Evolutions des services de recommandations personnalisées
.22 Août

Evolutions des services de recommandations personnalisées

Les avancées technologiques ont permis de faire évoluer les services de recommandations pour sites e-commerce en trois grandes étapes :

Les modules spécialisés

Chaque module est spécialisé dans un type de service de recommandations comme le Cross-sell, l’Upsell ou les Top Ventes. Vous configurez manuellement les produits à recommander produit par produit ou via des règles métiers. Vous devez bien connaitre les caractéristiques de chaque produit, et évaluer les produits à associer dans chaque bannière. C’est relativement efficace pour les produits que vous connaissez bien. Mais l’efficacité est beaucoup plus aléatoire pour les produits que vous connaissez moins bien.  Lorsque vous modifiez un article de votre catalogue, vous devez analyser tous les changements potentiels à effectuer manuellement. Cette méthode peut devenir très fastidieuse si vous avez beaucoup de produits et une forte rotation. La pertinence des recommandations est dépendante de votre connaissance des produits. Le coût d’acquisition de ces modules est faible car ils sont relativement simples à développer mais le coût de gestion peut devenir très vite élevé lorsque votre catalogue augmente. Ils sont très déployés par les petits sites e-commerce.

Introduction de l’Intelligence Artificielle

L’Intelligence Artificielle a permis d’automatiser le traitement de chaque recommandation. Certains résultats sont réactualisés tous les jours, ou même à chaque clic visiteur. Les recommandations deviennent personnelles en fonction du comportement de navigation de chaque visiteur. Les algorithmes d’Intelligence Artificielle basés sur la « sagesse de la foule » trouvent des recommandations étonnantes, auxquelles vous n’aviez pas pensé. Elles sont en moyenne beaucoup plus pertinentes que les associations manuelles. Les algorithmes des services de recommandations vous permettent de comprendre l’évolution des comportements de vos clients et la contribution de chaque produit au succès de vos ventes. Les premières solutions étaient généralement particulièrement complexes à configurer. Elles demandaient de comprendre les options et les paramètres de chaque algorithme avec des manuels d’installation qui pouvaient atteindre des centaines de pages. La mise en place des règles métiers pour mettre en avant des produits en promotion ou à déstocker demande des associations manuelles incompatibles avec les algorithmes prédictifs. La pertinence des recommandations est dépendante de la configuration des algorithmes. Le coût d’acquisition des premières solutions était élevé car les algorithmes d’apprentissage sont complexes, et le coût d’intégration et de gestion peut devenir très élevé. Ils sont déployés par des grands sites e-commerce disposant d’un budget en conséquence et de personnels qualifiés.

Simplification de la gestion des services

L’évolution la plus significative pour le commerçant des solutions basées sur l’Intelligence Artificielle est la simplification de la gestion des services de recommandations personnalisés. L’automatisation des traitements ne se limite plus aux recommandations. Elle s’étend à la gestion des services, la simplification de l’intégration, de la configuration et de la mise à jour des services.

MyDreamMatch s’inscrit dans cette nouvelle génération pour réduire le coût de gestion du service au stricte minimum. Vous n’avez pas à vous préoccuper du choix du meilleur algorithme sur chaque service, et sur chaque page. MyDreamMatch le fait pour vous en tenant compte de votre secteur d’activité. Nous avons mis en place une méthode simple de mise en avant des produits, compatible avec les algorithmes prédictifs. Vous positionnez chaque bannière de recommandation sur les pages et à l’emplacement de votre choix sans aucune connaissance informatique. Nous combinons les sept services de recommandation essentiels biens répartis sur toutes les pages pour accompagner chaque client pendant tout son parcours d’achat. La pertinence des recommandations est élevée grâce à l’Intelligence Artificielle. Le coût d’acquisition est faible car le marché est important, et le coût d’intégration et de gestion est minimum. Le temps est venu des recommandations personnalisées pour TOUS !

Lancez-vous !

Maurice Duault est ingénieur en informatique, diplômé de Supélec. Il a fondé MyDreamMatch en 2015, une startup qui utilise l’Intelligence Artificielle pour personnaliser des contenus individuels et à tout moment. Il a travaillé pendant 15 ans au Centre d’Etudes et Recherches d’IBM comme développeur, designer architecte et manager software, et 17 ans chez Cisco comme ingénieur consultant. Il a déposé 18 brevets pendant sa carrière et écrit de nombreuses publications IEEE, IUT, et ETSI.

Comments are closed.