Il est judicieux de passer aux recommandations de produits par IA lorsque votre catalogue et votre trafic sont suffisamment importants pour que les listes de ventes croisées manuelles et les règles simples ne puissent plus suivre. Les boutiques avec quelques dizaines de produits, peu de trafic ou des besoins de merchandising très spécifiques obtiennent souvent de meilleurs résultats avec des recommandations traditionnelles sélectionnées à la main, du moins jusqu’à ce que le volume de données augmente.
La question n’est pas de savoir si l’apprentissage automatique est meilleur en général. C’est de savoir s’il est meilleur pour votre boutique, à sa taille actuelle, avec ses données actuelles.
Quels sont les approches traditionnelles ?
Avant que les moteurs basés sur l’IA ne deviennent courants, les boutiques s’appuyaient sur quelques méthodes, dont beaucoup fonctionnent encore bien.
- Produits liés sélectionnés manuellement : un marchand choisit des accessoires ou des alternatives pour chaque article.
- Widgets basés sur des règles : “autres articles dans cette catégorie”, “meilleures ventes”, “nouveautés” ou “récemment vus”.
- Bundles et kits : ensembles fixes définis par l’équipe.
- Segments d’e-mails construits sur des conditions simples, comme la catégorie du dernier achat.
Ces approches sont transparentes. Vous savez exactement pourquoi un article apparaît et vous pouvez le modifier instantanément.
Que font différemment les recommandations par IA ?
Les moteurs d’IA apprennent du comportement de tous les acheteurs. Ils pèsent les vues, les achats, les requêtes de recherche, le temps passé et les attributs des produits pour classer les articles pour chaque visiteur ou contexte. Ils se mettent à jour au fur et à mesure que les modèles changent, de sorte que les tendances saisonnières ou un produit viral peuvent remonter sans que personne n’ait à modifier une liste.
Certains systèmes plus récents utilisent des plongements de langage et d’image pour juger de la similarité, ce qui aide pour les produits ayant peu d’historique de ventes. Des fournisseurs tels que Nosto, Klevu, Algolia, Dynamic Yield, Bloomreach et des services cloud comme Amazon Personalize ou Vertex AI Search for Commerce de Google proposent différents mélanges de ces méthodes.
Quand le changement est-il logique ?
Plusieurs signaux suggèrent que les approches manuelles et basées sur des règles ont atteint leurs limites.
Signaux pointant vers l’IA
- Le catalogue compte des centaines ou des milliers de produits actifs, et les listes sélectionnées sont obsolètes.
- Les produits changent souvent, comme les collections de mode ou les vendeurs de marketplace qui ajoutent des articles quotidiennement.
- Les visiteurs récurrents représentent une grande partie du trafic, donc la personnalisation a un historique sur lequel travailler.
- L’équipe passe des heures chaque semaine à maintenir les listes de produits liés.
- Les widgets “meilleures ventes” affichent les mêmes quelques produits partout, affamant la longue traîne.
Si trois de ces points ou plus décrivent votre boutique, un projet pilote d’IA vaut probablement l’effort.
Quand devriez-vous rester avec les outils traditionnels ?
Changer n’est pas toujours une amélioration. Certaines boutiques perdent le contrôle sans gagner grand-chose.
- Petits catalogues : avec 30 produits, un marchand peut sélectionner de meilleurs liens qu’un modèle avec peu de données.
- Faible trafic : les modèles ont besoin de données d’interaction ; sans elles, les recommandations reviennent de toute façon à la popularité.
- Forte logique experte : les produits techniques où la compatibilité compte, comme les pièces détachées, nécessitent des règles exactes qu’un algorithme peut briser.
- Catégories réglementées : pharmacie ou alcool, où certaines suggestions ne doivent jamais apparaître.
- Budgets serrés : certains moteurs d’IA sont tarifés au trafic ou à la part de revenus, ce qui peut dépasser le gain pour les petites boutiques.
Dans ces cas, améliorez d’abord la configuration traditionnelle : remplissez les produits liés manquants, construisez des bundles sensés et nettoyez la structure des catégories.
Comment comparer les deux équitablement ?
