Quelques best practices de la recommandation prédictive !

Les e-marchands doivent faire face à une concurrence de plus en plus rude. Il est donc devenu essentiel d’innover pour se démarquer. De nombreuses initiatives ont été mises en place par les marchands pour se différencier : développement de l’offre produit grâce aux marketplaces, synergies entre les différents canaux (web to store) et bien entendu la recommandation prédictive.

Les recommandations prédictives sont bien plus répandues qu’on ne l’imagine. Le fil d’actualité de Facebook est un bel exemple, puisqu’il est essentiellement dédié à des recommandations de contenus, de publicités et d’amis. Netflix et Amazon, quant à eux, optent pour une recommandation 100% personnalisée de films et de produits pour une expérience utilisateur toujours plus riche en matière de suggestions, tout en maximisant leurs revenus.

 

 

En dehors de ces poids lourds du digital, d’autres acteurs plus traditionnels ont également su tirer parti des recommandations. Prenons l’exemple de l’Oréal qui personnalise son site web en s’adaptant au teint, au style, et aux intérêts de ses internautes. Parmi les contenus et les produits de beauté exposés, une sélection fine de ces éléments est apportée de sorte à correspondre parfaitement aux attentes de chaque beauty-consumer. Ces recommandations sont basées sur l’historique de navigation des internautes et agrémentées par un questionnaire interactif. Ainsi chaque consommatrice aura un parcours unique sur le site, proche d’une expérience en boutique.
Nous retrouvons un dispositif similaire dans d’autres sites, comme Lyst, un site de mode conçu autour du personal shopping, ou GoodReads, un site de recommandation de livres qui permet de retrouver le service apporté par le libraire en magasin.

Côté application mobile, il y a Luka, un service de recommandation de restaurants à San Francisco. L’utilisateur est libre de poser les questions qu’il souhaite comme : « J’organise un dîner en famille ce soir, as-tu un bon restaurant à me recommander ? ». Et grâce au machine learning, cette application enregistre les préférences des utilisateurs pour toujours être en phase avec leurs besoins et envies.

 

 

Nous retrouvons là aussi un fonctionnement similaire avec Karos, une application de covoiturage qui est chargée de proposer des annonces pertinentes à ses utilisateurs basées sur leurs habitudes de déplacement.

Ces best practices, innovantes dans le fond comme dans la forme, permettent de générer de la valeur ajoutée et donc, de se distinguer. C’est d’ailleurs pour cette raison que La Redoute a fait appel à AntVoice pour réaliser une page d’accueil 100% personnalisée composée à la fois de suggestions de marques, de contenus et de produits ! C’est aussi le cas de Mister Auto qui a opté pour la personnalisation intégrale de l’expérience de navigation de ses internautes en fonction de leur modèle de véhicule.

Encore à leurs débuts, ces projets sont les prémisses de changements importants dans le monde du digital !

Leave a Reply