Les moteurs de recommandations pour un e-commerce pertinent - Dr Vincent Schickel-Zuber, CEO Prediggo SA
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Les moteurs de recommandations pour un e-commerce pertinent
Dr Vincent Schickel-Zuber, CEO Prediggo SA
27 Mai 2010
Version 6/2/2010 6:14:55 PM
PUBLIC - 27 Mai 2010 1
Pourquoi la recommandation?
Traffic Web
Direct Payé La course au trafic tend à:
(e.g. Recherche, (e.g. AdWords,
Bookmark) Comparateur de Prix) • Augmenter les coûts
• Une concurrence acharnée
75%
• Faire baisser les profits
Abandon MonShop.ch
97.5%
L’acquisition trafic ne suffit pas, il faut aller plus loin
PUBLIC - 27 Mai 2010 2
Meilleur Equilibre Entre Acquisition Trafic et Efforts de Conversion
Génération de trafic
Baisse • Sites de Comparateur de Prix
• Effort SEO / SEM
Marge • Program d’affilitation
Efforts de Conversion
• Personnalisation sur le site
Positive
• Optimisation Moteur de Recherche ROI
• Merchandising
• 1-1 News Letter / CRM
Le ROI va dépendre du taux de conversion de vos visiteurs
PUBLIC - 27 Mai 2010 3
Il était une fois la recommandation…
• Amazon est un des pionniers dans le domaine
• Algorithme (Item-Based Collaborative Filtering [1]):
• Analyse la similarité des produits en fonction des achats des utilisateurs
• Recommande les produits les plus similaires à celui que vous regardez.
« Personnalized recommendations are at the heart of why online shopping
offers so much promise », Brent Smith, Amazon’s director of Personalization
~35% des ventes proviennent des recommandations [2]
[2] Amazon.com 2006 PUBLIC - 27 Mai 2010 4
[1] Amazon.com Recommendations. Greg Linden, Brent Smith and Jeremy York.
Allez au delà du «Les clients ayant acheté ont…
Problème avec les solutions classiques
• Pas de diversité
• Se focalise sur les Best Sellers (marge souvent faible)
• Ne peut recommander que des produits déjà largement vendus
• Difficile à configurer – boite noire
Quelques solutions:
• Garder « Les clients ayant acheté cet article ont aussi acheté »
• Rajouter les données sémantiques des produits (Ex: acteur pour un film, cépage pour un vin…)
• Prendre en compte le profil utilisateur de la personne en temps réel
La qualité des recommandations va dépendre des données
PUBLIC - 27 Mai 2010 5
1) Rajouter la sémantique pour « lier les produits ensemble »
• Utilisez les méta données des produits (Ex: acteur pour un film, cépage pour un vin…)
• Les combiner avec « Les clients ayant acheté … » en utilisant des ontologies[1][2]
Extraire les méta données les plus
représentatives
Rendre les recommandations
indépendantes
La sémantique permet des recommandations plus ciblées
[2] US Patent Pending PUBLIC - 27 Mai 2010 6
[1] Ontology Filtering, Thèse EPFL no 3934, Vincent Schickel-Zuber.2) Utilisez les recommandations pour optimiser chaque page
• Doit aussi prendre en compte des règles commerciales et marketing Les recommendations
doivent prendre en compte:
• La catégorie
• Le profil de l’utilisateur
• Les règles business
L’impact sur la conversion est proportionnel à son utilisation
PUBLIC - 27 Mai 2010 73) Pensez « outside the box » - pensez aux pages d’atterrissage
PUBLIC - 27 Mai 2010 83) Pensez « outside the box » - pensez aux pages d’atterrissage
Si on ne trouve pas, on n’achète pas!
PUBLIC - 27 Mai 2010 9Des questions sur la personnalisation?
Intelligent
Cross Selling
Smarter
Search
Results
Cross
Channel
CRM
Dynamic
Merchandising
schickel@prediggo.com ou visitez http://www.prediggo.com
PUBLIC - 27 Mai 2010 10Vous pouvez aussi lire
