Recommandations et publicités : une approche différente de la personnalisation

Les consommateurs ont rarement une idée précise de ce qui arrive aux données qu’ils contribuent à générer lors de leurs visites et de leurs alexei-v1achats sur des sites de e-commerce. Ces données personnelles sont pourtant largement utilisées dans un but de personnalisation et de publicité. Pour comprendre l’usage qui en fait j’ai demandé quelques explications à  Alexei Kounine, CEO de la société TasteHit spécialiste de la personnalisation de site e-commerce.

recommandation-marketing

Les systèmes de recommandations apportent un service sur mesure. Aujourd’hui Il est relativement aisé de collecter, sur les sites web, de grandes quantités de données anonymes sur le comportement des utilisateurs. Elles sont personnelles car elles concernent un individu, elles sont anonymes car on ne peut pas savoir en principe qui est l’individu sans son consentement.  Ces données peuvent ensuite être analysées par des algorithmes de machine learning (des systèmes d’autoapprentissage) et l’historique de recherche d’un utilisateur peut être comparé aux comportements de millions d’utilisateurs pour réaliser des prédictions et créer une expérience personnalisée. C’est ce qu’on appelle le « filtrage collaboratif » (collaborative filtering en anglais) qui est utilisé par les systèmes de recommandation. On se sert des opinions et des évaluations d‘un grand nombre d’utilisateurs pour personnaliser une recommandation vers un individu.  Nous avons tous fait l’expérience consciemment ou non de cette « expérience tastehit-image-2personnalisée ». C’est le cas quand nous lisons le fil d’actualités de nos comptes Facebook et Twitter ou si nous regardons des vidéos sur Netflix ou bien encore quand nous faisons défiler les produits sur Amazon. Le choix du contenu et l’ordre dans lequel il nous est présenté dépend de notre comportement passé et des services utilisés. Chacun des 1,7 milliards d’utilisateurs Facebook a une vue de son compte Facebook totalement personnalisé en fonction des données collectées par le numéro 1 des réseaux sociaux.

Le cookie, pierre angulaire de la personnalisation. Lorsque les systèmes de recommandations sont bien pensés, ils sont généralement bien perçus et considérés quasiment comme un service en soi. C’est particulièrement le cas pour la recommandation de morceaux de musique par Spotify, de films par NetFlix ou de produits sur des sites e-commerce. Mais ce n’est pas toujours le cas et de nombreuses publicités personnalisées sont perçues comme intrusives par les consommateurs qui ont réagi en adoptant rapidement des « ad blockers ». Pour comprendre ces réactions il faut revenir sur le rôle du cookie. Le cookie est un petit fichier texte stocké dans le browser de l’équipement que nous utilisons pour aller sur le web. Ces cookies aident les sites web à se souvenir de qui nous sommes et à collecter des données sur les clics des consommateurs. Sans ces cookies, un site n’a aucun moyen de savoir que c’est la même personne qui fait deux requêtes consécutives sur des pages différentes. L’utilisation des cookies est très répandue car c’est le moyen de garantir que nos paramètres de navigation sont gardés entre deux pages d’un même site. Pour être plus précis les cookies sont les mécanismes qui permettent d’assurer par exemple une continuité de l’expérience utilisateur entre la consultation de produits, l’achat et la confirmation de paiement. Ils sont aussi utilisés pour faire des recommandations personnalisées de produits. Ce type de cookies placés par le site visité pour suivre l’activité sur ce site s’appelle un « first » cookie. Ces cookies complétées par des données comportementales et contextuelles de plus en plus nombreuses pour atteindre une hyper-personnalisation et obtenir des systèmes de recommandations performants.

Certains cookies nous suivent à la trace. Les cookies sont utiles pour la personnalisation et la navigation sur un site, pourtant certains s’en méfient comme de la peste. Il y a une raison à cette méfiance. Vous avez sans doute remarqué que lorsque vous passez d’un site web à un autre,  il est fréquent qu’apparaisse sur le nouveau site que vous visitez une publicité qui concerne comme par hasard le produit sur lequel vous aviez cliqué sur un site précédent. C’est un autre type de cookie qui est utilisé pour nous pister ainsi de site en site : le « third party cookie ». En fait lors d’une visite d’un site web, ce site fait appel à une société tierce pour placer leurs cookies dans notre browser. Pour faire simple, ce cookie contient un identifiant unique, qui ne permet pas de savoir nommément qui nous sommes, mais qui indique par exemple ce que nous avons précédemment acheté ou consulté. Le mécanisme qui utilise ces cookies pour présenter des publicités concernant des produits visités sur d’autres sites s’appelle le « retargeting ». Le consommateur qui cliquera sur la publicité va être redirigé vers le site d’origine ou le produit avait été consulté.

