Moteur de recommandation web : Comment bien le choisir ?

par | ‘Mai 10, 2017’ | E-commerce, Personnalisation

2016 a été une année marquante pour le e-commerce français. En effet, le nombre de transactions a augmenté de 9% entre 2015 et 2016 (selon la FEVAD). Par ailleurs le nombre de sites e-commerce ne cesse de croître, la France a dépassé le seuil des 200 000 acteurs du e-commerce (d’après une autre étude de la FEVAD) et l’enthousiasme des e-commerçants est au rendez-vous pour cette année 2017. La concurrence étant déjà bien installée, vous cherchez un moyen de faire mieux que vos concurrents en proposant le bon produit au bon moment et les moteurs de recommandations attisent votre curiosité.

Vous êtes au bon endroit, nous allons vous donner quelques clés qui vous permettront de bien choisir votre moteur de recommandation e-commerce.

Qu’est-ce qu’un moteur de recommandation ?

Sans trop nous étendre sur cette partie, comme son nom l’indique, il s’agit d’un outil permettant de recommander des produits aux internautes qui naviguent sur votre site. C’est un outil très efficace pour améliorer vos taux de transformation. Ce n’est pas du luxe d’installer un tel système quand on sait qu’en moyenne 98% des visiteurs d’un site e-commerce naviguent sur le site sans rien acheter (source FEVAD). Les moteurs de recommandation prennent souvent la forme de carrousel de produits afin de laisser un choix plus grand aux internautes. Les vraies différences qui existent entre les différents moteurs sont principalement les algorithmes sous-jacents qui permettent de recommander les produits à vos visiteurs.

Quelles sont les principales technologies des moteurs de recommandation ?

L’association de produits

Cette méthode consiste à associer des produits (ou catégorie de produits) entre eux. L’association des produits est souvent manuelle et peut prendre beaucoup de temps si le catalogue de produits est conséquent. Elle permet néanmoins d’afficher les mêmes recommandations à l’ensemble de votre catalogue, si vous souhaitez mettre en avant les nouveautés, les produits les plus vendus, les articles pour lesquels une action commerciale est en cours, etc. Toutefois, l’association de produits peut vite atteindre ses limites, car il ne s’agit pas de réelle personnalisation, chaque visiteur se voit proposer les mêmes recommandations quand les goûts et attentes diffèrent d’un individu à un autre.

Le content-based

Nous entrons dans la première forme de personnalisation. L’utilisation d’un algorithme de content-based consiste à analyser les produits ou plus particulièrement les attributs qui caractérisent et différencient chaque produit, tout en y associant les préférences utilisateurs. Pour faire simple si vous regardez un produit sur un site marchand, cet algorithme analysera la catégorie dans laquelle il se trouve,  trouvera des articles avec des caractéristiques similaires (ou qui s’en rapprochent). Dans le même temps il prendra en compte les produits que vous avez mis au panier ou achetés. Une fois tous ces éléments analysés, l’algorithme vous proposera les produits qui lui semblent pertinents. L’inconvénient principal du content based c’est qu’il repose entièrement sur la qualité des attributs renseignés pour chaque produit. Effectivement si des caractéristiques produits sont vagues ou mal renseignées, l’algorithme ne pourra pas le détecter et travaillera sur une base erronée. Si votre catalogue produit change régulièrement, il faudra mettre à jour les  attributs au fur et à mesure.

Le filtrage collaboratif (ou « l’utilisation de la force des groupes »)

L’approche du filtrage collaboratif repose sur le profil de navigation des internautes en partant du principe que les clients/internautes qui ont eu des goûts similaires par le passé ont une probabilité élevée d’avoir des goûts similaires dans le futur. Dans une approche comme celle-ci, chaque visiteur/client a un profil unique alimenté en continu par les pages produits qu’il visite, les produits qu’il a déjà achetés, ceux qu’il a mis dans son panier ou encore ceux qu’il a partagés à son réseau que ce soit par e-mail ou via les réseaux sociaux.

