04/07/18

Les systèmes de recommandation, une révolution pour le e-commerce

Ils sont derrière de nombreuses applications, réseaux sociaux, sites commerçants et bien plus encore, mais que sont-ils ?

Vous avez certainement déjà rencontré la phrase suivante « les utilisateurs qui ont aimé cet article ont également aimé celui-ci ». C’est en cela que consistent les systèmes de recommandation, et leur utilisation est croissante chez de grands noms comme Netflix, Amazon, Pinterest et Facebook.

Un système de recommandation est une méthode de filtrage des données, réutilisant celles-ci afin d’en proposer de nouvelles susceptibles d’intéresser l’utilisateur. Ces données peuvent être très diverses : films, séries, musiques, articles…

Quelle utilité ?

Ils servent aussi bien à améliorer l’expérience utilisateur qu’à réutiliser les données collectées à son sujet, tout en respectant le RGPD bien entendu.

Ces données, précieuses, permettent entre autres la publicité ciblée et ainsi une meilleure performance pour les entreprises du web.

Deux techniques sont utilisées pour collecter les données, dont voici une brève explication :

1) Collecte explicite

L’utilisateur donne volontairement des informations sur ses préférences, il est conscient que celles-ci seront réutilisées par la suite.

Quelques exemples pour rendre cette démarche plus concrète :

  • Demander à l’utilisateur de classer un ensemble d’articles en fonction de ses préférences
  • Demander à l’utilisateur de créer une liste d’articles qui l’intéressent (« wishlist »)
  • Demander à l’utilisateur de noter un produit ou un service (de zéro à cinq étoiles)

Cette méthode, reposant uniquement sur les informations délivrées par l’utilisateur, impose de faire confiance à celui-ci quant à la véracité des données.

Et pour cause : il nous arrive souvent de commander un livre non pas pour soi mais pour un ami, ou bien de le commander puis d’en être déçu !

2) Collecte implicite

Vous l’aurez deviné, cette fois-ci les données sont collectées automatiquement et sans aucune demande à l’utilisateur.

L’avantage de cette technique est que les informations récoltées sont a priori justes, contrairement à la collecte explicite.

Parmi ce type de collecte on retrouve :

  • L’analyse des articles qu’un utilisateur a placés dans son panier
  • L’analyse de la fréquence de consultation d’un article
  • L’analyse des lieux visités par l’utilisateur, sous réserve d’activation de sa géolocalisation, afin de lui en suggérer de nouveaux

Quel impact commercial ?

Le développement de tels systèmes a permis une révolution de l’expérience utilisateur grâce à une offre de prestations adaptée à chaque profil, et une meilleure action de communication grâce aux publicités ciblées.

Les bons produits sont proposés aux bonnes personnes, qui sont davantage susceptibles de les acheter. Résultat ? Une augmentation des ventes.

D’autres applications ?

La capacité des systèmes de recommandation à prédire les évènements et à mettre en évidence les corrélations justifie leur utilisation en intelligence artificielle (IA).

Par ailleurs, les techniques de Machine Learning (apprentissage artificiel) sont fréquemment utilisées pour créer les algorithmes de recommandation.

 

Sources :

Introduction aux systèmes de recommandation

La collecte d’informations

Présentation des méthodes de collecte et d’analyse de données dans l’évaluation d’impact

Les moteurs de recommandation vont révolutionner le e-commerce

Facebook Iconfacebook like buttonTwitter Icontwitter follow button