My Blog

Étiquette : Sensefuel

  • Comment les e-commerçants peuvent-ils tirer parti de l’IA ?

    L’impact de l’ia generative dans le e-commerce

    Selon Ferdinand Piette – Machine Learning Scientist, PhD, Sensefuel

    L’intelligence artificielle s’impose comme un moteur clé de l’innovation numérique, redéfinissant les usages et les attentes dans le e-commerce.
    De la personnalisation en temps réel à l’optimisation des recommandations, elle repousse les limites de l’expérience client. Parmi ses avancées les plus marquantes, l’IA générative (GenAI) s’est imposée comme un levier stratégique, offrant des interactions plus naturelles et ouvrant de nouvelles opportunités commerciales. Dans un marché hautement concurrentiel, elle représente un atout différenciant.
    Mais comment les e-commerçants peuvent-ils en tirer parti ? Quels défis doivent-ils anticiper ?

    1 – Les champs d’application de la GenAI dans le e-commerce sont nombreux

    Du moteur de recherche interne aux campagnes marketing, en passant par l’analyse des données clients, l’IA générative redéfinit en profondeur l’expérience d’achat en ligne. Son intégration dans les différents leviers du e-commerce permet d’optimiser l’engagement, d’accélérer la production de contenus et d’affiner la prise de décision. 

    Une conversation client optimisée

    Grâce à sa compréhension avancée du langage naturel, l’IA générative rend les interactions conversationnelles pour guider les visiteurs en quête d’un produit précis. Les moteurs de recherche internes et les assistants virtuels analysent et reformulent les requêtes complexes pour fournir la solution et les conseils les plus appropriés, comme le ferait un vendeur en magasin.
    De plus, en s’adaptant au style et au langage de chaque utilisateur, elle renforce l’engagement client et personnalise davantage l’échange.

    Une transformation de la production et de la gestion du contenu

    L’IA générative transforme la création de contenu en permettant aux e-merchandiseurs de rédiger plus rapidement des descriptions de produits claires et engageantes. Les campagnes marketing gagnent également en impact grâce à des newsletters et des annonces publicitaires adaptées aux profils clients.
    En produisant du contenu sur mesure à grande échelle, tout en ajustant le ton et la langue selon les segments de clientèle, les e-commerçants captent l’attention de diverses audiences, renforcent leur présence sur différents marchés et maximisent leur portée.

    Une exploitation avancée des données pour une stratégie affinée

    L’IA générative ouvre de nouvelles perspectives en analysant de vastes volumes de données textuelles, visuelles ou audio. Jusqu’ici, ces informations étaient difficilement exploitables à grande échelle en raison de leur complexité. Désormais, il devient possible d’identifier des tendances émergentes, d’analyser le sentiment client et de détecter des signaux faibles révélateurs d’opportunités ou de risques.
    Cette capacité d’analyse avancée permet aux e-commerçants d’ajuster leurs stratégies en temps réel, en s’appuyant sur une vision plus précise du marché et des attentes clients.

    Les champs d’application de l’IA générative dans le e-commerce montrent déjà des résultats concrets et significatifs, notamment en matière de conversation personnalisée, de gestion du contenu et d’analyse des données. Mais pour bien comprendre l’ampleur de ces avancées et en saisir tout le potentiel, il est essentiel de revenir aux origines de cette technologie. D’où vient l’IA générative ? Comment fonctionne-t-elle, et quelles sont les bases techniques qui lui permettent de transformer des interactions et processus dans le secteur du e-commerce ? Avant de discuter des défis qu’elle présente, penchons-nous sur les fondements de cette révolution technologique.

    2 – l’IA générative, une révolution technologique

    Depuis l’essor de ChatGPT en 2022, la GenAI suscite un intérêt croissant, tant auprès du grand public que des entreprises. Contrairement à l’IA traditionnelle, qui s’appuie sur le Machine Learning pour analyser des données structurées et identifier des schémas, la GenAI va plus loin : elle repose sur des modèles avancés, capables de créer du contenu original – textes, images, vidéos – à partir de données non structurées, notamment en langage naturel. Cette capacité ouvre de nouvelles perspectives, notamment dans le traitement automatique du langage, où elle dépasse les approches classiques fondées sur des analyses grammaticales et statistiques.

    L’IA générative : d’où vient-elle et comment fonctionne-t-elle ?

