultra complète grâce à l'utilisation des cookies sur les sites. Le vendeur pourra connaître toutes les habitudes de ses clients plus facilement.
- Enfin, cela va permettre de détecter les tendances sur un même catalogue et donc de proposer dans le moteur de recommandation des produits moins vendus afin de les mettre en valeur et espérer séduire les consommateurs avec ces produits.
Utiliser un moteur de recommandation promet une expérience client optimale grâce à l'hyper personnalisation du tunnel de commande, l’amélioration du taux de transformation des visiteurs, la fidélisation de ses prospects et clients et enfin l’utilisation de données centrales au service de son chiffre d’affaires.
