décembre 20, 2016 personnalisation

Stratégie de personnalisation e-commerce: prescriptive vs adaptative

Subscribe to Email Updates

Partout les chiffres montrent que les clients des boutiques en ligne apprécient une expérience personnalisée lors de leurs achats. Cependant, ils sont particulièrement vigilants aux types de renseignements et d'informations qu’ils fournissent, pourtant utiles à la personnalisation.

Aujourd'hui, pour aller plus loin dans la définition de votre stratégie de personnalisation e-commerce, il vous faudra offrir à vos clients une expérience et des interactions basées sur leur comportement en temps réel, le contexte, leurs intérêts et préférences. Jetons un oeil aux différents types de personnalisation disponibles à ce jour : la personnalisation prescriptive et la personnalisation adaptative.


Les méthodes de personnalisation : prescriptive et adaptative

La méthode prescriptive

En utilisant cette méthode, vous devez 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 inappropriés.

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 2 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 basé 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. Ce qui permettra :

  • de lui proposer des produits conformes à ses attentes à partir de ses préférences d’achats et de recherches
  • d’anticiper ses besoins en fonction du contexte immédiat.

Les données collectées : explicites et implicites

Les données explicites 

Afin de déterminer au mieux le profil de vos visiteurs et de leur fournir le contenu qu’ils aimeront, vous avez besoin 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

Les données implicites servent 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, le choix des mots utilisés lors d’une recherche, etc ..

 

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 qui forment une matrice utile pour évaluer les outils et stratégies de personnalisation.

matrice-personnalisation.png

Collecte de données explicites et méthode prescriptive

Dans ce modèle, l'utilisateur vous fournit intentionnellement ses données à travers un formulaire d'abonnement à une newsletter par exemple. Vos visiteurs sont segmentés à partir d'une ou plusieurs variables comme le genre et la localisation. Vous pourrez ainsi lui présenter du contenu en rapport avec les informations collectées.

newsletter reebok

Collecte de données implicites et méthode prescriptive

Dans ce modèle, l'utilisateur ne vous fournit pas intentionnellement ses données. Vous pourrez ainsi créer des règles de segmentation afin de lui proposer un contenu ou une offre en fonction : 

  • de sa localisation, que vous aurez récupérée grâce à son IP.
  • de la météo de l'endroit où il se trouve
  • de la source de trafic dont il provient : ainsi un visteur provenant d'un réseau social se verra offrir un contenu différent d'un visiteur provenant de la recherche organique.
  • de son navigateur (Chrome, Safari, ...)
  • du device utilisé (mobile, tablette, desktop)
  • etc ...

personnalisation-prescriptive.png

 

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 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 2 types de personnalisation précédemment citées.

On peut par exemple lui demander :

  • de choisir ses 5 marques préférées parmi une liste prédéfinie
  • sa taille de vêtements
  • son genre
  • sa localisation
  • son style vestimentaire
  • etc ...

 

Collecte de données implicites et méthode adaptative

Dans ce modèle, les algorithmes apprennent du comportement de chaque visiteur. Ici, on ne parle donc plus de personnalisation mais d'invidualisation 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 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 vous est possible de choisir le type de personnalisation qui vous convient le mieux: 

  • de la moins fine à la plus fine : personnalisation sur base de la segmentation versus personnalisation sur base de comportements individuels.
  • et selon que vous souhaitez gérer par vous-même vos règles métier, ou que vous privilégiez la capacité des algorithmes à gérer une multitude de paramètres de manière automatisée et apprenante.

 

New Call-to-action