Cas d’usages IA & Data dans le Retail — 1

Published in

AMASAI Conseil

10 min readJul 26, 2019

Partie 1 — Les cas d’usages les plus courants

L’Intelligence Artificielle a un impact majeur dans l’industrie du commerce de détail. En effet, elle permet à la fois d’améliorer l’expérience sur les boutiques en ligne et d’armer les boutiques physiques avec des technologies leur permettant d’arrêter l’attrition en masse vers le e-commerce.

Le e-commerce a été le premier secteur à tester l’IA, ce qui n’est pas surprenant puisque les vendeurs en ligne ont toujours été les premiers à adopter les nouvelles technologies. Mais les boutiques physiques les ont lentement rattrapés.

Nous allons voir plusieurs exemples d’utilisation de l’IA dans des contextes e-commerce et boutiques physiques.

Améliorer l’expérience client

Le plus gros impact de l’IA se situe au niveau de l’expérience client. Les entreprises qui en tirent pleinement profit voient leurs ventes et la fidélité exploser.

En effet, pour réussir, il y a trois choses sur lesquelles toutes boutiques en ligne ou hors ligne doivent se focaliser :

Savoir ce que le consommateur veut,
Savoir quand le consommateur le veut,
Lui offrir ce qu’il veut au meilleur prix.

L’IA permet d’obtenir des résultats sur ces 3 leviers. Quand vous avez des données à propos des goûts, besoins, niveaux de revenu, et autres informations démographiques sur vos clients, vous serez à même de prédire ce qu’ils recherchent et pourquoi ils en ont besoin. En mettant ces produits devant leurs yeux au bon moment, les entreprises peuvent augmenter leurs ventes.

Systèmes de recommandation

Les systèmes de recommandation donnent une bonne illustration de ceci tout en étant de plus en plus faciles à mettre en œuvre.

Il s’agit de mettre en avant, que ce soit sur le site web, dans des emails ou autres, des produits qui pourraient intéresser le client. Comme exemples connus, on peut citer la suggestion de livres sur Amazon ou de films sur Netflix.

*Recommandation produits lors de l’ajout au panier chez Yves Rocher*

Il y a deux types de systèmes de recommandation, les non-personnalisés et les personnalisés :

Les systèmes de recommandation non-personnalisés sont génériques et se basent uniquement sur les historiques d’achats, les opinions et retours des autres utilisateurs. On va par exemple avoir ces produits recommandés en page d’accueil ou le fameux “les utilisateurs qui se sont intéressés à cet article ont aussi acheté…”.
Les systèmes de recommandation personnalisés se basent sur le profil de l’utilisateur et essaient de faire correspondre des produits à ses goûts en se basant sur sa consommation passée, son comportement en ligne et en magasin, ses réactions aux emailings, ses informations démographiques, etc.: tout un ensemble d’informations comparées à celles des autres utilisateurs pour identifier des profils similaires.

*Etam a personnalisé ses pages catégories de façon à ce que chaque client ait une vue personnalisée de cette page, avec un ordonnancement individualisé.*

Des acteurs comme Target2Sell ou RichRelevance permettent de mettre en place rapidement des systèmes de recommandation lorsque l’infrastructure Big Data ou les ressources de l’entreprise ne permettent pas de développer une solution ad hoc.

Marketing Direct et Analytics

Le marketing direct utilise beaucoup les données analytiques pour cibler les campagnes publicitaires au mieux.

Mais l’intelligence artificielle permet d’aller plus loin et de lancer des campagnes marketing ou de re-targeting ultra ciblées. Par ailleurs, elle permet d’automatiser tout le process de marketing ciblé et de le tailler sur mesure pour les clients.

La marque Cosabella a ainsi accru le chiffre d’affaires en provenance des emails de 60% tout en divisant le temps de travail manuel de création de messages par deux (et en améliorant significativement la qualité esthétique de ceux-ci), ainsi qu’en doublant la base de données d’abonnés (forte réduction des désabonnements et nombre d’abonnements en croissance).