    Si l’IA générative telle qu’on la connaît aujourd’hui est récente, ses origines remontent à 2014. À l’époque, des chercheurs explorent des modèles dits seq2seq, capables d’encoder du texte sous forme de vecteurs numériques, de les manipuler mathématiquement, puis de les retransformer en texte. Initialement utilisés pour la traduction automatique, ces modèles donnent naissance aux premières représentations de langage (word embeddings) comme Word2Vec ou GloVe, posant ainsi les bases du search vectoriel.

    Le tournant majeur intervient en 2017, lorsque des chercheurs de Google publient l’article scientifique « Attention Is All You Need ». Ils démontrent que les modèles seq2seq peuvent être simplifiés en ne conservant que leur mécanisme d’attention, ouvrant la voie aux Large Language Models (LLM). Dès lors, Google (avec BERT en 2018) et OpenAI (avec GPT-2 en 2019) développent les premiers modèles capables de prédire les mots manquants dans un texte et d’anticiper la suite d’une phrase.

    Il faut toutefois attendre la fin 2022 pour que ces modèles se démocratisent auprès du grand public, avec la mise en ligne de ChatGPT par OpenAI. Cette interface conversationnelle, exploitant le LLM GPT-3.5, révèle à une échelle inédite les capacités de génération de texte de ces modèles, marquant un véritable tournant dans l’adoption de l’intelligence artificielle générative.

    Les limites des LLM et la génération d’hallucinations

    Les LLM ne réfléchissent pas, ils prédisent. Entraînés à compléter des textes en analysant des millions de données issues de livres, articles et forums, ces modèles apprennent à deviner les mots manquants pour reconstituer des phrases cohérentes. Leur objectif est de fournir des réponses qui correspondent aux attentes de l’utilisateur, en générant les mots les plus probables selon le contexte. Mais cette méthode présente des limites, notamment en cas d’hypothèses erronées. Par exemple, si la question repose sur une affirmation incorrecte – « La Terre est plate, peux-tu m’expliquer pourquoi ? » – le modèle tentera de répondre sans remettre en question cette assertion. Même si les LLMs actuels intègrent presque tous des sécurités pour limiter ces hallucinations, il est important de rappeler que leur conception même repose sur des probabilités et des corrélations statistiques. Autrement dit, ces modèles sont, par nature, sujets à ce type de limitations et de biais.

    Contrairement à ce que l’on pourrait penser en lui attribuant une forme de raisonnement, un LLM n’analyse pas les idées, il extrapole. Il ne génère pas de nouvelles informations à partir de rien, mais reformule, organise et structure les données qu’il reçoit. Ainsi, il est impossible de créer un contenu pertinent comme une fiche produit, par exemple, sans données préexistantes et qualifiées telles que la marque, la taille ou la couleur.

    L’émergence du modèle agentic : vers une IA plus fiable ?

    Pour dépasser ces limites, les chercheurs explorent une nouvelle approche : les modèles multi-agents. Plutôt que de s’appuyer sur un seul LLM, cette méthode fait coopérer plusieurs agents spécialisés, avec différents points de vue, différents champs d’expertise. Chacun peut traiter un aspect spécifique d’une requête, interagir avec des bases de données externes et apporter un contrôle sur les réponses finales générées.

    Ce principe repose sur une idée clé : le tout est plus grand que la somme des parties. En confrontant plusieurs points de vue et en intégrant des mécanismes de vérification, ces systèmes pourraient réduire les erreurs et améliorer la pertinence des réponses. La coopération entre plusieurs LLM ou agents permet ainsi de faire émerger un comportement global qui semble plus intelligent et cohérent que ce qu’il serait possible d’obtenir avec un seul modèle isolé.

    L’IA générative évolue rapidement, mais elle reste avant tout un outil. Bien employée, elle ouvre des perspectives fascinantes pour les e-commerçants. Toutefois, il est important de se rappeler qu’elle imite l’intelligence sans jamais réellement la comprendre. Son adoption implique de relever plusieurs défis techniques, éthiques et organisationnels afin de garantir une mise en œuvre optimale.

