La recommandation produit
Comment booster sa performance commerciale ?
26 mars 2015
3
Présentation du webinar
Proposer des produits, des contenus ou des offres qui collent parfaitement aux besoins des consommateurs est un facteur clé de succès.
Les frontières sont floues entre recommandation sociale, basée sur le contenu, sur le comportement ou encore recommandation hybride. Ce webinar vous aidera à tout comprendre de la recommandation.
Jeremy ViaultProduct Marketing Manager
Sparkow
Booster sa performance commerciale grâce à la recommandation produit
Qui est Sparkow ?
4
5
Qui est Sparkow ?
Né dans le berceau du retail et de la vente à distanceComposé d’experts retail et web.Une forte proximité avec nos clients, des consultants dans chacun de vos projetsMotorise 150 dispositifs marchands (web, mobile, email, In Store…) dans plus de 20 paysSoutenu par des fonds d’investissement reconnus (BPI, Capitalaria, Isource, Xange)
Approche Open
Innovation
Solutions et Services Experts
6
Trois bénéfices clés
Quatre Solutions
Qui est Sparkow ?
Améliorez l’expérience d’achat de vos clients
Boostez la performance des dispositifs commerciaux
Augmentez la productivité des équipes
7
Des clients dans tous les secteurs d’activité
La recommandation : Pourquoi ? Comment ?
8
9
Les commerçants doivent trouver de nouveaux moyens d’accompagner leurs clients dans une expérience fluide et sans couturesQuoi recommander ?! Produits! Offres! ContenusQuelles sources ?! Données démographiques ! Les actes d’achats passés! Segmentation client! Service après-vente! Fidélité ! Comportement en ! Réseaux sociaux! Localisation
Pourquoi la recommandation ?
10
Pourquoi la recommandation ?
Passez de la donnee client à la comprehensiondu comportement
Creez une experience omnicanal temps reel
Augmentez la valeur de chaque contact client
11
Quatre grands types de recommandations! Recommandation sociale
! Recommandation basée sur le comportement
! Recommandation basée sur le produit
! Recommandation hybride
Recommandation ou Recommandations ?
La recommandation sociale
12
13
Se base sur l’historique d’utilisateurs ayant eu un comportement similaire.
Egalement appelé collaborative filtering, elle part du postulat que les meilleures recommandations viennent d’utilisateurs ayant des goûts similaires.
Elle requiert de pouvoir capter l’intérêt des clients pour les produits, afin que l’algorithme puisse faire le lien entre les utlisateurs
La recommandation sociale
14
1. Le client exprime sa préférence
2. Le système met en relation les préférences des utilisateurs
Fonctionnement de larecommandation sociale
15
3. On prédit la réaction du client à une recommandation
Fonctionnement de larecommandation sociale
16
Exemple de recommandation sociale
17
! Modèle purement statistique, pouvant aboutir à des aberrations métier
! La quantité de données disponibles et leur éparpillement est un frein à la pertinence des données
! Assurer la scalabilité nécessite les infrastructures suffisantes
! En fonction de l’étendue du catalogue ou de sa fréquence de rafraichissement, longue traine et cold start peuvent apparaitre
Les limites de larecommandation sociale
La recommandation comportementale
18
19
Elle se base uniquement sur le comportement du clientEgalement appelée behavioral targeting, elle s’appuie sur l’ensemble des interactions avec l’utilisateur : ! Systeme de caisse des boutiques! Systeme de prise de commande du site web! Service apres-vente! Carte de fidelite! Gestion de campagnes! Navigation sur le site ou l’applicationEn analysant le comportement passé du client, on va lui proposer des recommandations qui correspondent à ses habitudes
La recommandation comportementale
20
L’application la plus courante est le re-targeting! Re-présenter au client un produit vu mais pas acheté! Dimension omni-canal
Utilisation plébiscitée dans les secteurs où l’achat est contraint! Exemple du secteur alimentaire! Faciliter le processus d’achat en fournissant une expérience qui invite à revenir en permettant un gain de temps
Adaptation possible au contexte! Donner plus de poids aux actions récentes! Définir des actions qui traduisent un engagement fort! Intégrer une vitesse d’oubli des actions passées
La recommandation comportementale
La recommandation basée sur le produit
21
22
Egalement appelée content based filtering elle intègre l’ensemble des caractéristiques utilisées par les consommateurs dans leur découverte produit
Enjeux majeur de la qualité de la donnée produit, obtenue en combinant l’ensemble des sources de données interne et externe
Il convient souvent de transformer la donnée brute en information porteuse de sens pour le client, dans son vocabulaire et correspondant à sa recherche
La recommandation basée sur le produit
23
1. Création d’une vue produit complète
Fonctionnement de la recommandation basée sur le produit
24
2. Scoring des produits en fonction de la recherche du client
Fonctionnement de la recommandation basée sur le produit
25
Eviter le cold start
26
Exemple de recommandation basée sur le produit
La recommandation hybride
27
28
Les trois types de recommandations ont chacune leurs avantages et leurs inconvénientsL’hybridation permet d’aller plus loin
La recommandation hybride
29
Utilisation de la recommandation hybride
Faire évoluer le degré de personnalisation de la recommandationen fonction de la connaissance client
RecommandationSociale
RecommandationPersonnalisée
Moins un individu a d’historique, plus le
comportement des autres clients aura de poids
Plus vous connaissez un individu, plus la
recommandation sera basée sur son propre
comportement
30
Donner la main main aux utilisateurs métier pour personnaliser :! Un seuil au-delà duquel la connaissance du consommateur
prendra le pas sur le comportement des autres utilisateurs dans la recommandation
! Si les actes passés ont plus de poids que les actes présents, ou inversement
! A quelle vitesse les évènements passés n’ont plus d’impact sur le comportement présent et doivent être effacés
! …
Introduire la logique métier dans la recommandation
31
Exemple de recommandation hybride
La recommandation, et au-delà ?
32
33
Eviter les abérations métierLa recommandation abérante n’est pas utile au commerceUne grande partie des abérations peuvent se résoudre en utilisant un catalogue produit complet incluant des liens entre produitsLa recommandation doit pouvoir être paramétrée à l’aide de règles métier
Coupler la recommandation à d’autres actions marketingLe ciblage reste d’actualité et permet de mettre en place une action pour un groupe restreint de prospects ou clientsUtiliser la recommandation conjointement à du triggering, pour pousser un produit, contenu ou offre à un moment clé
Au-delà de l’algorithmie
34
Recommander des produits et contenusLe e-commerce nécessite de guider au maximum les clients, et d’adapter le niveau d’information au clientIl est clé de recommander des contenus et des offres, en même temps que des produits, pour fournir la meilleure expérience possibleAdapter les messages au visiteur, en fonction des produits consultés, au comportement…
Laisser le commerçant être commerçantL’automatisation ne peut pas tout, le commerce est avant tout une question d’humainPermettre aux commerçants de tester en apprenant, en étant réactif au demandes du marché
Au-delà de l’algorithmie
A retenir
35
36
Recommandation socialeBasée sur le comportement des autres utilisateurs, présentant un profil similaire
Recommandation comportementaleBasée uniquement sur le comportement du client
Recommandation basée sur le produitBasée sur la relation entre le client et les caractéristiques des produits
Recommandation hybrideCombine plusieurs approches pour coller au mieux aux objectifs
A retenir
37
Prochain Webinar
http://fr.sparkow.com/webinar/reinventer-le-point-de-vente-grace-au-digital.html
Réinventer le point de vente grâce au digital9 avril 2015 à 11h
Top Related