Cette approche de personnalisation repose entièrement sur de la personnalisation en temps réel (contrairement à l’association de produits et le content-based) et permet également de détecter :

  • La sérendipité, car certains visiteurs ont des profils similaires uniquement, car ils ont un intérêt en commun, mais ne connaissent pas certains produits. Dans ce cas, certains visiteurs seront susceptibles de découvrir et d’acheter des produits grâce à un autre visiteur.
  • La capacité à capturer la subjectivité. On appelle ça « exploiter la sagesse de la foule », prenons un exemple simple, Guillaume adore les tee-shirts noirs, mais pas tous les tee-shirts noirs, en général il adore les tee-shirts noirs que Martin à l’habitude d’acheter (sans même le savoir).
  • La découverte d’informations cachées pour un client. Effectivement, beaucoup d’informations clients ne sont pas encore exploitées ni disponibles dans une base de données classique.

Si vous souhaitez en savoir davantage sur les algorithmes utilisés pour faire fonctionner les moteurs de recommandation. Téléchargez notre livre blanc « Les bases de la personnalisation ».

Quelles sont les conditions requises avant l’installation ?

Avant de benchmarker les solutions existantes sur le marché, prenez bien en compte votre activité, les pages sur lesquelles vous souhaitez afficher les recommandations, identifiez en fonction de votre catalogue produit et du nombre de visiteurs sur votre site quelle serait la solution (algorithmique) la plus adaptée à vos besoins. Car un e-commerçants qui dispose d’un catalogue de 5 produits (j’exagère volontairement) n’aura pas les mêmes besoins qu’une boutique en ligne avec un catalogue de 5 000 références qui propose des nouveautés toutes les semaines. En effet l’association de produits pour le premier  semble la façon la plus simple de configurer son moteur de recommandation alors que le second penchera certainement plus pour l’utilisation d’un système basé sur le filtrage collaboratif pour les raisons évoquées précédemment.

 

Est-il indispensable d’utiliser un moteur de recommandation sur un site e-commerce ?

À mon sens la réponse est clairement oui ! Mais je vais vous donner quelques points qui me font pencher pour ce oui définitif.

Vue du côté e-commerçants :

  • Montrer que la marque connaît l’internaute
  • Améliorer votre taux de transformation en proposant aux internautes des produits plus susceptibles de les intéresser
  • Faire gagner du temps à vos équipes webmarketing (avec un outil qui utilise le filtrage collaboratif, nul besoin de configuration ni de maintenance de votre part)
  • Engager et fidéliser vos internautes à votre marque et vos produits
  • Utiliser de la data non exploitée actuellement, alors qu’elle est une source de revenue évidente

Il faut également noter que les moteurs de recommandations permettent de captiver votre audience et de tout mettre en place pour que vos internautes restent sur votre site web. Au vu de l’investissement conséquent (financier et humain) que représente l’acquisition d’un trafic qualifié pour votre site e-commerce en comparaison avec le budget alloué à un moteur de recommandation, il serait dommage de dépenser une fortune en acquisition sans prévoir un budget (bien inférieur) destiné à la conversion de cette audience.

Vue du côté internaute :

  • Être reconnu par votre marque
  • Recommandation sur mesure
  • Accroché dès le début de sa navigation
  • Sentiment d’avoir un vendeur qui lui conseille des produits et anticipe ses envies…

Vous connaissez maintenant tous les enjeux auxquels répondent certains moteurs de recommandation.

Vous souhaitez découvrir le témoignage client de La Poule à Pois qui utilise notre moteur de recommandation ?

Téléchargez le témoignage client

Webmarketer chez Mediego, Benjamin fait une veille constante sur des sujets comme le e-commerce / média afin de vous transmettre toute l'actualité et vous renseigner sur les meilleures pratiques de personnalisation.

Benjamin Carro

Chargé de WebMarketing, Mediego

À lire ensuite

Pin It on Pinterest

Share This