En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour vous proposer des contenus et services adaptés à vos centres d'intérêts. En savoir plus et gérer ces paramètres. OK X
 
 

 

 

Dossiers

Bien choisir sa stratégie de personnalisation dans le secteur du e-commerce

Par Stéphane Vendramini, Co-Founder de Sensefuel

Publication: 29 novembre

Partagez sur
 
adaptative ou prescriptive ?...
 

De nombreuses études montrent que les clients des boutiques en ligne apprécient une expérience personnalisée lors de leurs achats. Cependant, ils sont particulièrement vigilants au type de renseignements et d’informations qu’ils fournissent, pourtant utiles à la personnalisation.

Aujourd’hui, pour aller plus loin dans la définition d’une stratégie de personnalisation e-commerce, il faut offrir à ses clients une expérience et des interactions basées sur leur comportement en temps réel, le contexte, leurs intérêts et préférences. Examinons différents types de personnalisation disponibles : la personnalisation prescriptive et la personnalisation adaptative.

Les méthodes de personnalisation : prescriptive et adaptative

La méthode prescriptive

Dans ce contexte, il est nécessaire de spécifier les règles métier qui déterminent quel contenu doit être présenté selon le segment du visiteur. Ces règles peuvent comprendre leurs activités récentes, leur comportement de clic, leur localisation, leur historique de navigation, leurs préférences, etc. Ces règles métier servent avant tout à filtrer les offres et à ne pas proposer celles qui sont inappropriées. Cette méthode de personnalisation fait référence à la segmentation clients. Cependant, ce n’est pas parce que je suis un jeune homme habitant Paris avec deux enfants que les autres personnes correspondant à cette même typologie aiment les mêmes choses que moi. Nous avons chacun des hobbies différents, des marques préférées différentes, etc.

La méthode adaptative

Contrairement à la méthode prescriptive, la personnalisation adaptative est un processus automatisé qui applique continuellement un ensemble de règles basées sur des algorithmes. Ces règles sont autogérées et évolutives. L’intérêt de cette méthode est de rendre les algorithmes sur lesquels elle repose de plus en plus précis et intelligents au fil des interactions, afin d’appliquer automatiquement la règle qui sera la plus pertinente pour le visiteur. Les algorithmes apprennent ainsi de chacune des visites de l’utilisateur, et permettent de mieux connaître ses attentes et comportements.

Les données collectées : explicites et implicites

Les données explicites

Afin de déterminer au mieux le profil des visiteurs et de leur fournir un contenu adapté, il est nécessaire de collecter des données précises décrivant leurs intérêts, activités ou préférences. Les données explicites sont fournies intentionnellement et utilisées à leur valeur nominale sans être analysées.

Les données implicites

Elles servent de leur côté à construire un modèle utilisateur qui sera utilisé pour présenter les informations les plus pertinentes au visiteur. Ces données ne sont pas fournies intentionnellement et ne peuvent être tirées que de l’analyse de données observées. Le contenu est présenté au visiteur en fonction de la logique métier après examen de son comportement. Ces données implicites sont récoltées en observant les éléments qu’il consulte, en analysant son historique d’achats ou encore par exemple le choix des mots utilisés lors d’une recherche.

Définir sa stratégie de personnalisation

En se basant sur les deux précédents types de personnalisation (prescriptive et adaptative) et les méthodes de collectes de données (implicite et explicite), la personnalisation peut être divisée en quatre types (ci-dessous) qui permettent d’évaluer les outils et stratégies de personnalisation.

Collecte de données explicites et méthode prescriptive

Dans ce modèle, l’utilisateur fournit intentionnellement ses données à travers un formulaire d’abonnement à une newsletter par exemple. Les visiteurs sont segmentés à partir d’une ou plusieurs variables comme le genre et la localisation. Il est alors possible de leur présenter du contenu en rapport avec les informations collectées.

Collecte de données implicites et méthode prescriptive

Dans ce modèle, l’utilisateur ne fournit pas intentionnellement ses données. Il est alors possible de créer des règles de segmentation afin de lui proposer un contenu ou une offre en fonction :

- de sa localisation (récupérée grâce à son IP) ;

- de la météo de l’endroit où il se trouve ;

- de la source de trafic dont il provient ;

- de l’outil utilisé (mobile, tablette, desktop) ;

- etc.

Collecte de données explicites et méthode adaptative

Dans ce modèle, les données ont été intentionnellement fournies par l’utilisateur à partir, par exemple, d’un questionnaire proposé à l’internaute lors de son arrivée sur le site. Sur la base des éléments fournis par l’internaute, les algorithmes définissent alors un profil et proposent des recommandations personnalisées de produits. La personnalisation est affinée par rapport aux deux types de personnalisation précédemment cités. On peut par exemple lui demander :

- de choisir ses cinq marques préférées parmi une liste prédéfinie,

- sa taille de vêtements,

- son genre,

- son style vestimentaire,

- etc.

Collecte de données implicites et méthode adaptative

Les algorithmes apprennent du comportement de chaque visiteur. Ici, on ne parle donc plus de personnalisation, mais d’individualisation dans la mesure où c’est le comportement propre à chaque internaute qui définit les règles, et ce de manière automatique, sans que celui-ci n’ait à fournir une quelconque information. Cette individualisation de l’expérience se base uniquement sur l’observation de son historique de navigation ou de recherche, ses achats précédents, etc.

Nous voyons donc qu’il est possible de choisir le type de personnalisation qui convient le mieux :

- de la moins fine à la plus fine : personnalisation sur la base de la segmentation contre personnalisation sur la base de comportements individuels ;

- et selon que l’e-commerçant souhaite gérer ses règles métier ou qu’il privilégie la capacité des algorithmes à gérer une multitude de paramètres de manière automatisée et apprenante.

Ces différents éléments permettent donc de se faire une idée plus précise des stratégies de personnalisation possibles. Il est alors possible de faire le bon choix en fonction de ses objectifs.

Suivez Industrie Mag sur le Web

 

Newsletter

Inscrivez-vous a la newsletter d'Industrie Mag pour recevoir, régulièrement, des nouvelles du site par courrier électronique.

Email: