Intelligence Artificielle et e-Commerce : un duo gagnant

Disons-le clairement : l’IA est souvent mal perçue et encore incomprise. La notion même d’intelligence soulève d’interminables débats et quant au terme « artificiel » faut-il entendre qu’il fait référence indirectement aux aspects technologiques ? Notre propos ici n’est pas d’alimenter le débat, mais de proposer une approche pragmatique et surtout de nous concentrer sur les aspects pratiques appliqués et applicables par tous au e-Commerce.

Au lieu d’évoquer l’Intelligence Artificielle, nous préférons parler de Big Data et d’algorithmes. Lorsque nous évoquons les algorithmes, nous convoquons des modèles statistiques. L’IA est ainsi un moyen de faire des prédictions sur des bases rationnelles avec une fiabilité largement supérieure à ce que pourrait faire individuellement un humain dont les capacités cognitives sont naturellement limitées.

Une approche qui pourrait faire écho à celle que nous avons évoquée lors de notre webinar sur ce sujet (voir le replay) lorsque nous faisions allusion aux travaux de Yann Le Cun, le directeur de l’Intelligence Artificielle de Facebook, qui propose de définir l’IA comme « un ensemble de techniques permettant à des machines d’accomplir des tâches et résoudre des problèmes normalement réservés aux humains » .

En d’autres termes, l’IA s’avère être une forme de technologie sur laquelle nous allons pouvoir nous appuyer mathématiquement pour dépasser nos limites afin de mieux prévoir et anticiper nos problématiques quotidiennes et, en ce qui nous concerne, une façon d’améliorer considérablement le commerce online.

Comme le souligne le dernier rapport de la Fevad- KPMG « L’Intelligence Artificielle n’est plus aujourd’hui un concept futuriste pour l’e-Commerce et les e-commerçants en ont largement pris conscience. »

Car les acteurs du e-Commerce ont des questions très concrètes : quels outils utiliser pour améliorer les ventes suggestives ? Comment faire des tests pour optimiser son e-merchandising ? Comment maîtriser vos prix sur l’ensemble des canaux Web marketing lorsqu’on diffuse des flux produits de plusieurs milliers de références ? Comment optimiser votre présence sur les places de marché automatiquement ? Comment automatiser des actions chronophages de référencement ?

En bref, comment les algorithmes vont vous permettre d’adapter de manière fine votre offre et le contenu de votre site en fonction des besoins de vos différentes cibles ?

Nous allons aborder ces différents points à travers trois parties distinctes :

. dans une première partie que nous aborderons aujourd’hui, nous verrons comment l’IA peut s’intégrer au sein du site e-Commerce pour personnaliser l’UX tout en faisant gagner un temps précieux pour les internautes ;

. dans une seconde partie, nous verrons comment l'Intelligence Artificielle est utilisée pour améliorer l’efficacité des dispositifs publicitaires et nous ferons un focus dédié aux machines learning de Google ;

. enfin, dans une troisième partie, nous ferons état de nouvelles solutions algorithmiques qui permettent de piloter les flux produits vers les places de marché ou les canaux Web marketing, en ajustant automatiquement les prix des produits et l’affichage de ces derniers selon le niveau de performance.

Les commerçants souhaitent donner à leurs visiteurs une expérience de visite optimum et leur permettre de trouver le plus rapidement possible des produits qui correspondent à leurs attentes.

Prenons un exemple évocateur : une cliente du site Pataugas a envie de trouver une nouvelle paire de chaussures. À cette étape de la recherche, elle souhaite d’abord faire une recherche par couleur. Elle va donc tout naturellement faire une requête avec le terme « noir » dans la barre de recherche du site. Le système va lui proposer automatiquement un ensemble de produits.

Jusque-là certains pourraient dire qu’il n’y a rien d’exceptionnel et pourraient se demander quel rapport existe-t-il dans cet exemple entre l’Intelligence Artificielle et le travail des algorithmes…

C’est ici que le système est assez subtil. En effet, cette barre de recherche utilise une solution (Doofinder) basée sur un algorithme qui présente des produits pertinents, sans que l'utilisateur ait à valider sa recherche. L'algorithme apprend du comportement utilisateur et s'adapte à ses besoins pour en améliorer son processus d'achat. Il s’agit d’un outil puissant, rapide et intuitif qui aide les internautes à trouver un produit en phase avec leurs attentes car le système a réussi à « comprendre » le type de produit le plus susceptible d’intéresser cette cliente.

Autre exemple, ce dispositif a aussi été mis en place pour le site e-liquide-fr, un des leaders de la vente de cigarettes électroniques. Et les résultats sont au rendez-vous. Selon Julien Goldrajch, le directeur marketing, environ 70 % des recherches effectuées aboutissent à un clic vers un article, et plus de 15 % se convertissent en commandes !

Tous les internautes utilisateurs d’Amazon ont remarqué que le site était véritablement force de proposition pour orienter ou « conseiller » les visiteurs en leur indiquant que « Les clients ayant consulté cet article ont également regardé ou acheté tel ou tel produit… ». Ces recommandations sont souvent particulièrement bien ciblées car le site affine ses suggestions en fonction du profil de l’internaute.

La bonne nouvelle, c’est que ce type de technologie n’est pas l’apanage des leaders du e-Commerce et des mastodontes sectoriels comme Amazon. Les commerçants de toutes tailles peuvent tout à fait profiter de ce type de technologie pour donner à leurs propres utilisateurs un système de recommandation basé sur la personnalisation. C’est le cas du site décocuir qui utilise le système target2sell dont le fonctionnement repose sur le principe que nous venons d’évoquer :

Les recommandations sont personnalisées. Le gestionnaire du site peut donc simultanément pousser des articles complémentaires en suivant sa logique commerciale ou selon son expertise (cf. zone des articles complémentaires, en bas de page sur l'exemple ci-dessus) tout en s’appuyant sur un algorithme de recommandation qui offrira les produits en fonction des visites antérieures de l’internaute et même de ses goûts selon ses commandes précédentes (cf. partie « Nos recommandations »).