Recommandations personnalisées : miser sur les données pour améliorer l’expérience client et la conversion

May 21, 2019  Product-Marketing Alexei Kounine

les recommandations de produit personnalisées sont-elles performantes ?

 
 

Qu'est-ce qu'une recommandation personnalisée ?

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 visiteurs lorsqu'ils consultent l'actualité, regardent des vidéos sur YouTube ou achètent sur Amazon. Les formats et les objectifs de ces recommandations varient en fonction du site sur lequel l'utilisateur se trouve.

Youtube recommendations

Sur les sites de médias ou d'actualités et sur les blogs, les recommandations de contenus prennent souvent la forme de bannières à la fin d'un article, ou de fenêtres pop-up proposant un nouvel article ou vidéo.

Techcrunch recommendations

L'objectif pour les sites de médias : inciter les visiteurs à consulter davantage d'articles ou de vidéos pour mieux connaître leurs intérêts. Plus ces derniers lisent d'articles, plus le nombre de pages chargées augmente, multipliant par la même les opportunités publicitaires. Et cela n’a rien d’étonnant, puisque le modèle économique standard des sites de médias (ou « éditeurs ») est basé sur le CPM - le coût pour mille impressions.

La question clé pour tout site de médias est donc la suivante : « Quelle recommandation d'article proposer à cet utilisateur sur la page qu'il/elle consulte actuellement, afin de maximiser les chances de le/la rediriger vers un autre contenu ? »

Pour les boutiques en ligne, l'enjeu est légèrement différent. Il s'agit non seulement d'augmenter le nombre de pages produits consultées par chaque visiteur, mais aussi de lui faire découvrir des articles susceptibles de l'intéresser et de déboucher sur un achat. En effet, rares sont les consommateurs qui visitent une boutique en ligne avec la ferme intention d'acheter : le taux de conversion de ces sites varie en effet entre 1 et 3 %. La plupart des visiteurs ne restent pas non plus longtemps sur ces sites, ils consultent deux ou trois pages produits avant de les quitter. La première page consultée par l'utilisateur doit donc être la plus efficace possible et le guider vers un produit qu'il est susceptible d'acheter.

Les boutiques physiques font face à des défis similaires. Pour augmenter la valeur moyenne du panier de leurs clients, elles tentent de définir l'emplacement idéal de chaque produit en se basant sur les données. Les boutiques analysent ainsi les tickets de caisse pour identifier les articles fréquemment achetés ensemble et optimiser les rayons en fonction.

Cette intervention d'Alan Penn de la UCL Bartlett School of Architecture, ainsi que l'image ci-dessous, témoignent des efforts déployés dans la conception des magasins (ou des labyrinthes) Ikea.

Brick and mortar

En revanche, impossible pour les boutiques physiques de réorganiser leurs rayons en fonction des préférences individuelles de chaque consommateur, même si elles avaient les bonnes informations. Les boutiques en ligne, elles, ont toutefois la possibilité de proposer des recommandations produits personnalisées.

Amazon recommendations

Amazon, pionnier des recommandations produit personnalisées, est en quelque sorte l'équivalent en ligne d'Ikea. Au cœur du succès du géant de l'e-commerce, les recommandations de produits sont diffusées sur tout le site. Selon un rapport publié par McKinsey sur la distribution, « 35 % des articles achetés sur Amazon par les consommateurs... proviennent des recommandations de produits ».

Ces informations confirment nos propres observations : les recommandations personnelles ont un impact positif considérable.

Les recommandations personnalisées sont-elles utiles ?

Le niveau de performance varie évidemment d'un profil de consommateur à l’autre (nombre et type de produits, trafic). Voici toutefois les résultats observés par plusieurs boutiques :

  • Les visiteurs qui cliquent sur les recommandations sont les plus assidus : ils consultent davantage de pages produits, ajoutent plus d'articles à leur panier et sont davantage susceptibles de revenir sur le site.
  • Les visiteurs qui ne cliquent pas sur les recommandations ne consultent souvent qu'une page produit, alors que ceux qui cliquent sur les annonces  visitent entre 3 et 6 pages produits. Ces chiffres confirment que les recommandations ont d’une certaine façon intéressé les visiteurs.

L'impact des systèmes de recommandation est avéré et a également été observé par d'autres sites de médias.

Les visiteurs qui cliquent sur des recommandations sont aussi plus susceptibles d'ajouter davantage de produits à leur panier, soit entre 20 et 90 % d'articles en plus selon le type de produits proposés (les augmentations sont les plus fortes pour les articles aux prix les plus bas).

Comment les recommandations personnalisées sont-elles générées ?

Proposer les bonnes recommandations n'a rien de simple. Chaque visiteur est unique et a des intérêts spécifiques ; chaque recommandation doit donc être offerte le plus rapidement possible (dans la dizaine de millisecondes) chaque fois qu'une page est chargée. Et cela, plusieurs millions de fois par jour !

Autre facteur déterminant : le système de recommandation doit fonctionner correctement, quel que soit le type de produits proposé en ligne : films, livres, vêtements, appareils électroniques ou jouets.

Enfin, les recommandations générées par le système doivent refléter le comportement du visiteur sur le site. S'il est toujours possible de définir des règles de recommandation sur mesure, il n'existe toutefois aucun moyen de déterminer si ces dernières sont efficaces ou non. La meilleure solution consiste donc à utiliser les données comportementales réelles de chaque visiteur et les techniques de machine learning, capables d’analyser et de faire des prédictions basées sur des informations en temps réel. La suite dans un prochain article de blog…

Conclusion

Les recommandations de produits personnalisées sont particulièrement utiles pour améliorer le taux de conversion d'une boutique en ligne. Les plateformes marketing comme Selligent Marketing Cloud misent sur les données comportementales anonymes des visiteurs pour mieux comprendre leur parcours et leur proposer des recommandations pertinentes.

Et la hausse de la conversion n'est pas le seul avantage direct : les recommandations de produits personnalisées permettent aussi aux visiteurs de découvrir votre site de façon plus agréable, tout en se sentant plus valorisés.

Commentez, Likez, Partagez

La Nouvelle ère de l’échange données-valeur

Les consommateurs sont de plus en plus frileux pour partager leurs données ? Découvrez comment regagner leur confiance à l’ère de l’échange données-valeur. Téléchargez gratuitement l’ebook édité par Selligent Marketing Cloud.

En savoir plus +

Découvrez notre plateforme
en action

Demandez une démo