Une personnalisation hors du contexte rebute le consommateur. Le consommateur n’est pas au courant de tous ces processus mis en place et n’a en général jamais entendu parler de sociétés de retargeting qui traquent le comportement des consommateurs sur tout le web. La personnalisation n’est pas celle que pourrait espérer le consommateur. Au contraire il peut éprouver le sentiment d’être épié et suivi si par exemple lorsqu’il est sur un site d’électroménager, une publicité lui présente une paire de chaussures consultée sur un autre site. Cette personnalisation qui est sortie du contexte explique en partie le rejet du consommateur pour ces publicités ciblées.

A lire également pour comprendre les modèles économiques des acteurs de la publicité en ligne:  How your personal data is used in personalization and advertising

Le smartphone de plus en plus utilisé dans les magasins physiques

 Le smartphone est devenu le moyen privilégié pour interagir avec le consommateur. Les marques doivent en tenir compte dans leur stratégie. Elles doivent proposer des recommandations appropriées et pertinentes en utilisant les technologies de big data et de machine learning.

mobile en magasin GFK

20,5 millions de smartphone en France en 2015. Aucun doute là-dessus, les smartphones font partie de notre quotidien et sont encore promis à un bel avenir. Alors que vient à peine de se terminer le Mobile World Congress 2015 on peut rappeler que les smartphones ont franchi un nouveau record de vente en 2014 avec 1,2 milliards d’appareils vendus dans le monde soit une progression de 23%. Un chiffre d’affaire de 381 milliards qui donne une idée du phénomène.

En France ce seront plus de 20,5 millions de Smartphones qui seront vendus en 2015, en croissance en volume de 12,5% par rapport à 2014 selon Michael MATHIEU, Directeur des marchés de l’Image et des Telecoms chez GfK en France. Ce succès s’explique par les services rendus par le smartphone dans tous les actes du quotidien. Il permet de communiquer bien sûr mais de surtout faciliter la vie.

Les consommateurs consultent leurs smarphone pendant leurs achats . L’utilisation du mobile est étudiée très attentivement par les l’industrie du commerce. Il influence considérablement le comportement du consommateur comme en témoigne l’étude de GFK qui s’est intéressé plus particulièrement à l’utilisation du mobile dans le magasin physique. Aujourd’hui on oppose plus magasins et site e-commerce ils sont devenus complémentaires voire indissociables. En dehors du fait que l’on peut faire des achats directement sur un mobile, ce que l’on appelle le m-commerce, le smarphone joue un rôle important dans la prise de décision d’achat. Trois grandes tendances se dégagent en tête de l’étude :

  • Accès à des comparateurs de prix
  • Appel à des amis pour avoir des recommandations
  • Prise de photos des produits intéressants

Mobile comparateur GFK

 Première constatation le comportement des consommateurs changent en fonction des pays. Si 40% des consommateurs dans le monde utilisent leur smartphone pour comparer les prix, ils ne sont que 24% à le faire en France. Par contre le premier usage (32%) que font les consommateurs français de leur smartphone en magasin c’est l’appel à un ami ou à un parent pour avoir une recommandation. Cela illustre bien la confiance croissante accordée par le consommateur à ses pairs plutôt qu’à la voix officielle des marques. Une tendance bien comprise par les marques qui tentent de s’adapter en développant leur présence sur les réseaux sociaux.

Les sites web doivent être s’adapter à l’affichage des smartphones.  Nombreux sont encore les sites web qui n’ont pas porté suffisamment leurs efforts pour les rendre non seulement compatibles mais également attrayant sur les smartphones. Vu le rôle croissant des mobiles dans le processus d’achat, concevoir des sites web pour les mobiles n’est plus option mais sera bientôt une question de survie d’autant plus que Google a décidé à partir du 21 avril de favoriser en terme de référencement (SEO) les sites qui seront « mobile friendly »

Les marques doivent surveiller en temps réel les prix.  Cette connexion permanente des consommateurs via leur smartphone doit inciter les magasins et points de vente à évoluer. Etre soumis à la dure loi de la concurrence existe de tout temps mais le smartphone exacerbe cette concurrence en temps réel. « Surveiller de manière active et en temps réel le prix des concurrents online et réagir rapidement sont maintenant des facteurs clés de succès aussi bien pour les distributeurs physiques que online » comme le souligne Juliette Villeminot, Responsable de l’expertise Shopper chez GfK.

Les recommandations doivent être pertinentes et personnalisées. Les technologies de machine learning le permettent aujourd’hui en affinant la connaissance des gouts des consommateurs et en personnalisant en temps les recommandations qui seront affichées sur l’écran du téléphone portabe. (je l’avais évoqué dans le billet sur la startup Tastehit.)

