Comment prédire ce que votre client veut ensuite – PromptCloud

Les clients, quels que soient l'industrie et le marché, sont désormais bombardés de nombreuses publicités de toutes les plateformes médiatiques, ainsi que d'e-mails marketing génériques. Cela a nui au niveau de confiance des clients tout en les rendant aveugles à la plupart, sinon à la totalité, de ces communications. Cela a marqué la fin du marketing générique non ciblé, même si cela est encore en pratique dans de nombreuses entreprises. Avec tout le bruit qui l'entoure, le marketing non ciblé ne fonctionne tout simplement plus ; d'autant plus que les milléniaux n'ont qu'une durée d'attention de 5 secondes pour les publicités.

Il n'y a rien à craindre maintenant que toutes les entreprises ont accès à des données structurées et bien organisées sur leurs consommateurs et leurs préférences, ainsi qu'à la capacité de surveiller les médias sociaux pour les conversations en direct dont leur marque pourrait vouloir être au courant. Cette mine d'or de données peut permettre aux entreprises de proposer des campagnes marketing sur mesure et des offres trop intéressantes pour être ignorées.

L'une des tactiques clés pour faire plus de ventes à cet égard est NBO ou Next Best Offer. L'adoption précoce par Amazon d'un moteur de recommandation pour inciter les acheteurs à passer des commandes en fonction de leurs visites de pages, de leurs recherches et de leurs commandes passées peut être considérée comme l'origine de NBO.

Ensuite, les processus et technologies Best Offer sont essentiels pour obtenir un avantage concurrentiel durable et améliorer les taux de réponse jusqu'à 10 fois par rapport à une campagne générique.

Voici quelques implémentations populaires de moteurs de recommandation :

LinkedIn : « Emplois qui pourraient vous intéresser »

Amazon : "Les clients qui ont acheté cet article ont également acheté"

Facebook : "Les gens que vous connaissez peut-être"

Netflix : "Autres films que vous pourriez apprécier"

Maintenant que nous avons établi l'importance d'un système NBO pour les entreprises qui tentent d'avoir un impact dans ce monde bruyant du marketing, voyons comment procéder pour l'appliquer dans votre entreprise.

La première et principale condition préalable à cela est un moteur de recommandation qui utilise des techniques de filtrage collaboratif pour générer des recommandations adaptées aux différents utilisateurs. Explorons plus sur les moteurs de recommandation.

Moteurs de recommandation : comment ils fonctionnent

Il existe 3 grands types de moteurs de recommandation, et ils fonctionnent tous différemment. Le choix du bon type dépend entièrement de votre modèle d'entreprise et de vos besoins.

1. Filtrage collaboratif :

Dans ce modèle de moteur de recommandation, les recommandations sont basées sur les achats passés de l'acheteur. Si un utilisateur a acheté un produit particulier, les recommandations de produits pour lui seront dérivées du comportement d'achat de toutes les autres personnes qui ont acheté ce produit particulier.

Par exemple, si vous achetez l'iPhone 7 d'Apple, le système examinera l'historique des achats des autres utilisateurs qui ont acheté l'iPhone 7. Supposons que la plupart des personnes qui ont acheté l'iPhone 7 aient également commandé un type particulier d'étui de protection peu après l'achat. Cela aboutirait à ce que le système recommande le même étui de protection aux nouveaux acheteurs.

Le filtrage collaboratif est une approche très efficace lorsque la quantité de données disponibles est élevée. Cependant, sans suffisamment de données, les recommandations pourraient manquer de pertinence et ne donneront pas les résultats escomptés. Si vous avez une large base d'utilisateurs, le filtrage collaboratif peut être utilisé pour construire votre moteur de recommandation en toute confiance.

2. Filtrage basé sur le contenu :

Dans le modèle de filtrage basé sur le contenu, chaque élément reçoit certains mots-clés et attributs qui lui sont spécifiques. En fonction des préférences de l'utilisateur, le moteur de recommandation attribue une pondération à ces attributs pour les utilisateurs. Afin de suivre cela, un profil est créé pour chaque utilisateur où leurs goûts et leurs aversions pour divers attributs sont stockés. Le moteur de recommandation peut faire correspondre le profil de l'utilisateur avec les attributs du produit, générant ainsi des recommandations pertinentes.

Cette approche n'est pas très efficace car attacher des attributs aux éléments est difficile et le manque de détails au niveau granulaire rendrait les recommandations vagues et non pertinentes. Une autre limitation du modèle de filtrage basé sur le contenu est que le système ne sera pas efficace pour suggérer différents types de produits. Par exemple, si un utilisateur a commandé un certain type de livre, le système peut être en mesure de recommander des livres similaires, mais pas des jeux, des films ou d'autres types de produits.

3. Modèle hybride :

Comme son nom l'indique, le modèle hybride réunit les deux modèles pour créer un moteur de recommandation puissant et précis. Un modèle hybride peut être construit soit en ajoutant des fonctionnalités basées sur le contenu à un modèle collaboratif (ou vice versa), en combinant deux modèles distincts, soit en créant un modèle personnalisé. Netflix est un adopteur populaire du modèle hybride et la pertinence de leurs recommandations est une raison suffisante pour suivre cette voie.

Lorsque les deux approches sont combinées, vous bénéficiez des avantages des deux et les limites de chacune sont compensées par l'autre. La création d'un modèle personnalisé combinant les qualités des deux modèles nécessiterait des compétences impeccables en science des données et en programmation.

Mesurer l'impact de votre moteur

Maintenant que vous avez mis en place le bon moteur de recommandation pour votre modèle commercial, il est essentiel de mesurer son impact sur vos résultats, comme l'augmentation des revenus, la réduction du taux de désabonnement et l'amélioration de l'expérience utilisateur.

Pour évaluer l'impact, vous devez vous poser quelques questions de base :

1. Dans quelle mesure les recommandations sont-elles fines par rapport aux besoins des utilisateurs ou sont-elles très larges ?
2. Les actions des utilisateurs sont-elles affectées en réponse aux recommandations ?
3. Les utilisateurs sont-ils disposés à recevoir ces recommandations et les trouvent-ils utiles ?

Construire un moteur de recommandation va être un investissement considérable pour votre entreprise, à la fois techniquement et financièrement. Cependant, s'il est mis en œuvre correctement avec des objectifs clairement définis, il peut propulser votre entreprise au niveau supérieur.

Conclusion

NBO est clairement une tactique avec un énorme potentiel et l'investissement dans la construction d'un système est rentable en peu de temps. L'ignorer peut vous faire perdre vos clients au profit de concurrents suffisamment intelligents pour créer un système de recommandation. Étant donné que les clients sont maintenant bombardés de campagnes marketing de partout, ils ne vont pas prêter attention à celles qui ne sont pas pertinentes et c'est là qu'interviennent les moteurs de recommandation. Bien que tout va bien avec les moteurs de recommandation, la pertinence de vos recommandations serait ce qui déciderait des résultats. vous pourriez obtenir de cela.