Effectuez un test A/B sur un emplacement, comme la section “vous pourriez aussi aimer” de la page produit. La version A conserve vos règles actuelles ou vos listes sélectionnées ; la version B utilise le moteur d’IA. Gardez tout le reste identique, y compris le design et la position du widget.
Mesurez le revenu par visiteur comme métrique principale et regardez le taux de clics, l’ajout au panier depuis le widget, la valeur moyenne de commande et le taux de retour. Un widget qui augmente les clics mais aussi les retours peut être pire dans l’ensemble. Exécutez le test sur des semaines complètes et assurez-vous que les deux versions reçoivent des sources de trafic similaires.
Pouvez-vous combiner les deux ?
La plupart des boutiques matures finissent avec un mélange. L’IA gère la majeure partie des emplacements personnalisés, tandis que les marchands gardent le contrôle manuel là où l’expertise compte. Les modèles courants incluent l’épinglage d’accessoires critiques pour la compatibilité sur les produits techniques, l’exclusion de certaines catégories des emplacements algorithmiques et l’utilisation de “récemment vus” basés sur des règles aux côtés de “recommandé pour vous” par IA.
Un principe utile : laissez l’algorithme classer, laissez les humains fixer les limites.
Quels coûts devez-vous attendre ?
Les outils traditionnels sont généralement gratuits au sein de votre plateforme ou sont des applications peu coûteuses. Les moteurs d’IA peuvent facturer des frais mensuels, une part des revenus attribués ou une tarification basée sur l’utilisation. La mise en œuvre coûte également du temps : préparation des flux, vérifications du suivi, changements de design et tests. Vérifiez les prix actuels des fournisseurs et demandez comment ils définissent les “revenus attribués”, car des fenêtres d’attribution généreuses peuvent rendre un outil meilleur qu’il ne l’est.
Quelles questions devez-vous poser à un fournisseur ?
Les démos ont toujours l’air bien parce que les fournisseurs choisissent le catalogue et l’acheteur. Posez des questions qui révèlent comment le moteur se comportera sur votre boutique.
- Comment le moteur gère-t-il les nouveaux produits sans historique de ventes ?
- Pouvons-nous exclure des catégories, des marques ou des bandes de marge des emplacements algorithmiques ?
- Comment les revenus attribués sont-ils définis, et sur quelle fenêtre de temps ?
- Que se passe-t-il avec la vitesse de la page lorsque le widget se charge, et est-il chargé de manière asynchrone ?
- Pouvons-nous exporter les journaux de recommandations pour vérifier ce qui a été montré à qui ?
Des réponses claires à ces questions sont un meilleur prédicteur de succès que la démo elle-même.
Comment Alien Road applique les recommandations de produits par IA
Dans un engagement typique, la découverte signifie examiner la taille du catalogue, les niveaux de trafic, la part des visiteurs récurrents et les heures que l’équipe passe sur le merchandising manuel. En utilisant les signaux ci-dessus, nous donnons au client une recommandation claire : piloter un moteur d’IA ou améliorer d’abord les règles actuelles.
Lorsqu’un pilote est justifié, la configuration comprend le nettoyage du flux, les vérifications du suivi des événements dans GA4 ou la plateforme, le choix d’un fournisseur qui correspond à la plateforme et au budget de la boutique, et l’écriture de règles d’exclusion et d’épinglage avec l’équipe de merchandising. Pour la mesure, nous effectuons le test A/B sur un emplacement et comparons le revenu par visiteur, le taux d’attachement et les retours.
Le reporting comprend un résumé simple de ce que la version IA a fait différemment, des exemples de ses recommandations et une décision sur l’opportunité d’étendre, d’ajuster ou d’arrêter. Les boutiques qui restent avec des outils traditionnels reçoivent plutôt un plan de nettoyage pour leurs listes sélectionnées.
Par où commencer cette semaine
Ouvrez vos dix pages de produits les plus vendus et regardez les produits liés affichés. Sont-ils pertinents, en stock et à jour ? Comptez combien d’heures par mois votre équipe passe à maintenir ces listes. Si les listes sont obsolètes et les heures élevées, votre boutique est une bonne candidate pour un pilote d’IA. Si les listes sont précises et peu coûteuses à maintenir, gardez-les et revisitez la question lorsque le catalogue grandira.
Continuer la lecture : E-commerce · E-commerce