Qu’est-ce que la recommandation produit ?

La recommandation produit existe sur la majorité des sites e-commerce mais aussi sur des outils marketing ou d’aide à la vente. Dans le cas d’un e-commerce elle est visible en bas d’une fiche produit (“vous aimerez aussi”…), lors de l’ajout d’un produit au panier (“les clients qui ont acheté ce produit ont également acheté”…), ou à d’autres emplacements du site. On trouve également très fréquemment des recommandations de produits dans les newsletters.

Sans algorithmes d’intelligence artificielle, les produits recommandés sont soit définis par le e-commerçant ou l’administrateur des ventes, soit définis par une règle statistique basique (historique des ventes).
Avec de l’intelligence artificielle, il devient possible d’automatiser ces suggestions et de les personnaliser à chaque client, en fonction des pages visitées, de son historique d’achat, du contenu de son panier, de son profil… et ainsi de proposer intelligemment les bons produits au bon client, au moment opportun. Cette personnalisation accrue est une stratégie très efficace pour développer les ventes, que ce soit dans un e-commerce ou dans le CRM d’un commercial.

  • Caractéristiques d’un moteur de recommandation

    Un moteur de recommandation peut être considéré comme un « vendeur », qui permet au client d’optimiser sa navigation dans le site pour atteindre automatiquement les produits qu’il recherche, le soulageant ainsi d’une laborieuse exploration.

    Les produits recommandés doivent tenir compte du profil des visiteurs et du contexte. Les dernières années ont vu l’intégration de nouvelles données dans les méthodes de prédiction en complément des données explicites (typiquement les avis clients sur des produits) : des données implicites (produits consultés, produits achetés, …), des données contextuelles (heure, saison, météo, …), des données séquentielles (timeline des recherches effectuées, des pages consultées ou des actes d’achats) et des données sociales (issues des réseaux sociaux, intégrant la notion de “confiance”). La satisfaction du client pour un moteur de recommandation est directement corrélée avec le taux de conversion sur les produits proposés.

    Au-delà d’un système de recommandations basé sur les contenus, il existe également un autre type de fonctionnement appelé “filtrage collaboratif”. Cette méthode consiste à proposer des produits plébiscités par d’autres utilisateurs dont le profil est similaire.

    Du point de vue du décideur en charge d’un site e-commerce, une fois qu’un nouveau système de recommandation est proposé, le meilleur indicateur de la pertinence de celui-ci sera obtenu en réalisant un A/B testing “in situ” entre un système existant (déjà en place sur le site e-commerce) et le nouveau système de recommandation qui doit le remplacer .