Le texte de cet article provient du webinaire Présentation de Recommendations, que vous pouvez visualiser intégralement ci-dessous.
Le webinaire Présentation de Recommendations comprend une exploration en profondeur de la manière de tirer parti de la valeur de Adobe Target Recommendations. Découvrez comment cette activité Target affiche automatiquement les produits ou le contenu susceptibles d’intéresser vos clients en optimisant les suggestions en temps réel basées sur les visites précédentes. Vous pouvez ensuite approfondir l’analyse de l’interface utilisateur de Target pour une présentation détaillée de la création d’une activité Recommendations.
Nous connaissons tous les types de recommandations que nous rencontrons dans le commerce de détail. Les clients attendent de plus en plus ces types de recommandations et les utilisent pour explorer d’autres solutions possibles. Si vous pensez à votre propre comportement d’achat, vous savez que ces recommandations fonctionnent bien. Nous avons presque tous acheté un produit que nous avons d’abord vu dans une recommandation, que ce soit dans un magasin ou sur une propriété numérique.
L’illustration suivante montre une recommandation qui affiche les accessoires qui sont couramment achetés avec un nouveau téléphone, notamment les stations, les coques et les casques.
Mais ce à quoi nous ne pensons pas toujours, c'est comment les marques numériques augmentent la barre des attentes des clients. Nous nous fions de plus en plus aux recommandations personnalisées pour consommer des médias et du contenu. Que voyez-vous en premier lorsque vous accédez à Netflix, Spotify ou YouTube ? Ces marques commencent l’expérience client avec des recommandations. Dans un monde où plus d’alternatives sont disponibles que jamais, il est essentiel que vous puissiez identifier le contenu le plus pertinent pour votre client au moment de l’interaction.
Les marketeurs utilisent Adobe Target pour proposer des expériences personnalisées dans divers secteurs et canaux et pour différents types de clients.
Adobe Target diffuse partout du contenu personnalisé.
Publication : les éditeurs web utilisent Target Recommendations pour recommander des articles aux visiteurs du site et augmenter l’engagement.
Tutoriels vidéo : Adobe Creative Cloud utilise Target pour recommander des tutoriels vidéo aux utilisateurs de Photoshop dans l’application Photoshop.
Jeux : les éditeurs de jeux utilisent Target pour recommander sur leurs consoles des jeux et du contenu aux utilisateurs.
Vente au détail : un détaillant B2B important utilise Target pour recommander des catégories et des produits aux visiteurs récurrents dans le navigateur et son application mobile.
Ce ne sont que quelques exemples de la façon dont les clients utilisent Target pour proposer des recommandations personnalisées.
Quels éléments permettent de créer des recommandations de grande qualité ?
Des recommandations de grande qualité doivent être pertinentes et personnalisées. Vous avez donc besoin de trois éléments pour obtenir la pertinence et la personnalisation :
Commencez par une stratégie.
Une fois votre stratégie définie, vous pouvez commencer l’implémentation de Target Recommendations.
La création de votre implémentation de recommandations comprend trois grandes étapes :
Lorsque vous commencez à utiliser Recommendations, vous transmettez des informations sur chaque article à recommander. Target propose plusieurs options d’intégration pour créer votre catalogue.
La méthode la plus simple et la plus souvent utilisée consiste à envoyer un fichier CSV tous les jours ou toutes les semaines depuis votre système de gestion des informations sur les produits ou de votre système de gestion de contenu. Vous pouvez également transmettre des informations sur la couche de données depuis votre page à l’aide de la bibliothèque JavaScript Adobe Target, utiliser nos API pour transmettre des informations directement depuis votre système source ou tirer parti de notre intégration Adobe Analytics si vous transmettez déjà des données de catalogue à Analytics.
Il se peut parfois que vous souhaitiez combiner plusieurs solutions, en transmettant par exemple la plupart des données quotidiennement par le biais d’un fichier CSV et en transférant plus souvent les mises à jour d’inventaire via une API.
Votre service informatique interviendra généralement pour configurer cette étape.
Quelle que soit la méthode choisie, vous devez inclure des métadonnées sur chaque élément dans trois catégories :
Vous devez ensuite ajouter des balises ou utiliser l’implémentation de Analytics existante pour suivre les événements de conversion (tels que les vues et les achats) qui pilotent les algorithmes Target.
Vous devez veiller à ce que Target connaisse les articles que vos utilisateurs consultent et achètent. Si les achats ne sont pas pertinents pour votre contexte, vous pouvez effectuer le suivi d’un autre type d’événement de conversion, par exemple, le téléchargement d’un PDF, la réalisation d’une enquête, l’abonnement à une newsletter, le visionnage d’une vidéo, etc.
