Aller au contenu principal
Retour au dictionnaire e-commerce

Moteur de recommandation produit

Stratégie et analytics e-commerceNiveau Intermediate

Un moteur de recommandation produit est un logiciel qui suggère des produits pertinents à chaque acheteur à partir des données de comportement et des attributs produit.

Image by · CC BY 4.0

Qu'est-ce que Moteur de recommandation produit ?

Un moteur de recommandation produit est un logiciel qui choisit les produits à montrer à chaque acheteur, comme « souvent achetés ensemble » ou « tu aimeras aussi », à partir des données de comportement et des données produit. En e-commerce, il fonctionne sur les pages produit, dans le panier, dans la recherche et dans les e-mails. La plupart des moteurs combinent deux méthodes. Le filtrage collaboratif regarde le comportement : les acheteurs qui ont acheté A ont aussi acheté B. Le filtrage basé sur le contenu regarde les produits eux-mêmes et suggère des articles aux attributs similaires, comme le même style, la même gamme de tailles ou un modèle compatible. Les moteurs hybrides mélangent les deux et ajoutent des règles métier, par exemple exclure les articles en rupture. Les données de comportement exigent du trafic, donc les nouveaux produits et les petites boutiques s'appuient sur les attributs produit, et c'est là que des données incomplètes font mal : un moteur ne peut pas associer « compatible avec le modèle X » si le champ est vide. Notre guide de la modélisation des attributs explique comment structurer ces attributs.

Pourquoi Moteur de recommandation produit compte en e-commerce

Un moteur de recommandation produit aide les acheteurs à trouver des produits pertinents qu'ils n'ont pas cherchés, des accessoires aux alternatives quand un article est en rupture. Bien utilisé, il augmente le panier moyen et aide les acheteurs à découvrir une plus grande partie du catalogue. La qualité des suggestions dépend des données. Les données de comportement sont maigres pour les nouveaux produits et les petites boutiques, donc le moteur s'appuie sur les attributs produit. Des attributs manquants ou incohérents mènent à des suggestions hors sujet, comme des accessoires qui ne vont pas.

Exemples de Moteur de recommandation produit

  • 1Emplacement : page produit, Type : souvent achetés ensemble, Exemple : boîtier d'appareil photo avec un objectif compatible et une carte mémoire
  • 2Emplacement : panier, Type : produit complémentaire, Exemple : piles suggérées pour un jouet qui en a besoin
  • 3Emplacement : page catégorie, Type : articles similaires, Exemple : canapés du même style et de la même gamme de largeur
Image by · CC BY 4.0

Comment WISEPIM t'aide

  • Remplis les attributs sur lesquels s'appuient les moteurs de recommandation, comme le style, la matière et la compatibilité, avec l'enrichissement par AI dans WISEPIM.
  • Classe les produits dans la taxonomie produit Google avec l'AI pour que les articles similaires partagent les mêmes catégories.
  • Synchronise des données produit complètes avec les plateformes connectées comme Shopify, WooCommerce et Magento 2, où les applications de recommandation les lisent.

Erreurs fréquentes avec Moteur de recommandation produit

  • Recommander des produits en rupture de stock ou arrêtés.
  • Alimenter le moteur avec des attributs incomplets, si bien que les articles similaires ne sont pas reconnus.
  • Afficher trop de blocs de recommandation sur une même page.
  • Recommander des produits que l'acheteur vient d'acheter.
  • Ne jamais tester si un emplacement aide ou nuit.

Conseils pour Moteur de recommandation produit

  • Remplis les attributs de compatibilité et de style avant d'activer les recommandations.
  • Exclus les produits en rupture de stock avec une règle métier.
  • Commence avec deux ou trois emplacements et teste chacun d'eux.
  • Utilise une logique différente pour les pages produit (alternatives) et le panier (produits complémentaires).

Tendances autour de Moteur de recommandation produit

  • Une AI générative qui explique pourquoi un produit est recommandé.
  • Des assistants shopping conversationnels qui recommandent des produits dans le chat.
  • Des recommandations respectueuses de la vie privée, basées sur le comportement de session plutôt que sur le tracking.
  • Des recommandations qui pèsent la marge, le stock et les retours, pas seulement les clics.

Outils pour Moteur de recommandation produit

  • Nosto : plateforme de personnalisation et de recommandation pour les boutiques en ligne.
  • Dynamic Yield : plateforme de personnalisation avec des stratégies de recommandation.
  • Algolia Recommend : recommandations construites sur les données de recherche Algolia.
  • Clerk.io : recommandations, recherche et personnalisation des e-mails pour les boutiques en ligne.
  • WISEPIM : PIM pour compléter les attributs produit qu'utilisent les moteurs de recommandation.

Termes associés

Panier moyen (AOV)Prévision de la demandeDigital shelfDigital shelf analyticsOptimisation du digital shelf (DSO)Digital Shelf Readiness

Aussi appelé

Système de recommandation produitSystème de recommandationMoteur de recommandation

Questions fréquentes

Il collecte des signaux comme les vues, les ajouts au panier et les achats, et les combine avec les attributs produit et les règles métier. Un modèle calcule quels produits ont le plus de chances d'intéresser chaque acheteur, et la boutique en ligne affiche les meilleurs résultats dans les emplacements de recommandation.

Le filtrage collaboratif recommande les produits que des acheteurs similaires ont achetés ou consultés. Le filtrage basé sur le contenu recommande des produits aux attributs proches de celui consulté. Le filtrage collaboratif exige beaucoup de données de comportement ; le filtrage basé sur le contenu exige des données produit complètes.

Commence par quelques emplacements, comme « complète le look » sur les pages produit et les produits complémentaires dans le panier. Définis des règles de stock et de marge, puis teste chaque emplacement face à une version sans recommandations et garde ce qui améliore les résultats.

Beaucoup de plateformes e-commerce incluent des fonctions de base pour les produits associés, suffisantes pour un petit catalogue. Un logiciel dédié devient rentable quand tu as assez de trafic et de produits pour que les données de comportement comptent. Dans les deux cas, des attributs complets améliorent les suggestions.

Les nouveaux produits n'ont pas encore de données de comportement, donc le moteur doit s'appuyer sur des attributs comme la catégorie, la marque, le style et la compatibilité. Remplir ces attributs dès le lancement permet aux nouveaux articles d'apparaître dans les recommandations dès le premier jour.

Tu as encore des questions ?

Tu ne trouves pas la réponse que tu cherches ? Contacte notre équipe.

Contacter le support

Continue d'explorer

Une sélection d'étapes suivantes pour aller plus loin.