C’est en 1994 que Jeff Bezos a quitté un emploi sûr dans un fonds spéculatif et, dans le sous-sol de sa maison louée, a fondé Amazon.
Au cours de son premier mois, eCommerce vend des livres dans tous les États des États-Unis et dans plus de 45 pays différents à travers le monde, générant un bénéfice net de 20 000 $ par semaine, le reste appartient à l’histoire.
Derrière le succès d’Amazon, en plus du modèle commercial révolutionnaire, se cachent une amélioration constante de la plateforme et la recherche continue de solutions innovantes.
Parmi ceux-ci, nous ne pouvons pas oublier le moteur de recommandation de produits , le « moteur » de recommandations de produits dynamiques qui a fait le succès d’Amazon et a révolutionné tout le monde du commerce électronique.
Nous avons donc choisi d’ouvrir l’article d’aujourd’hui de notre blog, en nous souvenant de cette histoire.
Selon une étude publiée par McKinsey, jusqu’à 35 % des ventes d’Amazon sont générées grâce à des algorithmes d’intelligence artificielle qui régulent les recommandations de produits.
Jeff Wilke, directeur de la division Consommateurs, commente le rôle de cette fonctionnalité dans la plateforme de commerce électronique la plus connue au monde :
« Chez Amazon.com, nous utilisons des algorithmes de recommandation pour personnaliser la boutique en ligne pour chaque client.
Le magasin change radicalement en fonction des intérêts des clients, présentant des livres de programmation à un ingénieur et des jouets pour bébés à une jeune maman ».
Recommandation de produit: mais que se passe-t-il si mon e-commerce n’est pas Amazon ?
Comme vous pouvez facilement le deviner, chez Amazon, rien n’est laissé au hasard, mais tout est régi par l’intelligence artificielle et l’apprentissage automatique.
Le moteur qui régit les recommandations dynamiques de produits se compose de plusieurs parties qui traitent l’analyse de données multiples : en principe, il sélectionne les produits à montrer à chaque utilisateur sur la base des achats effectués, des interactions et des évaluations des articles affichés et combine les résultats avec des articles similaires affichés par des utilisateurs ayant des intérêts similaires. .
Bien qu’il n’y ait qu’un seul Amazon et que les plateformes de commerce électronique disposent d’un budget considérable à consacrer à la recherche et au développement, les fonctionnalités de recommandation dynamique de produits/contenus peuvent également être mises en œuvre sur des sites de commerce électronique plus petits (et pourquoi pas des sites de contenu), grâce à des solutions d’automatisation du marketing et à des plateformes telles que Blendee, avec des avantages indéniables:
- augmentation des ventes;
- améliorer l’expérience d’achat et de navigation des utilisateurs;
- une fidélisation accrue de la clientèle;
- Fidélisation des clients.
Recommandation de produits avec Blendee: comment faire ?
On estime, en moyenne, que seulement 5% des produits du catalogue sont réellement vus par les utilisateurs : c’est pourquoi l’utilisation de recommandations de produits dynamiques devient essentielle non seulement pour faire connaître les produits de votre catalogue aux utilisateurs mais aussi pour les montrer au moment le plus approprié.
Le profilage et la segmentation de l’audience en amont seront essentiels pour sélectionner le groupe d’utilisateurs le plus approprié à qui montrer certaines recommandations de produits.
Mais allons-y dans l’ordre.
Blendee permet de configurer des recommandations de produits basées sur plusieurs algorithmes.
Voici les principaux :
- Recommandation tendance : les produits les plus populaires du catalogue sont affichés par clic et vue ;
- Recommandation personnalisée : nous suggérons à l’utilisateur des produits sélectionnés sur la base de son historique de navigation récent sur le site ;
- Recommandation de tendance personnalisée : dans ce cas, l’algorithme affiche les produits en mélangeant les deux précédents ;
- Recommandation de l’historique de navigation : les produits sont affichés en commençant par ceux que l’utilisateur a vus ;
- recommandation personnalisée par les ventes : l’algorithme permet d’afficher des suggestions de produits à partir de ceux que l’utilisateur a récemment achetés ;
- recommandation de panier : les produits sont recommandés à partir de ceux que l’utilisateur a placés dans le panier ;
- Recommandation de remarketing : les produits que l’utilisateur a consultés au cours des derniers jours mais qu’il n’a pas achetés sont affichés.
Choix de l’algorithme mais pas seulement : lors de la phase de configuration il est indispensable de sélectionner également la page du site où vous souhaitez les afficher :
- Domicile;
- page de catégorie ;
- fiche produit ;
- page de blog ;
- page de compte ;
- page 404 ;
- page du panier.
Blocs des pages du Site/eCommerce mais pas seulement : Blendee vous permet d’insérer des recommandations de produits dynamiques également dans les messages comportementaux (avertissements, popups..) et dans les emails et newsletters (widgets email).
Recommandations de produits dynamiques : comment choisir le bon algorithme ?
Parmi tant d’algorithmes disponibles, comment peuvent-ils choisir celui qui gagne ? C’est certainement la question que vous vous posez.
Il existe des directives, presque établies, selon lesquelles, en fonction de la page en question et du groupe d’utilisateurs que vous souhaitez intercepter, il existe des algorithmes qui ont tendance à être plus efficaces que d’autres.
Domicile
Pour les nouveaux utilisateurs, il est recommandé de sélectionner des algorithmes génériques qui vous permettent d’afficher les produits tendance, tandis que pour les utilisateurs récurrents, il est préférable d’afficher les produits recommandés en fonction de leur parcours de navigation ou d’achat.
Page produit
Dans ce cas, l’objectif de l’affichage des produits recommandés est d’augmenter la valeur du reçu et de stimuler l’utilisateur à acheter un produit similaire à celui qu’il consulte à un prix plus élevé.
Page du panier
Il est conseillé d’afficher les produits recommandés en vue de la vente croisée, c’est-à-dire des produits complémentaires à ceux que l’utilisateur a ajoutés au panier, en utilisant l’algorithme dédié (recommandation de panier).
Page de catégorie
Dans ce cas également, il est possible d’afficher en haut, dans la liste, les produits les plus consultés et les plus cliqués de la catégorie particulière que l’utilisateur consulte.
Page 404 et résultats de la recherche
Dans ce cas, il est possible d’afficher les produits les plus consultés et les plus cliqués à partir de l’historique de navigation de l’utilisateur.
Ce qui précède ne sont que des bonnes pratiques : dans chaque situation, seule l’analyse des données peut confirmer la plus ou moins grande efficacité d’un algorithme par rapport à un autre.
Recommandation de produit efficace ? C’est Blendee qui vous dit lequel choisir !
Grâce à Experiments , la nouvelle version de l’A/B testing de Blendee, choisir la recommandation de produit la plus efficace est encore plus facile.
En quelques clics, vous pouvez comparer deux ou plusieurs algorithmes de recommandation de produits dans une section donnée de votre site Web ou de votre e-mail, en prenant un groupe de vos utilisateurs comme public cible.
Vous pouvez choisir de régler le test en mode automatique ou manuel.
Dans le premier cas, il suffira de choisir uniquement sur la base de quel critère sélectionner la variante gagnante (vues, clics, ventes), tandis que dans le second cas, il faudra également choisir le degré de précision du test, le nombre d’utilisateurs à impliquer, la durée et le temps d’attente avant l’analyse des données.
Une fois que deux algorithmes ou plus ont été testés et que le gagnant a été identifié, cela servira de critère pour orchestrer l’affichage des produits recommandés dynamiques.