Cosabella a utilisé la solution de Marketing Automation d’Emarsys pour arriver à de tels résultats mais d’autres solutions existent sur le marché.

Personnalisation du site web

Selon le profil de la personne qui visite un site e-commerce, par exemple de vêtements, ses besoins et ses attentes vont diverger. Est-ce une femme ou un homme ? Un parent ? Une personne sur le point de se marier ? Une personne qui a l’habitude d’acheter des costumes ? Une personne qui recherche plutôt des vêtements confortables ou plutôt les dernières tendances ?

La personnalisation peut être manuelle : c’est le marketer qui fixe les critères qui définissent les différents segments ; ou prédictive : on confie l’analyse des données visiteurs à un algorithme pour qu’il mesure chez chaque visiteur une probabilité d’achat en temps réel.

Différents types de personnalisations peuvent être imaginées et même combinées :

guider le visiteur qui découvre le site pour la 1ère fois : en affichant des pop-ins lui suggérant de consulter certaines pages

proposer des offres personnalisés : afficher une pop-in avec une offre de découverte pour un nouveau visiteur ou une promotion ciblée sur un produit qui intéresse l’internaute

personnaliser la home page : affichage de produits pour hommes si le visiteur est un homme (ou pour femmes si le visiteur est une femme, ou pour enfants si le visiteur vient sur ce site en regardant ou achetant des produits pour enfants) chez Zalando, affichage de vacances à la montagne ou plutôt à la mer chez Club Med, mise en avant de contenu correspondant aux recherches précédentes chez Le Routard, etc. Ces personnalisations peuvent s’effectuer soit en laissant le choix à l’utilisateur lors de sa 1ère visite, soit parce qu’on connaît déjà ses habitudes.

personnaliser le menu de navigation : mettre en première position la catégorie qui intéresse le plus le visiteur comme chez Pencil :

personnaliser en fonction de la météo : par exemple en été on va préférer afficher des maillots de bain ou des robes légères quand il fait très chaud ou des vêtements de pluie et des petits pulls quand le temps est très mauvais.
personnaliser en fonction des produits consultés : afficher en priorité les produits qui correspondent aux goûts des visiteurs
personnaliser en fonction du pouvoir d’achat : en se basant sur les critères de recherche de prix ou sur les achats précédents de l’utilisateur, afficher en priorité les produits qui correspondent aux tranches de prix auxquelles il est habitué
personnaliser en fonction de ce qui est tendance là où est géo-localisé le visiteur :

personnaliser en fonction du point de connexion : la personne en quête d’inspirations regardera davantage sur son mobile, sur Instagram ou dans ses emails. Mais elle y passera probablement moins de temps que depuis son ordinateur.

Il ne s’agit là que de quelques exemples mais les possibilités de personnalisation sont dé-multipliables à partir du moment où les informations sont disponibles.

Cette technique est très efficace car, les utilisateurs ne veulent pas perdre leur temps avec des produits qui ne les intéressent pas. Les personnes qui achètent en ligne sont pragmatiques, elles veulent trouver rapidement ce qu’elles cherchent.

Les entreprises qui ont déjà une équipe de data scientist et des développements se basant sur l’analyse du comportement des internautes peuvent assez facilement compléter leurs outils existants pour mettre en place cette personnalisation. Sinon, elles peuvent utiliser des outils comme Kameleoon ou AB Tasty qui sont spécialisés dans la personnalisation et ont déjà fait leurs preuves.

Optimiser ses campagnes publicitaires en ligne et ses investissements

Les solutions de personnalisation offrent également des possibilités d’A/B testing, permettant à la marque de tester à la fois 20 images, 20 titres, 20 rédactionnels différents, placer tous ces mots à des endroits différents du site, 24h sur 24, chaque jour de l’année, et être capable ainsi d’acquérir beaucoup de données et d’informations et de prendre les bonnes décisions.