    3- Les défis à surmonter pour les e-commerçants

    Bien que l’IA générative offre des opportunités considérables, son adoption par les e-commerçants ne se fait pas sans défis. Le premier obstacle majeur est l’intégration de cette technologie aux systèmes existants. En effet, l’adoption de la Gen AI peut exiger des ajustements significatifs des infrastructures techniques en place. Les e-commerçants doivent garantir que les nouveaux outils s’intègrent parfaitement avec leurs plateformes e-commerce, leurs CRM et autres systèmes de gestion de données.

    Ensuite, les questions éthiques et de gouvernance deviennent essentielles. Les modèles d’IA générative peuvent parfois être biaisés, ce qui risque d’altérer la pertinence des résultats ou de poser des problèmes en matière de protection des données personnelles. La gestion de la confidentialité des informations collectées, ainsi que l’alignement des conseils générés avec les attentes des clients, sont des enjeux majeurs qui nécessitent une attention particulière.

    Enfin, la gestion du changement représente un autre défi crucial. L’implémentation de l’IA générative nécessite souvent une montée en compétences des équipes et un accompagnement dans l’adoption de ces nouveaux outils. Convaincre les parties prenantes internes et assurer une formation adéquate des équipes sont des étapes clés pour garantir une utilisation optimale de ces technologies.

    L’IA générative : un tournant pour l’e-commerce

    Plus qu’une simple évolution technologique, l’IA générative redéfinit les standards du e-commerce en transformant aussi bien l’expérience client que la performance commerciale. Loin d’un effet de mode, elle s’impose déjà comme un levier de différenciation. Mais son adoption ne va pas sans défis : intégration, gouvernance des données et adaptation des organisations sont autant d’enjeux à anticiper pour en exploiter pleinement le potentiel. Dans un marché où chaque interaction compte, les e-commerçants capables d’intégrer ces avancées avec intelligence disposeront d’un véritable avantage concurrentiel.

  • L’importance d’un moteur de recherche avancé pour son site e-commerce

    Pourquoi investir dans une solution de recherche e-commerce ?

    Par Christophe Malghem, Co-fondateur de Sensefuel

    Le e-commerce est un écosystème dynamique et concurrentiel, pas toujours rentable, où convaincre la direction d’investir dans de nouvelles technologies peut être ardu, mais déterminant pour la croissance d’une marque ou une enseigne. Pour autant, en prenant le temps d’analyser les parcours client et le poids de ceux-ci, on se rend compte que la recherche est cruciale.
    >Augmenter les taux de conversion,
    > soigner l’identité de la marque pour une expérience utilisateur fluide et cohérente,
    >analyser finement le comportement des consommateurs pour une prise de décision éclairée et conforme aux régulations en vigueur :  trois arguments qui permettront de convaincre de l’importance d’investir.

    1 – Maximiser le retour sur investissement

    Investir dans une solution de recherche pour optimiser le parcours utilisateur constitue un pilier fondamental de toute stratégie de conversion sur un site marchand.
    Ce premier argument repose sur des données tangibles : les utilisateurs qui utilisent le moteur de recherche ont quatre fois plus de chances de convertir que ceux qui se contentent de naviguer à travers le site*. Cette corrélation directe entre le type de parcours et le taux de conversion souligne l’importance de concentrer les ressources là où elles sont le plus efficaces. En effet, chaque visiteur représente un coût, et en maximisant les chances de conversion, en leur facilitant l’accès à l’offre, le e-commerçant optimise également le rendement de son investissement initial dans l’acquisition de trafic.

    Au-delà de l’aspect « conversion », cette stratégie s’inscrit aussi dans une logique de fidélisation. Offrir une expérience utilisateur hyper-personnalisée, fluide et efficace, incite les acheteurs à revenir. En effet, si un client perçoit la qualité de son interaction avec le site, il est plus enclin à renouveler son expérience d’achat. Ainsi, investir dans l’optimisation du parcours utilisateur n’est pas seulement un moyen de maximiser les conversions immédiates, mais c’est aussi un moyen de cultiver des relations à long terme avec les clients, renforçant ainsi la fidélité à la marque. En somme, c’est un investissement rentable à court terme et un outil stratégique pour pérenniser la croissance de l’entreprise.