Interagir avec le consommateur lors qu’il est présent dans le magasin devient une nécessité.

Precision retailing

Certaines solutions du marché savent déjà détecter l’arrivée du consommateur dans le magasin, lui proposer automatiquement l’accès au Wi-Fi du magasin (avec son autorisation) et ensuite avec l’aide de plateforme de type Big Data lui proposer, en fonction de sa position dans le magasin, des offres ou des recommandations qui seront affichées directement sur son smartphone. C’est ce que SAP appelle le « precision retailing » basé sur des technologies SAP HANA.

 

La startup française Tastehit utilise machine learning et big data pour personnaliser en temps réel les sites commerçants

Convertir une visite en achat est devenu l’obsession des sites de e-commerce. Personnaliser le site en temps réel pour chaque visiteur, et devancer ses souhaits, pourrait être la solution.

tastehit-configuration-graphic V2

L’achat sur internet est passé dans les mœurs. Toutes les enseignes petites ou grandes se sont mises au commerce en ligne et dans leur sillage une multitude de sites sans représentation physique se crée régulièrement. Les frontières ont sauté par la même occasion et s’implanter dans un pays ne nécessite plus forcément des implantations physiques lourdes en investissement. La simplicité du e-commerce s’accompagne ainsi d’une concurrence exacerbée. Dans ce paysage concurrentiel, chaque site commerçant doit tout d’abord se faire connaitre pour attirer du trafic visiteurs et ensuite tenter de convertir le visiteur en consommateur avant qu’il n’aille voir ailleurs.

97% des internautes quittent une e-boutique sans y faire d’achat. C’est ce que montrent certaines études et les internautes visitent en moyenne 5 fois un site avant d’acheter. Des techniques de « retargeting » ont été mises en place pour lutter contre la volatilité des visiteurs. Le principe est simple : suivre  l’internaute pendant son parcours d’achat et tenter de le faire revenir sur un site commerçant par un ciblage précis de publicités personnalisées sur les différents sites visités. Des sociétés comme Criteo ont fait leur succès dans ce domaine en s’appuyant sur des solutions de big data puissantes pour négocier les espaces publicitaires en temps réel (RTB Real Time Bidding) et placer les messages publicitaires appropriés.

Devancer les attentes de l’internaute pour augmenter les taux de conversion. Depuis longtemps on sait qu’il est moins coûteux de garder un client que d’en gagner de nouveaux. C’est ce que les banques et les opérateurs télécom appellent le « churn management ». Il en va un peu de même avec les visiteurs sur les sites e-commerce. Comment les garder plus longtemps sur un site, et les convaincre d’acheter, plutôt que s’épuiser à les faire revenir ? Quelques sociétés se positionnent sur ce créneau et une startup française nommée Tastehit a peut-être trouvé la solution en reprenant la base de la vente : écouter le client.

Ecouter le client c’est analyser son comportement et ses attitudes . Quand le visiteur exprime précisément son attente, le problème se résume à du « search ». Bien souvent l’internaute ne sait pas précisément ce qu’il cherche et sa demande est vague (je cherche un cadeau pour quelqu’un, je cherche des habits qui correspondent à mon look, « un film bien » à regarder, etc…). En utilisant un algorithme d’autoapprentissage (machine learning), développé par ses soins, Tastehit apprend à connaitre les goûts et les souhaits du visiteur et personnalise le site de e-commerce en temps réel. L’analyse comportementale du visiteur est corrélée en temps réel avec une base de connaissance de l’ensemble des visiteurs. Les offres les plus pertinentes avec la probabilité d’achat la plus forte seront alors affichées sur la page visitée par  l’internaute. Pour le visiteur, Tastehit est un véritable outil de découverte d’autant plus important que l’écran est petit. L’usage d’un mobile pour consulter un site de e-commerce devenant prédominant,  la personnalisation du site pour le m-commerce est déterminante.

La simplicité du cloud pour faire du big data. Dans notre univers technologique tout devient possible mais nécessite souvent des compétences et un solide budget.  Tastehit se distingue là encore puisque la solution n’impose aucune modification du site marchand. Le simple ajout d’une ligne de code JavaScript (Tag) permet d’installer TasteHit et activer son tastehit-analytics V2utilisation en mode Saas (Software as a Service) dans le cloud. Un tableau de bord d’analyse est mis à disposition pour que le marchand puisse suivre les performances et les résultats de la personnalisation. Le marchant peut également y configurer certains aspects des recommandations (mettre en avant ou ne pas montrer certains produits, ou catégories, par exemple).

A noter que la solution est téléchargeable gratuitement, ne crée aucune dépendance technique et n’a pas d’impact sur le temps de chargement des pages. Tous les sites de e-commerce peuvent avec cette solution augmenter l’expérience client sans frais et sans risque.