Pricing dynamique et Motivations d’achats

Avec les avancées technologiques, la plupart des entreprises se reposent sur le pricing dynamique qui est une technique efficace pour accrocher le client. Cela consiste à afficher un prix différent à chaque client, en fonction du stock disponible et de l’intérêt que le client montre pour le produit. L’idée est d’offrir le prix qui corresponde exactement à l’offre et à la demande au moment même où le produit est consulté.

Le challenge avec cette stratégie est d’avoir en permanence un coup d’avance sur ses concurrents. L’IA peut aider sur ce point en prédisant la demande pour le produit sur le marché et le bon prix à attribuer. Il est maintenant possible d’étudier les comportements des clients, leurs envies et habitudes d’achat en tenant compte de douzaines de paramètres qui peuvent même inclure la météo et la demande saisonnière.

Prévision de stocks

Chez Vekia, l’Intelligence artificielle est mise au service de la Supply Chain : “Les algorithmes traitent la totalité des données disponibles, comme les historiques de vente sur plusieurs années, les données de stock et de logistique, et avec ces informations, nous pouvons donner avec précision des prévisions de vente, reconstituer ce que l’on nomme les ventes potentielles en fonction des ruptures qui ont pu avoir lieues par le passé. De ces prévisions de vente, on génère les propositions de commandes d’approvisionnement, et nous sommes capables de planifier la totalité des opérations pour les magasins et les entrepôts.”.

Ainsi, Leroy Merlin serait parvenu à baisser ses niveaux de stocks en France de 8%, soit une économie de l’ordre de 60 millions d’euros. But serait parvenu à augmenter de 4% son chiffre d’affaires par m², soit un impact de 71 millions de d’euros.

Créer des lignes de produits adaptées aux consommateurs

Cosabella utilise l’IA pour analyser le comportement des consommateurs dans l’optique de suivre les tendances populaires. L’objectif pour la marque est d’être en mesure de prédire les modèles qui auront du succès et de développer les prochaines collections en fonction. Cosabella a même lancé une catégorie de produits entièrement nouvelle destinée à un segment de clientes identifié grâce à l’IA.

Chatbots

Mis à disposition sur le site de l’enseigne ou sur un outil de messagerie instantané comme Facebook Messenger, Whatsapp ou Slack, les chatbots permettent de fournir un renfort aux services clients et aux équipes en magasin, en répondant à des questions basiques que leur posent les internautes. Ces bots nourris à l’IA ont accès au catalogue produit et aux inventaires. Ainsi, les vendeurs n’ont plus besoin de courir pour vérifier une référence et disposent des outils leur permettant d’être plus efficaces (état du stock, vision du catalogue, etc.).

Chez Macy’s, le chatbot est connecté au système d’information de l’entreprise et donc à toutes les informations relatives aux inventaires et aux commandes. Cet agent virtuel est capable de répondre à un quart des requêtes qui lui sont faites. Il peut indiquer précisément où se trouve un produit commandé ou trouver une promotion adaptée au contenu du panier d’un client. Quand il ne peut pas satisfaire la demande qui lui est faite, il oriente le client vers un conseiller. Dans ce cas, la transition est sans couture : le collaborateur a accès à l’intégralité de la conversation et peut alors répondre très rapidement au client.

Cet agent virtuel permet aussi à Macy’s de recueillir de précieux insights sur ce qui se passe sur son site, de voir ce que demandent les clients pour, éventuellement, faire des ajustements en temps réel. En fait, il est tellement efficace que l’enseigne songe à l’intégrer à d’autres canaux.

Certaines enseignes vont un cran plus loin en permettant de passer des commandes directement via le chatbot. C’est le cas pour Oui.sncf via Facebook Messenger, Taco Bell via Slack ou encore Starbucks via leur application “My Starbucks Barista”. Cette dernière prend les commandes par voix ou texte et quand le client arrive à son Starbucks préféré, la commande l’attend et il n’a pas à faire la queue.

Les cas d’usage présentés dans cet article sont de plus en plus répandus et de nombreuses start-up proposent des outils clés en main pour les mettre en oeuvre. Nous verrons dans une seconde partie des cas d’usage un peu plus innovants et moins répandus.

— -

Sources :

Originally published at AMASAI.