    2 – Soigner son identité d’enseigne

     Le site marchand, bien plus qu’une simple plateforme de transactions commerciales, est un espace où les clients interagissent avec la marque, où se construit leur perception de celle-ci et le positionnement de marque. Dans cet environnement digital, il est essentiel de susciter des émotions positives, de créer une expérience fluide et cohérente qui reflète l’essence même de la marque.
    C’est là que réside également l’enjeu d’investir dans une solution spécialiste :
    . pouvoir animer le site selon sa stratégie commerciale,
    . insérer des bannières représentatives de la politique commerciale,
    . diffuser du contenu de réassurance ou de conseils pour renforcer la confiance des visiteurs.
    Chaque élément visuel, chaque interaction, devient alors un levier puissant qui contribue à forger l’identité de la marque et à distinguer l’enseigne de ses concurrents.

    Ainsi, investir dans l’optimisation du site marchand ne se limite pas à améliorer les performances commerciales, c’est aussi un moyen de renforcer la présence et la perception de la marque dans l’esprit des consommateurs, ce qui constitue un facteur déterminant dans un marché hyper concurrentiel.

    3 – Comprendre le comportement des consommateurs tout en respectant le RGPD

    Permettre à ses équipes e-merchandising de décrypter le comportement des consommateurs est, à l’ère numérique, une nécessité impérieuse pour les marques soucieuses de rester pertinentes et compétitives. En outillant les équipes métiers de solutions nourries de données de comportements d’achat, les entreprises se donnent les moyens nécessaires pour piloter efficacement les parcours, répondant ainsi aux attentes des consommateurs et assurant leur propre succès. Les tableaux de bord, en fournissant une visualisation claire et agrégée au niveau du champ d’action du métier, deviennent des outils précieux pour guider les décisions stratégiques des équipes e-merchandising.

  • Quelles sont les attentes des consommateurs lorsqu’ils recherchent des produits en ligne ?

    Observatoire des pratiques de recherche dans l’e-commerce, édition 2024

    Une Etude Sensefuel 

    Les usages sur les sites e-commerce et les attentes des consommateurs lorsqu’ils recherchent des produits en ligne évoluent d’année en année.
    Comprendre leurs habitudes est crucial pour optimiser l’expérience client de son site marchand, avec pour objectif de mieux servir le consommateur et accélérer ses ventes.

    Sensefuel a interrogé 1 292 consommateurs en janvier 2024 sur les trois plus grands marchés européens du e-commerce, la France, l’Allemagne et le Royaume-Uni, et rassemblé leurs réponses dans l’Observatoire des pratiques de recherche dans l’e-commerce. Ces données précises permettent de mieux connaître le consommateur, de comprendre la manière dont il recherche ses produits et cerner ses motivations et ses freins à l’achat lors de la visite sur un site e-commerce.

    • Comment les internautes s’y prennent pour trouver un produit, quel que soit le device utilisé.
    • Dans quelle situation l’internaute utilise la barre de recherche, plutôt que la navigation
    • Les améliorations possibles des moteurs de recherche, selon les consommateurs
    • Et d’autres chiffres, utiles à l’amélioration de votre stratégie e-commerce…
    • Quelles sont les grandes tendances mises en avant ? 

    Pour cette édition 2024, les consommateurs sont 67 % à attendre une expérience adaptée, que le site e-commerce ait compris leurs goûts et envies et personnalise l’affichage.
    Ils choisissent en première place le moteur de recherche pour simplifier leur parcours d’achat et souhaitent accéder à des filtres précis et à un menu plus clair. La barre de recherche est toujours plus utilisée dans différents contextes.
    Ainsi, 74 % des consommateurs utilisent le moteur de recherche pour chercher un produit précis. 

    Parmi les principaux reproches des sondés se distingue notamment le fait que soient proposés des produits inadaptés (31 % des répondants).
    On note aussi, en termes de reproche concernant la recherche de produit par mot-clé, des résultats peu pertinents avec un score de 26 % en hausse de 25 % par rapport à 2023.
    Enfin, sur les douze derniers mois, 25 % des sondés ont perçu des améliorations concernant le fonctionnement de la recherche par mots-clés sur les sites e-commerce qu’ils fréquentent régulièrement.

    Pour télécharger l’étude c’est ici 

  • e-commerce : 4 étapes pour réussir sa stratégie d’hyperpersonnalisation des parcours d’achat 

    e-commerce : l’hyperpersonnalisation comme facteur de succès

    Par Stéphane Vendramini chez Sensefuel

    L’hyperpersonnalisation se positionne désormais comme un facteur clé de succès pour proposer aux consommateurs une expérience utilisateur en ligne unique. Dans ce contexte, les sites e-commerce doivent adopter cette approche pour s’adapter aux envies de chaque visiteur, et ce en temps réel. Voici quatre piliers clés pour réussir son projet.

