50 percent predictable: online shops can know well in advance what a customer will buy

De nombreux outils d'analyse permettent aujourd'hui aux sites de e-commerce de prédire les décisions d'achat en avance. Ceci rend désormais possible d'influencer le comportement de l'utilisateur, de cibler les recommandations, et, selon une étude de la Conference SysRec 2015, de prédire avec 50 % de probabilité si l'utilisateur va terminer sa session en validant son panier ou non.

Des algorithmes poussés alliés à la bonne technologie sont les instruments clés du succès dans le e-commerce. A travers l'analyse et l'évaluation du comportement de l'utilisateur, des prédictions claires peuvent être faites sur le timing d'achat, surtout dans les achats courants comme les courses alimentaires ou tout autre achat d'ordre récurent. Cette nouvelle transparence commence à se retrouver dans les autres domaines, tels que celui de la mode, de la technologie, et des voyages. Les analyses du big data ont rendu plus clairs les goûts des consommateurs. Présenter des offres personnalisées est devenu extrêmement simple, et engendre un taux de conversion plus fort.

Ce blog post étudiera la façon dont les acteurs du e-commerce peuvent créer un système de personnalisation qui délivre l'information pertinente qui plaira au consommateur et boostera les ventes.

On peut anticiper tous les seconds achats

Le ACM Recsys Challenge 2015 a démontré que l'on pouvait désormais prédire 50 % des décisions d'achats. 500 équipes de 49 pays différents ont participé à ce challenge qui permets de prédire si un client va acheter et ce qu'il va acheter, en programmant des actions en ligne, basées sur le comportement passé du consommateur.

FIXME: CREATE QUOTE - Le ACM Recsys Challenge 2015 a démontré que l'on pouvait désormais prédire 50 % des décisions d'achats.

La création d'un système de personnalisation est un processus qui nécessite plusieurs étapes :

Codes de tracking et bases de données

Premièrement, beaucoup de données doivent être collectées : toutes les actions d'un visiteur sont enregistrées de façon la plus compréhensible possible, grâce à un « tracking code ».

On obtient ainsi le parcours du client qui contient toutes les informations sur chaque interaction avec les produits et les autres éléments du site : où le visiteur habite t'il, sur quelle sorte d'appareil se connecte t'il ? Quand a t'il cliqué sur la partie « détails » d'un produit, à quel moment l'a t'il placé dans le panier, et quand l'a t'il sorti du panier ? Quel produit a t'il finalement acheté et à quel prix ? A t'il cliqué sur la vidéo du produit, ou lu les commentaires des autres clients ?

Ces informations sont captées dans la respect total de la confidentialité. Les données personnelles n'ont pas besoin d'être enregistrées pour faire tout cela, un code d'identification unique (ID) est suffisant pour récolter ces informations.

Les structures de e-commerce les plus importantes peuvent récolter très rapidement des millions de données par mois.

Les bases de données NoSQL sont de plus en plus utilisées pour le stockage. Elles sont très efficaces pour récolter des quantités énormes de données et cela à un coût très compétitif. Au bout d'une certaine période de stockage, elles permettent des analyses de la data extrêmement puissantes. La quantité des ces datas historiques est le carburant de l'apprentissage automatique (machine learning), et cela permet d'entrevoir ce que l'on pourra réaliser dans le futur.

Le « feature engineering »

Les outils de mesure classiques ne sont pas assez puissants pour créer des prévisions précises sur les décisions d'achat. Une des étapes la plus cruciale dans ce processus s'appelle le « feature engineering ».

Dans ce processus, l'analyste examine les données enregistrées pour trouver LA caractéristique clé qui permet d'établir la bonne prédiction. Dans la première étape de cette phase de recherche, il peut y avoir des centaines de caractéristiques : le moment de la journée de la connexion ou le jour de la semaine, par exemple ; le temps écoulé entre deux actions du visiteur, et les informations glanées autour de ces actions, combien de temps le visiteur passe t'il à regarder la partie détaillée du produit, etc…

La confrontation d'actions différentes est très souvent utile. Par exemple, si l'on visite la page d'un produit plusieurs fois dans une session, ou au début ou à la fin de la session : si un produit a été placé dans le panier et si ce produit a ensuite été enlevé du panier.

10 à 12 caractéristiques sont suffisantes

Identifier les caractéristiques de visites les plus pertinentes est le plus gros challenge des sites marchands.

En principe, plusieurs milliers de combinaisons sont possibles. Seulement 12 caractéristiques doivent être utilisées pour proposer une prévision viable.

Challenges techniques et solutions

Les modèles de pronostics sont préparés une fois par jour et stockés dans une base de données de premier niveau. Chaque calcul de recommandation de produit se fait en quelques millisecondes. Lorsque l'utilisateur navigue sur le site, ses actions sont trackées et comparées aux prévisions, et c'est ainsi que les dernières recommandations personnalisées lui sont présentées. Cela peut influencer l'ordre des résultats de ses futures recherches ainsi que l'apparence du site personnalisé. Des fonctions de filtrage peuvent aider à affiner la personnalisation et à offrir des résultats encore plus précis.

Software as a Service

L'utilisation de NoSQL ou d'un autre service de base de données en mémoire, connecté avec un serveur performant, est nécessaire pour une personnalisation efficace. C'est là qu'intervient le Software as a Service. Les e-commerçants peuvent bénéficier des services de personnalisation sans avoir à gérer des bases de données et des serveurs. On donne une API aux commerçants, avec laquelle ils vont pouvoir créer leurs recommandations et leurs résultats de recherches. N'importe quel site de e-commerce peut donc profiter de la personnalisation.

eZ Personalization

Si vous envisagez d'utiliser un outil de personnalisation sur votre site, ou êtes intéressés par une alternative à votre système de recommandation actuel, n'hésitez pas à jeter un œil à eZ Personalization. Basé sur la technologie de YOOCHOOSE eZ Personalization aide les commerçants en ligne à augmenter leur taux de conversion, à fidéliser leurs clients et à augmenter leur chiffre d'affaire.