de lecture

Recommandation de produits : bien optimiser son e-merchandising

De Elias Ohayon
Image2-1

La recommandation de produits personnalisée est un atout précieux pour des millions de commerces à travers le monde. Pourtant, l'exploiter avec dextérité est loin d'être une mince affaire. Sailendra vous explique en détails comment tirer le meilleur parti de la recommandation de produits pour booster vos ventes.

 

Il était une fois...

Nous sommes en 2019 après Jésus-Christ. Tout le e-commerce est occupé par Amazon… Tout ? Non. Un ensemble d’irréductibles e-commerçants veulent résister encore et toujours à l’envahisseur. Mais comment faire ?

C’est en 1998 qu’Amazon a commencé à proposer des recommandations de produits personnalisées. De prime abord user based, Amazon décida de se tourner vers une approche item based pour optimiser le contenu de son site. Ce changement de paradigme fut un succès, et contribua grandement à l’amélioration de la satisfaction client et donc à fortiori à l’augmentation du chiffre d’affaire (1 milliard de dollars en 2001, 136 milliards en 2016).

35% of Amazon.com’s revenue is generated by its recommendation engine. (source)

Depuis, les mastodontes du web ont emboîté le pas et offre des expériences utilisateurs basées sur leur moteur de recommandations de produits. L’application YouTube par exemple, propose des recommandations dès l’ouverture de l’app. Netflix quand à elle, laisse même de côté le moteur de recherches pour se concentrer sur une approche sur mesure, une hyper-personnalisation de l’interaction entre un utilisateur et la plateforme.

C’est donc bien grâce à la qualité de l’expérience utilisateur proposée que ces applications web ont su s’implanter durablement dans nos habitudes de consommation.

Dans un contexte hyper-concurrentiel où il est impératif de savoir concilier performances, gestion logistique, suivi omni-canal et qualité de l’expérience utilisateur avant, pendant et après l’achat, l’hyper-personnalisation apparaît comme un levier indispensable pour tirer son épingle du jeu.

 

Le secret de la potion (de marketing prédictif) magique

Si le concept de marketing prédictif - anticiper le comportement des clients par l’analyse de données - n’est pas nouveau, c’est avec l’essor des techniques de tracking sur le web et l’explosion des technologies Big Data que ce dispositif marketing a obtenu ses lettres de noblesse.

L’objectif du marketing prédictif est de fidéliser et surtout satisfaire sa clientèle.

Le volume de données collectées ne pouvant être traité de façon manuelle, un certain nombre d’approches, issues de la recherche en Intelligence Artificielle, ont vu le jour.

Ces approches utilisent les données comportementales récupérées par collecte automatique (tracking via cookies). Ces données représentent l’interaction entre un utilisateur et un site d’e-commerce : pages et produits consultés, interactions avec le produit (partage, ajout à la liste de souhait, ajout aux favoris, etc.), ajouts au panier, achats… chaque élément susceptible d’aider à la mesure de l’intérêt d’un client pour un produit doit être utilisé. Ce corpus de données est constamment enrichi par les navigations effectuées par les clients.

Bien entendu, la collecte se doit de respecter la réglementation en vigueur, notamment le RGPD.

Il faut distinguer deux grandes familles d’approches : user based et item based.

A partir de ces données, L’intelligence Artificielle propose un certain nombre d’approches. On peut citer les plus connues :

  • Le clustering : regrouper les clients en segments aux intérêts communs
  • le filtrage collaboratif : se baser sur des profils clients similaires à celui auquel on souhaite s’adresser pour établir une liste de recommandations

Les approches item based utilisent elles aussi des données comportementales, mais elles ajoutent les métadonnées descriptives des produits pour permettre d’autres types d’analyses. On peut citer notamment :

  • la similarité entre produits : basée sur une analyse sémantique et / ou statistique des métadonnées descriptives et parfois couplée à des données comportementales
  • la détection de ventes croisées : à partir des données d’achat et grâce à une analyse statistique, il est possible de définir quels sont les produits qui se vendent bien ensemble.