    Comprendre les avantages de l’hyperpersonnalisation vs la personnalisation. 

    L’e-commerce est devenu un marché de plus en plus concurrentiel et les consommateurs sont de plus en plus exigeants concernant leurs expériences d’achat. Les acteurs cherchent à se différencier en offrant des expériences d’achat plus personnalisées. Globalement, il existe une différence importante entre la personnalisation et l’hyperpersonnalisation.

    La personnalisation consiste à analyser les données personnelles et potentiellement les données comportementales des visiteurs, pour adapter l’expérience d’achat proposée pour un groupe d’individus. Ces segments sont constitués à froid et n’agissent pas lors de visites d’inconnus, mais uniquement à la visite d’un individu identifiable via ses données personnelles.

    L’hyperpersonnalisation consiste à s’appuyer d’abord sur des données comportementales anonymisées des visiteurs pour adapter l’expérience d’achat aux envies de chacun. Les technologies d’hyperpersonnalisation sont donc capables d’adapter les parcours d’achat en temps réel et dès la première session d’un visiteur anonyme. Cette approche repose sur des algorithmes d’IA de dernière génération et ne nécessite pas de gestion de règles manuelles ni de données personnelles. Elle n’est pas soumise à l’acceptation de cookies et s’applique donc à l’ensemble du trafic.

    Raisonner quick-win et ROI : Par où commencer ? 

    Mettre en place une stratégie d’hyper- personnalisation des parcours d’achat peut sembler complexe. On peut naturellement se demander par où commencer. L’une des méthodes les plus efficaces pour répondre à cette question légitime est d’identifier les quick-wins de l’hyperpersonnalisation. L’usage du moteur de recherche interne est le parcours client le plus adapté pour démarrer un projet d’hyperpersonnalisation de l’expérience :

    • l’hyper-personnalisation améliore la pertinence des résultats de recherche
    • Le moteur de recherche est le premier lieu de vente des sites e-commerce.
    • L’hyper-personnalisation offre la possibilité de comprendre les mots tapés et d’en tirer profit pour enrichir la connaissance du visiteur
    • Le moteur de recherche, pour commencer à hyperpersonnaliser les résultats de recherche, ne nécessite que peu d’effort de mise en place.

    Étendre l’hyperpersonnalisation sur l’ensemble des points de contact omnicanaux 

    Une fois que vous souhaitez hyperpersonnaliser le parcours de recherche on-site lancé, il est essentiel d’étendre cette approche à l’ensemble du site et des points de contact. Avec pour objectif d’offrir une expérience d’achat sur mesure, de mieux convertir et de fidéliser les visiteurs. Il faut alors adapter l’ensemble du site et des points de contact aux envies de chaque visiteur et utiliser une plateforme unifiée comme socle technique et fonctionnel. De plus, ce type de projet connait un ROI rapide et s’autofinance par l’amélioration des performances commerciales obtenue grâce à l’hyperpersonnalisation des résultats de recherche.

    Capitalisez sur ses données CRM ou CDP pour accélérer 

    Enfin, l’utilisation de données clients provenant de CRM ou de la CDP peut être un véritable atout pour accélérer l’adaptation de l’expérience en fonction des envies de chacun. Lorsqu’un client connu et logué arrive sur le site e-commerce, les données provenant du CRM ou CDP peuvent enrichir l’IA chargée d’hyperpersonnaliser l’expérience. Elle prendra donc en compte : le comportement en temps réel du visiteur sur le site et les insights provenant des systèmes. Cette donnée personnelle permet d’accélérer l’adaptation en temps réel du parcours d’achat. Globalement, les données doivent donc être considérées comme un complément à l’analyse du comportement de chaque visiteur.

    Par Stéphane Vendramini chez Sensefuel

  • Quand le digital devient l’allié intemporel des marques

    Comment la crise que nous traversons dope l’activité des e-commerçants

    (suite…)

  • Comment accompagner dans l’achat le consommateur augmenté ?

    Comment accompagner dans l’achat le consommateur augmenté ?

    Par Stéphane Vendramini chez Sensefuel

    En janvier 2007, Apple lançait son premier iPhone. La voie était ouverte à une nouvelle ère : celle des smartphones, qui, en à peine quelques années, ont révolutionné tous les comportements de la vie personnelle et professionnelle. Les smartphones sont aujourd’hui devenus de véritables assistants de vie.

