Dans le premier épisode, nous avons vu comment Ocado adapte l'affichage pour chaque client dès sa première visite. Mais personnaliser l'affichage ne suffit pas : comment s'assurer que chaque individu reçoit des recommandations réellement pertinentes, et pas seulement celles d'un segment ? C'est tout l'enjeu de l'IA appliquée à l'achat récurrent.
Les segments clients ne sont pas suffisants pour offrir une expérience hyper-personnalisée et pertinente. Comment être certain que chaque personne appartenant à votre cluster « stars », dans le cadre d’une segmentation RFM, soit intéressée par le produit ou l’offre que vous avez choisi de proposer à l’ensemble ? Que faire si le client ne souhaite pas ce produit ou, pire, s’il ne l’apprécie pas ?
Ce point est primordial car 80% des clients souhaitent des expériences personnalisées.[1] Mais l’étude avance par ailleurs que la personnalisation est aussi un « facteur d’hygiène » : les clients le prennent pour acquis, mais si un retailer se trompe… ils peuvent partir chez la concurrence !
Il est bien entendu impossible de gérer l’ensemble des cas individuellement et « à la main », pour chacun de vos visiteurs. Il est aussi très difficile de repérer et d’analyser la somme des signaux faibles pour connaître chaque client.
Les technologies d’Intelligence Artificielle dédiées au e-commerce sont capables de détecter l’intention d’achat pour chaque client, en fonction de leur comportement sur votre site marchand et leurs habitudes d’achat. C’est donc l’opportunité de proposer enfin à chaque client les produits, promotions ou encore rayons adaptés. L’IA apprend de l’ensemble des comportements clients pour améliorer la pertinence des recommandations et par conséquence, les taux de conversion.
Chez Ocado, l’utilisation de ces technologies a permis de personnaliser les recommandations de produits et d’envoyer des messages individualisés à chaque client, Ocado a multiplié par 8 ses conversions et augmenté les paniers les plus importants de 20%. [2]
Dans le cadre de l’achat récurrent et alimentaire, la seule recommandation de produits ne suffit pas, elle ne couvre en effet qu’un faible pourcentage des parcours d’achat. La valeur d’un parcours hyper-personnalisé pour le client final et pour le retailer repose autour de deux points importants : fluidifier le parcours d’achat sans enfermer le consommateur autour de sa liste de courses.
Cet effet « liste de courses » a pour conséquences de cantonner le consommateur à l’achat de ses produits habituels. Il ne découvre donc pas l’entièreté de l’offre à sa disposition, ni les nouveautés. Pour le retailer, cette approche inhibe tout achat d’impulsion et limite les opportunités de faire augmenter le panier.
L’hyper-personnalisation du parcours doit permettre de suggérer rapidement les articles qui correspondent à l’envie et aux besoins de chaque individu, il s’agit ici de sortir des achats déjà réalisés et donc de proposer aussi les promotions, et produits qu’il ne connait pas encore, n’avait pas prévu d’acheter mais qui correspondent à son profil d’acheteur.
66% des clients attendent des entreprises qu’elles comprennent leurs besoins et leurs attentes.[3] Cette incitation à l’achat d’impulsion doit donc être un dosage entre ce que souhaite acheter le client, ce qui est intéressant pour lui de découvrir, et bien entendu la stratégie commerciale de l’enseigne.
Le moteur de recherche est l’endroit le plus adapté pour une réponse pertinente et marchande. Il est le seul endroit d’un site e-commerce où l’utilisateur s’exprime et il est très utilisé dans le cadre d’un achat récurrent : 80% du CA dans le secteur de l’alimentaire provient de la recherche. C’est le principal lieu d’achat des clients.
Avec une pertinence de résultats élevée, le client aura toujours accès au produit qu’il désire. L’IA, en plus d’optimiser la précision des résultats, permet une expérience de recherche enrichie par des suggestions de termes, de catégories, d’offres et de produits intelligentes et individualisées. L’objectif reste le même : rendre le parcours d’achat ultra-efficace en assurant la découverte de votre offre et l’incitation à l’achat d’impulsion.
Notre exemple porte cette fois sur un de nos clients, spécialisé dans la livraison à domicile de produits alimentaires. Le moteur de recherche est adossé d’algorithmes d’IA et propose des résultats de recherche individualisés pour chaque client en fonction de leur comportement. Ainsi, dans notre exemple ci-après, les résultats sont bien adaptés à des appétences d’achats différentes (produits issus de l’agriculture biologique) ou des régimes alimentaires particuliers (halal, végétarien…).
Nous avons exploré toute la richesse de l'hyper-personnalisation dans le cadre de l'achat récurrent et alimentaire. Mais qu'en est-il lorsque le client ne sait pas vraiment ce qu'il veut acheter ? C'est le défi fascinant de l'achat impulsif et notre prochain épisode y est entièrement consacré.
[1] Étude McKinsey menée aux États Unis sur plus de 1000 consommateurs
[2] Chiffres Dynamic Yield
[3] Source Salesforce
Schéma : Tinyclues
Crédit photo : ©Shutterstock