C’est la combinaison d’Intelligence Artificielle et de Big Data qui permet aujourd’hui au marketing prédictif de disposer d’outils tels que :

  • les recommandations de produits personnalisées
  • les emails de relance et de suivi personnalisés
  • la détection des intentions de résiliation (churn)
  • la détection des intentions d’achat
  • la segmentation comportementale

Les recommandations de produits personnalisées sont le premier élément avec lequel un internaute va pouvoir interagir. A travers elles, une relation exclusive et sur mesure s’installe entre l’humain et le commerçant .

Les recommandations de produits personnalisées sont, telles le gui, indispensables à la réalisation de la potion magique.

 

transformer-ses-recommandations-en-achats-recurrents

 

Qu’est-ce qu’une stratégie de recommandations de produits ?

Recommander des produits, c’est bien. Recommander des produits de façon personnalisée, c’est encore mieux. Mais pour que l’effet soit optimal, il est indispensable de prendre en compte un certain nombre de facteurs au moment d’afficher des recommandations, à commencer par l’emplacement.

L’emplacement, c’est l’endroit où se trouve votre client sur votre site : page d’accueil, page produit, page panier… voire même, page produit, deuxième corps. En fonction de l’emplacement, le client doit être conseillé et accompagné de façon spécifique. Voici les tendances que l’on peut généralement observer.

Page d’accueil

La page d’accueil sert à fidéliser le client. On lui propose des recommandations de produits basées sur son comportement - historique, profils similaires au sien - pour faire naître de l’intérêt et déclencher un coup de cœur.

Page produit

La page produit sert à convaincre le client, ou bien lui offrir des solutions alternatives pour continuer la navigation. Indispensable pour limiter le taux de rebond et maximiser le taux de satisfaction.

Page Panier

La page panier sert à convertir la vente. En règle générale, il faut savoir proposer des produits de types accessoires, peu chers, qui viendront compléter l’achat principal. Il est impératif d’éviter de proposer des alternatives vis-à-vis de ce dernier, car cela pourrait faire douter le client et compromettre la vente.

Bien évidemment, ces tendances sont à relativiser en fonction de l’expérience client que le e-commerçant souhaite mettre en place.

L’une des tendances émergentes consiste à créer un hub (centre) de recommandations, complètement tourné sur le client, compilant plusieurs stratégies au sein d’une même page. Ce hub est l’aboutissement de la relation client - e-commerçant : le client est accueilli et conseillé selon ses préférences, son historique, et les prédictions que les services de recommandation de produits peuvent calculer.

Mis à jour en temps réel grâce à l’analyse de la navigation, ce hub représente une plus-value énorme en termes d’expérience utilisateur. Amazon, Netflix et Youtube, les envahisseurs les plus connus, l’ont parfaitement compris.

 

Comment mesurer et optimiser ses actions ?

Une fois les stratégies établies, et les recommandations installées sur le site, il est impératif d’opérer un suivi pour mesurer leur impact sur l’audience du site.

Les objectifs des recommandations sont d’améliorer l’expérience utilisateur, d’augmenter la satisfaction client et d'accroître le chiffre d’affaire et le taux de conversion.

Chaque objectif doit être mesuré de façon indépendante, avec les indicateurs de performances adéquats. L’A/B testing se révèle être un allié conséquent dans cette démarche.

L’amélioration de l’expérience utilisateur, tout comme la satisfaction client, sont des objectifs que l’on pourra mesurer en tenant compte des indicateurs suivants :

  • le taux de rebond du site, ou sur certaines pages,
  • le nombre de pages vues par session,
  • le nombre de sessions par utilisateur,
  • la durée moyenne des sessions.

En dehors du taux de rebond, dont le chiffre doit être le plus bas possible, les hausses des autres indicateurs seront un bon point de départ pour déterminer la qualité de l’expérience utilisateur. Une campagne de questionnaire direct en ligne pourra venir apporter un éclairage intéressant et complémentaire.