    Le smartphone au centre des nouveaux modes de consommation

    Le smartphone a fait de nous des consommateurs augmentés, en rendant la recherche et la découverte de produits et services possibles, en quelques secondes et depuis n’importe quel endroit. Cette omniprésence dans nos vies va sans doute fortement s’accentuer avec l’avènement des assistants vocaux. De plus, les comportements des utilisateurs évoluent au rythme des innovations créées par les GAFAM. Ainsi, les standards très élevés concernant l’expérience client augmentent et la consommation digitale prend peu à peu le pas sur la consommation physique. Alors, une question se pose : comment les acteurs du e-commerce pourront-ils faire face à ces nouveaux comportements ?

    Recherche et commerce connecté : deux indissociables

    De nos jours, les consommateurs se tournent de plus en plus vers la barre de recherche. D’ailleurs, un consommateur sur deux déclare l’utiliser dans le cadre de son parcours d’achat. De façon générale, l’action de rechercher une information, une actualité, un produit restera au cœur du quotidien des personnes, peu importe le moyen utilisé. On entend beaucoup parler de la recherche vocale et visuelle. Elles se démocratisent et sont très certainement en train de marquer un tournant dans l’exploitation des catalogues produits. Il s’agit définitivement d’une affaire à suivre !

    Les comportements clients ont donc considérablement changé. Les niveaux d’attente et d’exigence pendant l’expérience d’achat ont atteint un degré qui requiert, de la part des e-commerçants, la maîtrise de sujets-clés. Ils se doivent par exemple de fournir à leurs clients un moyen efficace et rapide d’accès aux produits. Ne pas oublier également qu’un client qui ne trouve pas ce qu’il est venu chercher est un client perdu. Car, le cas échéant, il se tournera vers un autre site ou simplement vers Google qui le dirigera vers un concurrent.

    L’une des clés du succès d’un site e-commerce passe donc par la performance de la recherche qui elle-même s’articule autour de plusieurs piliers : la pertinence, la rapidité de réponse, l’expérience client, la capacité d’individualisation, et ce quels que soient le device utilisé. L’objectif est de toujours renvoyer des résultats en adéquation avec la recherche de l’utilisateur afin d’apporter une efficacité immédiate. Si ce service est rendu, alors la conversion sera au rendez-vous.

    Au final, la notion de consommateur augmenté est bien plus qu’un simple concept, mais une réalité concrète que les marques et e-commerçants doivent intégrer pour proposer une expérience d’achat adaptée à chaque visiteur.

     

  • Bien choisir sa stratégie de personnalisation dans le secteur du e-commerce

    Bien choisir sa stratégie de personnalisation dans le secteur du e-commerce : adaptative ou prescriptive ?

    Par Stéphane Vendramini, Co-Founder de Sensefuel

    De nombreuses études montrent que les clients des boutiques en ligne apprécient une expérience personnalisée lors de leurs achats. Cependant, ils sont particulièrement vigilants au type de renseignements et d’informations qu’ils fournissent, pourtant utiles à la personnalisation.

    Aujourd’hui, pour aller plus loin dans la définition d’une stratégie de personnalisation e-commerce, il faut offrir à ses clients une expérience et des interactions basées sur leur comportement en temps réel, le contexte, leurs intérêts et préférences. Examinons différents types de personnalisation disponibles : la personnalisation prescriptive et la personnalisation adaptative.

    Les méthodes de personnalisation : prescriptive et adaptative

    La méthode prescriptive

    Dans ce contexte, il est nécessaire de spécifier les règles métier qui déterminent quel contenu doit être présenté selon le segment du visiteur. Ces règles peuvent comprendre leurs activités récentes, leur comportement de clic, leur localisation, leur historique de navigation, leurs préférences, etc. Ces règles métier servent avant tout à filtrer les offres et à ne pas proposer celles qui sont inappropriées. Cette méthode de personnalisation fait référence à la segmentation clients. Cependant, ce n’est pas parce que je suis un jeune homme habitant Paris avec deux enfants que les autres personnes correspondant à cette même typologie aiment les mêmes choses que moi. Nous avons chacun des hobbies différents, des marques préférées différentes, etc.

