L’apprentissage automatique est devenu le nœud de la personnalisation de l’expérience de recommandation pour les visiteurs, en aidant à faire des généralisations à partir des données observées pour fournir les meilleurs produits et/ou offres à chaque utilisateur spécifique.
Ce que vous pourriez être surpris de découvrir, cependant, c’est que les recommandations de produits à haut rendement nécessitent plus que le simple travail des algorithmes. En fait, au cours des six dernières années où nous avons travaillé avec les marques pour optimiser leurs recommandations, nous avons découvert que le moyen le plus efficace de commercialiser consiste à utiliser des données en temps réel sur l’identité de l’utilisateur, puis de manière dynamique. changer les expériences en fonction du contexte dans lequel les clients interagissent – pas nécessairement uniquement ce que sont les produits réels.
Il est vrai que les algorithmes d’apprentissage automatique qui alimentent les recommandations deviennent plus intelligents avec plus de sources de données, donc lier votre CRM, d’abord, avec des données tierces, permet aux entreprises de commercialiser plus efficacement différents ensembles de produits aux clients, générant des résultats considérablement améliorés.
Mais lorsqu’il s’agit de prendre en compte les données contextuelles – y compris l’activité des utilisateurs, les affinités, la géographie, etc. – les recommandations de produits doivent aller plus loin, en adaptant l’apparence des widgets de recommandation pour mieux répondre aux besoins de chaque individu à un moment donné à l’heure.
Cela peut être fait grâce à ce que nous appelons la personnalisation de la mise en page, qui, selon nous, est l’un des aspects les plus négligés du monde de la recommandation de produits.
Adapter les stratégies au contexte
Le fait est qu’il n’y a pas de structure de site uniforme qui puisse offrir une expérience utilisateur optimale à chacun de vos visiteurs.
Il n’y a pas deux visiteurs identiques, et bien que votre mise en page existante puisse être adaptée à l’utilisateur moyen, elle ne peut tout simplement pas être alignée sur celle de tout le monde. Et si vous ne personnalisez pas la mise en page de votre site, vous limitez les possibilités d’engagement et vous passez à côté d’une énorme opportunité de revenus.
Par exemple, une observation intéressante que nous avons trouvée est que dans le commerce électronique de la mode, si le sexe de l’acheteur est une femme, les images dans les widgets de recommandations de produits devraient être plus grandes. je

Il s’agit beaucoup plus de l’expérience globale des femmes, mais en analysant les acheteurs masculins, nous avons constaté qu’ils sont beaucoup plus de nature transactionnelle.
Les gars veulent voir plus de produits par page, en explorant chaque élément possible – et en tant que tel, les guider à travers un catalogue avec un défilement infini pour que les produits restent fluides produit des résultats plus productifs pour ce groupe de visiteurs.

Dans les expériences mobiles, des éléments tels que la taille de l’image du produit, les options de filtrage et le type de flux de produits doivent tous être pris en compte pour augmenter l’engagement, les clics et les ajouts aux paniers afin de garantir que la mise en page s’adapte correctement au type d’appareil de l’utilisateur.

Identification de l’entonnoir d’achat
Un autre indice contextuel important à exploiter est l’intention de l’utilisateur, mettant en œuvre de manière dynamique des recommandations selon que l’activité du visiteur signale qu’il est en mode découverte ou transactionnel.
Pour quelqu’un qui est arrivé sur un site via une requête de recherche large et qui parcourt lentement les pages de catégories, une marque devrait modifier la mise en page d’une page pour élargir l’assortiment d’articles, et peut-être inclure un flux de produits de type Pinterest.

D’un autre côté, une personne qui est prête à effectuer une transaction – peut-être a-t-elle ajouté un article à son panier mais a-t-elle décidé de continuer ses achats – a tendance à mieux réagir lorsque le contenu affiché est réordonné pour présenter d’autres produits pertinents à côté de celui-ci. ils ont manifesté leur intérêt. Cela permet aux marques de frapper avec la bonne offre de vente incitative pendant que le fer est chaud et d’augmenter l’AOV.

La puissance d’un excellent moteur de recommandation
La différence entre un moteur de recommandation moyen et un excellent dépend beaucoup de sa capacité à adapter la mise en page, pas seulement la marchandise.
Si les entreprises souhaitent que les clients effectuent davantage de transactions, elles devront utiliser des expériences de recommandation plus avancées – les widgets de recommandations doivent avoir une apparence et une sensation différentes en fonction du contexte réel du client, en personnalisant l’expérience en incorporant l’activité de l’utilisateur en temps réel et une optimisation axée sur le contexte dans un algorithme basé sur l’apprentissage automatique.
Ce seront des préoccupations clés pour les entreprises de commerce électronique à l’avenir.
