L’engouement croissant pour le marketing one-to-one amène un grand nombre d’entreprises à mettre en place des solutions de recommandations personnalisées.

La personnalisation des recommandations consiste à proposer au client le bon produit au bon moment en se basant sur ses données personnelles de profil mais aussi, et surtout, sur les produits avec lesquels le client a interagi ou pour lesquels il a montré de l’intérêt.

Beaucoup utilisée par les géants du e-commerce, cette pratique tend à se généraliser à d’autres secteurs. Elle permet aux entreprises :

  • de s’adapter aux attentes du client ;
  • de réduire la complexité du choix ;
  • d’accroître la fidélité ;
  • d’augmenter la fréquence d’achat / de consommation.

En fonction des objectifs business poursuivis et du type d’expérience client visée, les approches diffèrent. Voici deux illustrations intéressantes de personnalisation des recommandations :

Amazon, d’abord, pratique le filtrage collaboratif en identifiant les attitudes de consommation et les régularités de comportement d’un groupe de clients afin d’opérer une sélection sur les produits à présenter aux utilisateurs. Le recueil d’informations se fait sur les données de comportement (clics, temps passé sur une page, achats) et sur les avis explicites exprimés par les utilisateurs (notation d’un produit ou d’un service).

Netflix, ensuite, concentre ses efforts en basant son algorithme de recommandations exclusivement sur des données déclaratives recueillies grâce au système de notation. Plus l’utilisateur note les programmes et plus la recommandation personnalisée devient précise. En abandonnant son système d’étoiles au profit d’un pouce vers le haut ou vers le bas, Netflix s’est assuré une adhésion plus grande de ses utilisateurs au système de notation qui est devenu plus simple et plus intuitif. Les utilisateurs prennent d’avantage conscience de l’importance de noter leurs programmes favoris afin de se faire conseiller au mieux par le système. Par ailleurs, à l’instar des sites de rencontre, Netflix a inauguré en 2017 un système de « match » afin de mesurer précisément le degré de compatibilité entre l’utilisateur et le contenu qui lui est proposé.

Quelle approche privilégier ?

Dans l’exemple d’Amazon, les données recueillies donnent lieu à des recommandations prédictives, qui ne nécessitent pas ou peu d’actions conscientes de la part du client. Ce dernier bénéficie de la connaissance client globale de l’entreprise, sans réel effort de sa part. Cette méthode, largement utilisée, nécessite néanmoins le traitement et la classification d’un très grand nombre de données pour être efficace.

Dans celui de Netflix, le client acteur est placé au cœur du processus de recommandations. Une relation de confiance s’installe entre la marque et l’utilisateur du service, qui concoure délibérément à l’améliorer.

Quelle que soit l’approche adoptée, la connaissance du client est un élément clé du processus de recommandation personnalisée. Elle implique :

  • de qualifier la recherche du consommateur grâce à des outils de sémantique ;
  • d’utiliser des technologies Big Data pour recueillir des données quantitatives et qualitatives ;
  • de corréler les informations rapidement grâce à des algorithmes prédictifs pour donner de la valeur à ses données.
Aurélie Bonnevie

Aurélie Bonnevie

Consultante

Contactez-nous
ou par e-mail
Share This
newsletter blog

Abonnez-vous à notre newsletter et restez connecté(e) à l'Expérience Client

Soyez averti(e) de nos dernières notes de blog

Merci ! Votre inscription est bien prise en compte.