Dans le troisième épisode, nous avons vu comment l'Intelligence Artificielle parvient à interpréter en temps réel les envies d'achat d'un client dans la mode, même lorsqu'il ne sait pas encore ce qu'il cherche. Mais détecter l'intention ne suffit pas : encore faut-il mettre sous les yeux du client les produits qui vont déclencher l'envie, puis le rassurer suffisamment pour qu'il franchisse le pas.
Dans ce quatrième épisode, nous explorons justement ces deux défis. D'abord, comment des acteurs comme Zalando utilisent l'hyper-personnalisation pour suggérer les bons produits au bon moment et susciter l'achat. Ensuite, comment Asos répond à l'un des principaux freins de l'achat en ligne : ne pas pouvoir essayer le produit, grâce à son Fit Assistant.
Mettre sous les yeux de chaque client les produits qui leur correspondent pour susciter l’envie d’achat
Le client ne sait pas exactement ce qu’il souhaite acheter lors d’un moment shopping. Pour susciter l’envie d’acheter, il a besoin de voir les produits pour pouvoir se dire «Tiens,c’est pas mal ça!».
À l’image du commerce physique, il faut lui mettre sous les yeux des portants, des mannequins avec les produits les plus susceptibles de lui plaire.
Grâce à l’observation du comportement client en temps réel et à la détection des appétences de chacun, on peut profiter des bénéfices de l’hyper-personnalisation : pouvoir suggérer des produits adaptés aux goûts de chaque client. C’est le cas notamment au sein du moteur de recherche où le client - ne sachant pas forcément ce qu’il souhaite précisément, ou comment exprimer son envie - effectue des recherches plutôt génériques. L’hyper-personnalisation va permettre d’afficher, en première ligne, les produits les plus susceptibles de plaire à chaque client, reliée à leur intention d’achat détectée et cela, même sur des recherches mono-mots. Grâce à des suggestions de termes instantanées et hyper-personnalisées en temps réel, le moteur de recherche peut permettre au client de trouver ses mots, d’affiner sa recherche et de trouver les produits qui correspondent à ses besoins.
De plus, les suggestions de produits permettent d’hyper-personnaliser l’entièreté du parcours d’achat, notamment grâce aux logiques de cross-selling. Lors de la consultation d’une fiche produit, le client se verra proposer des produits en rapport avec l’article consulté, mais aussi en accord avec ses appétences et son envie d’achat.
Après s’être aperçus que leurs clients s’engageaient plus facilement avec des tenues complètes que des produits seuls, les plus grands acteurs de l’industrie vont encore plus loin en proposant des styles complets, basés sur le comportement du client. Des tenues entières sont suggérées à chaque client, adaptées en fonction de leurs recherches, des produits consultés et bien d’autres variables analysées.
Mise en place chez Zalando, cette pratique permet au client de découvrir de nouveaux produits qui lui correspondent et a un impact sur les performances du site : 40% d’augmentation de la taille du panier et 2 fois plus de conversions que sur les suggestions de produits seuls. [1]
Dans notre exemple ci-après, nous étudions deux parcours d’achats réalisés chez Zalando. Mettons-nous dans la peau d’un homme qui consulte le site afin de jeter un œil à ce qu’il y est proposé. Et cela tombe bien : nous sommes en période de soldes.
- Dans le 1er parcours, je suis plutôt attiré par une recherche de baskets,destyle« streetwear ».
- Dans le 2ème, plutôt attiré par une recherche de chaussures de ville, mon style étant plus casual, business.
On observe que, dès les premières interactions, mon intention d’achat est analysée et utilisée en temps réel. L’ensemble du parcours d’achat est alors hyper-personnalisé : les suggestions de produits, les résultats de recherche, lerankingdesproduits sont adaptés en fonction de mon comportement et mes appétences sont détectées et affinées, au travers des sessions.
Rassurer chaque client sur le rendu, la taille, le confort du produit
Maintenant que nous pouvons conseiller et adapter le parcours d’achat pour chaque client, il reste un principal frein à l’achat en dématérialisé : ne pas pouvoir toucher, ni essayer le produit.
En ligne, il est parfois difficile de savoir si la taille choisie par le client est adaptée à sa morphologie et d’être certain que le produit aura le rendu espéré.
Encore une fois, des mécanismes d’Intelligence Artificielle permettent de répondre à ce problème. Prenons l’exemple d’Asos. Son « Asos Fit Assistant » permet au client de renseigner une série d’informations liées à leur morphologie : taille, poids, âge, buste… afin de déterminer la taille la plus adaptée pour chaque client et cela pour chaque produit.
Une fonctionnalité qui a un double impact : le taux de conversion avec l’Asos Fit Assistant a augmenté de 11,5% et les retours ont été réduits de 4,4%. [2]
Dans notre exemple, je choisi d’acheter deux t-shirts et hésite sur la taille à prendre. Je renseigne alors les informations sur le fit assistant : je suis un homme de 26 ans, 1m84, 80kg, silhouette normale. Je renseigne aussi quelques tailles portées sur mes marques préférées et mon style vestimentaire : estce que je préfère porter mes vêtements « près du corps » ou plutôt larges ?
L’algorithme a donc analysé ma morphologie, mes préférences et la taille des produits. Il me conseille de prendre l’un des t-shirts sélectionnés plutôt en taille L et l’autre plutôt en taille M.
Zalando pour susciter l'envie, Asos pour lever le doute sur la taille : deux approches complémentaires qui montrent à quel point l'hyper-personnalisation peut transformer chaque étape du parcours d'achat impulsif en levier de conversion.
Dans le prochain épisode, nous changeons radicalement d'univers pour nous intéresser à l'achat réfléchi, avec l'exemple de l'ameublement et du bricolage. Un achat qui se prépare, qui implique des contraintes bien réelles, et qui nécessite un accompagnement bien différent. Rendez-vous dans l'épisode 5 pour le découvrir.
[1] Source : Fashion United
[2] Source : Fit Analytics
Crédit photo : ©Shutterstock