07 sept. 2023 | 11:00 - 12:00
ECommerce & Publicité : Les Moteurs / Algorithmes de Recommandation
En ligne
Pour ma première venue sur le site, je dois d'abord créer un compte
Pour m'inscrire aux événements et voir les replays, je me connecte
Description
ECommerce & Publicité : Les Moteurs / Algorithmes de RecommandationIls sont la clé du succès mondial d'Amazon, ils génèrent des ventes d'impulsion, des upsales et des up-sales, ils augmentent la satisfaction client, ils accroissent la durée de visite, ils sont essentiels à la rentabilité et aux volumes
Moteurs de Suggestion : les « grands Classiques »
Nous passerons en revue les algorithmes de recommandation et d’interaction, qui constituent un facteur clé de succès des grands sites de e-commerce, ces mêmes algorithmes étant souvent proposés par défaut par les serveurs marchands.
Format des Recommandations
Quels sont les principaux formats et les plus efficaces ?
- Les Recommandations prévente (en fonction des pages visités, des données anonymes)
- Les Recommandations pendant la vente, sur le moteur de recherche et dans le panier
- Les Recommandations post-vente (email, sms, notifications)
- L’utilisation de Bots peut-elle inclure des recommandations ? Peut-on utiliser le bot pour interagir avec le client pendant sa visite pour lui avancer des suggestions ?
- Comment coupler le moteur et le système de gestion des données marketing et commerciale ?
- Quelle structure de données permet de maximiser les recommandations possibles ?
- Définir les objectifs : augmentation du panier, upsale, vente complémentaire
- Comment définir les règles qui permettent d’afficher les suggestions ? A partir des pages et produits visités, des produits achetés, de l’historique des commandes, de la connaissance client, filtrage collaboratif à partir des groupes d’acheteurs types…
- Métriques & Tests des règles de recommandation
- Machine Learning : quelle efficacité, quelle fiabilité ? Comment créer une courbe d’expérience semi-automatisée (machine learning + suivi des KPIs par groupes types) ?
- Comment documenter cette courbe d’expérience et l’améliorer par la méthode des « petits pas » ?
- Quelles sont les solutions du marché les plus complètes, les plus ergonomiques et les plus performantes ?
- Faut-il se contenter du module natif proposé par le serveur marchand ou acheter un best of breed spécifique ?
- Comment s’assurer de la qualité du machine learning embeded ?
