mknews

mercredi 14
novembre 2018

  

5958 News

1630 Membres

Simple & Gratuit !

Je communique
sur ma marque

    btcliquez

Je reste en veille

  facebook tw 

L'information permanente dédiée aux dirigeants et aux marketeurs

 
Accueil » e-commerce
 
Publié le 15/01/2014

e-commerce

Recommandation produit : les bonnes pratiques

Pascal Morvan, Directeur solution de Compario.

La conversion des internautes est un des principaux enjeux des sites marchands. Mais pour améliorer la performance commerciale de son site, il n’est pas toujours nécessaire de changer de plate-forme e-commerce. D’autant plus qu’elles ne sont pas optimales pour organiser et personnaliser l’expérience client. Il est plus judicieux de mettre en place une solution dédiée pour proposer davantage de recommandation et de personnalisation, qui auront un impact direct sur le taux de conversion du site.

Exploiter pleinement la recommandation produit

On définit un système de recommandation comme une forme spécifique de filtrage de l'information visant à présenter les éléments qui sont susceptibles d'intéresser l'utilisateur. Dans le cadre de l’e-commerce, un système de recommandation cherche à prédire la valorisation ou la préférence qu'un utilisateur attribuerait à un produit qu'il n'avait pas encore considéré.

Aujourd'hui, les principaux moteurs de recommandation du marché ne peuvent pousser de la recommandation que sur une page produit et une page panier, et se limitent à des produits similaires ou complémentaires.
Pour exploiter toute la puissance de la recommandation, il faut aller plus loin, en intégrant de la recommandation sur une page listing, sur la home page… et en faisant des mises en avant de produits ou de contenus qui sont les plus susceptibles de plaire aux internautes.

Comment éviter le phénomène du « coldstart » ?

Filtrage collaboratif, filtrage sur le contenu, filtrage hybride… différentes approches peuvent être mises en œuvre, mais toutes ont la particularité de requérir un minimum de données de départ sur lesquelles les algorithmes vont pouvoir s’appuyer. Or, ces données ne sont pas toujours disponibles, ou pas en assez grande quantité, surtout quand le système de recommandation vient d’être mis en place ou que l’assortiment évolue régulièrement.
En effet, la plupart des solutions statistiques reposent sur le calcul de score des relations entre les produits (produits vus, achetés…). Ce système présente ses limites.
Prenons par exemple une basket montante bleue Nike Ref AAA qui possède toutes les statistiques avec les autres produits du catalogue, mais qui est remplacée par une basket montante bleue Nike Ref BBB. Ce dernier article ne sera jamais préconisé tant qu’il n’aura pas eu suffisamment de visites ou de ventes pour le mettre en évidence dans la recommandation statistique.

Ce phénomène appelé coldstart peut être évité : En mettant en œuvre une nouvelle approche qui s’appuie non pas sur le produit au niveau le plus fin, mais sur ses caractéristiques (couleur, marque, style…) permettant d’avoir les statistiques de relation à un niveau supérieur.

Ce système est particulièrement adapté aux sites marchands pratiquant la vente de collections saisonnières ou cycliques, les ventes privées…etc.


 

Toutes les news

Espace service

La lettre d'information des professionnels de la VAD, du MD, de l'E-commerce et M-commerce