L’accroissement du taux de conversion se mesure en tenant compte des achats ayant transité par les recommandations de produits. Il est intéressant ici de différencier les cas où le client découvre un produit grâce aux recommandations du cas ou il retombe sur un produit qu’il avait repéré, mais qu’il n’avait pas retenu en première intention. La différenciation de mesure pourra aider à mesurer la qualité des recommandations, et leur capacité à déclencher un coup de coeur.

La mesure d'évaluation du chiffre d’affaire doit faire l’objet d’une attention particulière, car définir précisément le rôle des recommandations dans celle-ci n’est pas chose aisée. De plus, il est parfois difficile de mesurer quel levier a contribué à accroître les revenus d’un site : est-ce la campagne de mailing envoyée 2 jours avant ? La campagne promotionnelle sur le sanglier ?

Il est intéressant de noter la part des achats recommandés dans le chiffre d’affaire et corréler cette information avec son évolution. Plus précise et plus efficace, celle-ci témoigne de la qualité de l’intégration et de l’importance des recommandations dans le site.

 

Exemples de stratégies pertinentes et performantes ?

Fidélisation

Proposer au client des produits basé sur son historique.

Dans le cadre d’une stratégie de fidélisation, on va chercher à utiliser les informations dont on dispose sur le client pour lui proposer un ensemble de produits

  • qu’il n’a pas encore consulté ni acheté
  • et/ou qu’il a l’habitude d’acheter (achat récurrent), mais qu’il n’a pas encore renouvelé
  • et en promotions, et qui sont dans ses centres d’intérêts

Proposer au client des produits qui intéressent les clients au profil similaire

En utilisant le filtrage collaboratif, on peut proposer du contenu pertinent basé sur les clients dont le profil est similaire au client en cours de visite.

En couplant cette approche avec l’historique récent, on peut filtrer les produits en fonction de la dernière catégorie de produits utilisée par le client.

Il existe une multitude de possibilités de fidélisations supplémentaires : proposer les meilleures ventes filtrées par intérêt du client, proposer le prochain achat réalisé par les autres clients ne sont que des options parmi tant d’autres. Certaines plateformes d’e-merchandising intelligent, telle que Sailsense, vous permettent de mixer les approches pour des résultats encore plus intéressants.

Conversion

Composer un pack de produits pour maximiser le panier moyen.

Si certains produits se vendent bien en dehors de tout contexte, d’autres ont vocation à être une partie d’un ensemble. On peut citer par exemple le prêt-à-porter, les ensemble Home-Cinéma, beauté, etc. Dans ces cas là, il est particulièrement intéressant de faire appel à des packs.

Ces packs sont souvent préparés à la main par l’équipe marketing. C’est un travail fastidieux et chronophage, qui peut aujourd’hui être traité par l’intelligence artificielle. Les packs composés automatiquement peuvent aussi inclure des produits en promotion, ou plus simplement proposer un prix avantageux, pour maximiser le panier moyen.

Relance

Et si vous pouviez utiliser la puissance des recommandations de produits personnalisées dans vos campagnes de relances automatiques ? Abandon de panier, offres promotionnelles ciblées, segmentation comportementales, les possibilités sont énormes et les opportunités multiples ! Rendez-vous dans un prochain article dédié pour explorer ces sujets 🙂

 

En résumé

L’avenir du e-merchandising est de créer une relation one-to-one avec chaque client, en lui proposant des recommandations personnalisées capables de créer un lien fort, dans une expérience utilisateur dédiée, tout en respectant les enjeux e-marketing du e-commerçant.

C’est ainsi que les e-commerçants, forts de leur potion magique, et satisfaits de tenir tête à l’envahisseur Amazon, célébreront leur résistance autour d’un traditionnel banquet où ils pourront se délecter de la hausse de leur taux de satisfaction et de leur chiffre d’affaires.
transformer-ses-recommandations-en-achats-recurrents

Étiquettes: Blog, E-commerce