    La méthode adaptative

    Contrairement à la méthode prescriptive, la personnalisation adaptative est un processus automatisé qui applique continuellement un ensemble de règles basées sur des algorithmes. Ces règles sont autogérées et évolutives. L’intérêt de cette méthode est de rendre les algorithmes sur lesquels elle repose de plus en plus précis et intelligents au fil des interactions, afin d’appliquer automatiquement la règle qui sera la plus pertinente pour le visiteur. Les algorithmes apprennent ainsi de chacune des visites de l’utilisateur, et permettent de mieux connaître ses attentes et comportements.

    Les données collectées : explicites et implicites

    Les données explicites

    Afin de déterminer au mieux le profil des visiteurs et de leur fournir un contenu adapté, il est nécessaire de collecter des données précises décrivant leurs intérêts, activités ou préférences. Les données explicites sont fournies intentionnellement et utilisées à leur valeur nominale sans être analysées.

    Les données implicites

    Elles servent de leur côté à construire un modèle utilisateur qui sera utilisé pour présenter les informations les plus pertinentes au visiteur. Ces données ne sont pas fournies intentionnellement et ne peuvent être tirées que de l’analyse de données observées. Le contenu est présenté au visiteur en fonction de la logique métier après examen de son comportement. Ces données implicites sont récoltées en observant les éléments qu’il consulte, en analysant son historique d’achats ou encore par exemple le choix des mots utilisés lors d’une recherche.

    Définir sa stratégie de personnalisation

    En se basant sur les deux précédents types de personnalisation (prescriptive et adaptative) et les méthodes de collectes de données (implicite et explicite), la personnalisation peut être divisée en quatre types (ci-dessous) qui permettent d’évaluer les outils et stratégies de personnalisation.

    Collecte de données explicites et méthode prescriptive

    Dans ce modèle, l’utilisateur fournit intentionnellement ses données à travers un formulaire d’abonnement à une newsletter par exemple. Les visiteurs sont segmentés à partir d’une ou plusieurs variables comme le genre et la localisation. Il est alors possible de leur présenter du contenu en rapport avec les informations collectées.

    Collecte de données implicites et méthode prescriptive

    Dans ce modèle, l’utilisateur ne fournit pas intentionnellement ses données. Il est alors possible de créer des règles de segmentation afin de lui proposer un contenu ou une offre en fonction :

    – de sa localisation (récupérée grâce à son IP) ;

    – de la météo de l’endroit où il se trouve ;

    – de la source de trafic dont il provient ;

    – de l’outil utilisé (mobile, tablette, desktop) ;

    – etc.

    Collecte de données explicites et méthode adaptative

    Dans ce modèle, les données ont été intentionnellement fournies par l’utilisateur à partir, par exemple, d’un questionnaire proposé à l’internaute lors de son arrivée sur le site. Sur la base des éléments fournis par l’internaute, les algorithmes définissent alors un profil et proposent des recommandations personnalisées de produits. La personnalisation est affinée par rapport aux deux types de personnalisation précédemment cités.

    On peut par exemple lui demander :

    – de choisir ses cinq marques préférées parmi une liste prédéfinie,

    – sa taille de vêtements,

    – son genre,

    – son style vestimentaire,

    – etc.

    Collecte de données implicites et méthode adaptative

    Les algorithmes apprennent du comportement de chaque visiteur. Ici, on ne parle donc plus de personnalisation, mais d’individualisation dans la mesure où c’est le comportement propre à chaque internaute qui définit les règles, et ce de manière automatique, sans que celui-ci n’ait à fournir une quelconque information. Cette individualisation de l’expérience se base uniquement sur l’observation de son historique de navigation ou de recherche, ses achats précédents, etc.

    Nous voyons donc qu’il est possible de choisir le type de personnalisation qui convient le mieux:

    – de la moins fine à la plus fine  : personnalisation sur la base de la segmentation contre personnalisation sur la base de comportements individuels ;

    – et selon que l’e-commerçant souhaite gérer ses règles métier ou qu’il privilégie la capacité des algorithmes à gérer une multitude de paramètres de manière automatisée et apprenante.

    Ces différents éléments permettent donc de se faire une idée plus précise des stratégies de personnalisation possibles. Il est alors possible de faire le bon choix en fonction de ses objectifs.

     

    Par Stéphane Vendramini, Co-Founder de Sensefuel