Comment la data et l’IA peuvent enrichir la recommandation personnalisée ?

Du retargeting simple sur des produits consultés à la prédiction des produits adaptés au goût du consommateur, les recommandations personnalisées ont permis de donner un bon coup de fouet au e-commerce ! Comment ça marche et pourquoi sont-elles devenues les indispensables de la relation client ?

Pourquoi faire des recommandations personnalisées ?

Sous forme de cadres, de fenêtres pop-up ou de menus latéraux en fin de page, les recommandations personnalisées proposent des contenus susceptibles d’intéresser les internautes en train de surfer sur un site d’actualités, un réseau social ou une marketplace. Les formats et les objectifs de ces recommandations varient en fonction du site sur lequel l’utilisateur se trouve.

Lorsque des recommandations personnalisées sont mises en place sur votre propre site internet ou sur le site de votre distributeur, cela va permettre d’optimiser l’efficacité de votre site internet ou de vos campagnes marketing, mais également de mieux cibler vos investissements publicitaires. Par exemple, si l’internaute surfe sur une page de comparatifs de voitures et que vous lui proposez en recommandation d’essayer votre nouveau scooter, pas sûr que cela fonctionne…

Les recommandations personnalisées ne sont pas uniquement réservées au web. En point de vente, les bornes interactives sont des supports très efficaces pour proposer des produits complémentaires aux clients et faire de la vente additionnelle. Dans la grande distribution, l’utilisation de coupons personnalisés générés automatiquement au moment du passage en caisse est une pratique récente appréciée des clients. Ces coupons incitent les consommateurs à revenir en point de vente avec une offre sur un produit qu’ils apprécient.

Ces outils de personnalisation à grande échelle sont hyper complémentaires des vendeurs qui restent les meilleurs auteurs de recommandations personnalisées !

La data : le socle des recommandations personnalisées

Sans data récoltée, triée, affinée et analysée, oubliez tout de suite les recommandations personnalisées ! En effet, pour arriver à ce niveau de personnalisation de la relation client, vous devrez avoir une stratégie data bien établie vous permettant de tout connaître sur vos clients afin d’associer cette connaissance client à vos propres objectifs.

Vous devrez donc établir une segmentation clients pertinente vous permettant de définir des points de similarité entre les comportements des clients (navigation web, fréquence d’achats, type de produits achetés etc.) pour trouver les spécificités qui poussent un consommateur (ou un type de consommateur) à l’acquisition.

L’intelligence artificielle pour démultiplier les possibilités

Si le principe d’exploiter les données pour faire des recommandations n’est pas si nouveau, la façon de le faire est en pleine révolution.

Au-delà d’une puissance supérieure des machines en charge des calculs, les nouvelles solutions d’analyse se basent sur l’intelligence artificielle, ou plus précisément sur le machine learning , qui propose des niveaux d’analyse beaucoup plus poussées.

L’agrégation des mentions d’une marque ou d’un produit sur les plateformes d’avis (TripAdvisor, Avis Certifiés, etc.), les réseaux sociaux comme Twitter ou des forums de discussion, s’enrichissent désormais d’une détection des sentiments au sein des textes. Ils identifient également sarcasme et ironie, pour faciliter le traitement des milliers de mentions qui peuvent être enregistrées chaque jour.

Les outils de reconnaissance visuelle permettent d’identifier des caractéristiques d’objets achetés par un client, comme la forme et la couleur. Ils permettent également de traduire l’émotion d’un visage, à l’image des solutions Affectiva , permettant ainsi de mesurer la réaction d’un client face un produit en rayon.

Rattaché à une reconnaissance faciale, dont les solutions sont déjà largement exploitées sur smartphone, cela permet de construire une base d’informations solide pour proposer des produits similaires, sous réserve de bien veiller au respect de la vie privée.

Grâce à ces traitements massifs qui se font désormais en quasi-temps réel, certaines entreprises se voient déjà ajuster leurs communications en point de vente et sur l’application à tout moment de la journée, à l’image de McDonald’s qui vient d’acquérir une start-up d’algorithmes de recommandations personnalisées pour 300 millions de dollars.

En fonction des habitudes du client, de la météo, de l’état des stocks et de la fréquentation du lieu, ses bornes interactives pourraient ainsi choisir de valoriser des produits spécifiques pour pousser à consommer davantage, promouvoir des produits à plus forte marge, mais aussi influencer les choix du consommateur pour optimiser la production en cuisine afin de traiter davantage de flux en période de pointe.

>> Envie d’en savoir plus sur la data ? Téléchargez le rapport Data & Émotion de Kiss The Bride et Influencia