Si vous utilisez déjà Target pour exécuter des activités de test A/B sur votre site, vous avez peut-être déjà effectué cette étape. Si vous utilisez déjà Adobe Analytics pour signaler les visites sur le site et le comportement de conversion, vous pouvez employer Analytics comme source de données comportementales. Si ce n’est pas le cas, il est plus facile de configurer cette configuration à l’aide d’un gestionnaire de balises tel que des balises dans Adobe Experience Platform. Il est également possible d’envoyer des interactions hors ligne ou in-app à Target via l’API en temps réel.
Transmettez des informations sur l’utilisateur et le contexte au moment de l’interaction à Target pour renvoyer des recommandations pertinentes et personnalisées.
Outre le comportement de utilisateur dans une forme agrégée, vous devez transmettre à Target le contexte spécifique où les recommandations sont affichées, notamment des informations sur la page et provenant du profil utilisateur. Target utilise ces informations pour effectuer des recommandations personnalisées. Par exemple, sur un site web de vente au détail, vous souhaitez connaître le produit et la catégorie de produits que le visiteur est en train de consulter. Vous souhaitez également obtenir des informations sur l’utilisateur (marque préférée, catégorie de produits préférée, niveau de fidélité, etc.). Ces informations sont importantes ; elles permettent à Target de filtrer les éléments et d’améliorer la personnalisation des recommandations.
Qu’est-ce qu’une activité de Recommendations ?
Une activité de Recommendations est constituée des composants suivants :
Target comprend 14 audiences, 42 critères et 10 modèles de conception intégrés, prêts à l’emploi. Vous pouvez personnaliser chaque élément ou ajouter les vôtres. Nous avons déjà eu webinaires sur la création d’audiences in Target. Cette section est axée sur la définition des critères qui définissent les éléments recommandés.
Target utilise le concept de carte de critères. Une carte de critères peut être comparée à une recette pour la personnalisation.
Il est important de choisir ou de créer les critères appropriés pour obtenir les résultats souhaités en ce qui concerne la personnalisation. Un critère est comme un entonnoir qui vous mène de votre catalogue entier à votre ensemble final de recommandations.
Les sections suivantes décrivent les différentes parties de cet entonnoir et leur fonctionnement dans Target :
Les filtres statiques sont des règles largement applicables liées aux attributs de catalogue que vous ne prévoyez pas de changer souvent.
Par exemple, dans un contexte de contenu, vous souhaiterez peut-être inclure tous les films dans les recommandations, mais exclure les ceux classés NC-17 aux États-Unis. Dans un contexte de vente au détail, vous pouvez avoir plusieurs marques dans différentes zones géographiques, mais ne vouloir recommander que les produits disponibles aux États-Unis. Vous pourriez également vouloir exclure les produits d’un label privé régional.
Il s’agit d’attributs de catalogue largement applicables que vous souhaitez peut-être utiliser dans plusieurs recommandations et que vous ne prévoyez pas de modifier souvent.
L’étape suivante consiste à choisir une clé et une logique de recommandation. C’est durant cette étape que vous déterminez la base de votre recommandation.
Vous devez choisir en premier lieu la clé de recommandation. La clé de recommandation correspond à ce que vous recherchez pour choisir la recommandation. C’est sur quoi vous basez votre recommandation.
Vous pouvez baser votre recommandation sur :
En fonction de ces clés, vous sélectionnez ensuite la logique de recommandation souhaitée :
Target comprend un portefeuille d’algorithmes prêts à l’emploi.
La dernière étape consiste à appliquer des règles métier en ligne. C’est pendant cette étape que vous enrichissez vos algorithmes avec les connaissances du domaine et le contexte actuel d’après les actions du visiteur sur votre propriété numérique.
Par exemple, dans le contexte du contenu, vous pouvez exclure les films que le visiteur a déjà regardés, recommander des films réalisés par le même réalisateur ou proposer d’autres films appartenant au même genre. Dans le contexte de la vente au détail, vous souhaiterez peut-être exclure les produits en rupture de stock, afficher les articles dont le prix est compris entre 5 et 500 euros ou proposer d’autres articles de la même marque.
Une fois que vous avez effectué les tâches illustrées dans l’entonnoir de recommandation décrit ci-dessus, vous obtenez votre recommandation finale. Pour voir une démonstration intégrée au produit dans Target, accédez à la séquence à 21:00 dans le webinaire sur les notions fondamentales d’Adobe Target.
Présentation de Recommendations