Passer au contenu principal
Toutes les collectionsRecommandations
Glossaire des types de recommandation
Glossaire des types de recommandation

Les algorithmes activant l’intelligence artificielle Nosto pour les recommandations de produits en ligne

Maxime Pasquier avatar
Écrit par Maxime Pasquier
Mis à jour il y a plus de 3 ans

Ventes croisées et montées en gamme

Afficher les recommandations de produit liées au produit actuellement consulté comme “Les clients qui ont vu ce produit ont aussi vu”. Les ventes croisées et montées de gamme ont aussi des règles d’inclusion et d’exclusion qui vous permettent de filtrer quel type de produits seront affichés en contrôlant, par exemple, si le bandeau doit montrer des produits similaires ou complémentaires. Le bandeau est également contrôlé par des paramètres de notation qui ajustent la manière dont la pertinence des relations inter-produits sont évaluées. Pour en savoir plus sur les paramètres d’inclusion et d’exclusion cliquez ici, pour les paramètres de notations, .

Recommandations sur page panier

Cet algorithme de recommandation est similaire à celui de ventes croisées et montées de gamme, mais il est destiné à la page panier. Cet algorithme affiche des produits basés sur ceux présents dans le panier et apparaît souvent comme “Les clients qui ont achetés ces produits ont aussi acheté”. Plus il y a d’article dans le panier, plus les recommandations sont pertinentes, car Nosto peut utiliser plus de données comme base pour les produits recommandés. Il vous est tout à fait possible de restreindre les produits affichés via les règles d’inclusion et d’exclusion ainsi que le système de notation.

Recommandations frais de port gratuits

Cet algorithme est à peu de choses près le même que l’algorithme des recommandations sur page panier, mais il inclut des paramètres de visibilités basés sur la valeur totale du panier. À part cela il fonctionne exactement comme l’algorithme précédent.

Best sellers / Meilleures ventes et produits tendances

Cet algorithme est basé sur la tendance générale ainsi que la popularité des produits présents sur votre site. Les produits affichés peuvent être filtrés afin de n’afficher que certaines catégories, marques ou autres attributs en appliquant des filtres d’inclusion et d’exclusion.

Produits géo-ciblés de tendance

Cet algorithme est la version géo-localisée de l’algorithme de best sellers, comprenant les mêmes options, mais recommandant des produits étant tendance dans la zone géographique de l’utilisateur: pays, régions et ville. Plus d’informations ici.

Live feed

Au lieu d’afficher les produits tendances et meilleures ventes, cet algorithme montre les produits avec lesquels les autres visiteurs interagissent en temps réel : voient, mettent au panier et achètent. Et affiche éventuellement la géo-localisation de l’utilisateur concerné. Le flux en direct est conçu de manière à créer un effet de buzz qui est courant pendant les périodes de soldes par exemple.

Recommandations personnalisées

Cet algorithme montre aux visiteurs les articles qu’ils ont consultés et ajoutés au panier mais qu’ils n’ont pas acheté lors de leur visites précédentes, ou les produits qu’ils sont le plus enclin à acheter en fonction de leur comportement précédent, donnant plus de poids aux items visités le plus souvent, le plus de fois et le plus souvent ajoutés au panier. Si un utilisateur n’a pas interagi avec assez de produits, l’algorithme affichera automatiquement des produits alternatifs, mais toujours pertinents. Les recommandations personnalisées ne comportent qu’un seul paramètre supplémentaire, il vous est possible d’exclure les produits déjà présents dans le panier du bandeau. Quand cette option est activée, il est clair que les produits présents dans le panier n’apparaîtront pas. Nous vous conseillons de garder cette option active.

Historique de navigation

Cet algorithme montre à un visiteur les produits qu’il a au préalable consulté. À peu de chose près le même algorithme que celui de recommandations personnalisées si ce n’est que celui-ci ne pondère pas les produits en fonction du nombre de fois qu’ils ont été vus, mis au panier et achetés. Nosto montrera donc les produits vus dans les sessions précédentes. Il va sans dire que cet algorithme utilisant l’historique de navigation du navigateur, il ne s’affichera que si un visiteur a déjà vu au moins un produit.

Lié à l’historique de navigation

Cet algorithme recommandera des produits liés à l’historique de navigation de votre visiteur sur le site en excluant les produits qui ont été vus et achetés, et ceci en comparant le profil du visiteur avec les autres. Dans la pratique, cet algorithme présente des produits qu’un visiteur n’a pas vu auparavant mais liés à son historique de navigation et ses préférences. Étant basé sur l’historique personnel, il va de soi que rien ne sera affiché si un visiteur n’a pas assez de données issues de leurs sessions précédentes ou actuelle. Cet algorithme vous permet de sélectionner aussi des règles d’inclusion et d’exclusion qui vous permettent par exemple de limiter les produits recommandés à certaines catégories ou à une fourchette de prix pré-définie.

Recommandations basées sur les produits consultés après une recherche

Cet algorithme, parfait pour les pages de recherche, montre des produits que les autres visiteurs ont vus après avoir recherché le même terme dans votre outil de recherche interne. Cet algorithme prend en compte les recherches tendances, typographies communes et pratiques qui souvent ne retournent pas de résultats sur site et peut quand même afficher des recommandations.

Recommandations basées sur les produits achetés après une recherche

Similaire à l’algorithme précédent, si ce n’est que celui-là affichera les produits  qui ont été achetés par le visiteurs ayant recherché le même terme. Cet algorithme traque seulement les achats faits après une recherche il va donc de soi qu’une grande quantité de données soit nécessaire pour avoir des résultats probant. Nous vous conseillons de n’utiliser cet algorithme si et seulement vos visiteurs utilisent massivement la fonction de recherche de votre site, dans le cas contraire, préférez l’algorithme précédent.

Recommandations liées à la commande passée

Cet algorithme montre des produits qui sont liés à ceux présents dans la dernière commande du client. Le meilleur usage est d’utiliser cet algorithme sur la page de remerciement de commande, une fois que l’achat est complété.

NOTE: Si vous désirez utiliser cet algorithme sur une autre page, Nosto recommandera des produits liés à la dernière commande en date.

Recommandations sur landing page

Cet algorithme affichera les produits pour lesquels des clients venant tous de la même source, telle que les campagnes publicitaires PPC, ont montré un intérêt. Typiquement utilisé sur les landing pages, articles de blog à propos d’une catégorie, d’une marque ou de produits saisonniers spécifiques. Ceci se fait automatiquement après que des visiteurs venant d’un dénominateur commun interagissent avec du contenu.

Les recommandations sur landing page prennent en considération les tags UTM et paramètres Google gclid, de facto automatiquement groupe les utilisateurs en fonction du canal publicitaire et détermine leurs intérêts après engagement avec du contenu.Cet algorithme fonctionne automatiquement lorsqu’il est utilisé sur la page cible et n’a pas d’options additionnelles, cependant dû à sa nature nous recommandons d’utiliser des solutions de repli avec.

Recommandations par sélection manuelle

Choix effectué manuellement. Cet algorithme affichera toujours les mêmes produits que ceux que vous aurez paramétré en fonction de leurs identifiants Nosto. Pensez à vérifier que ces produits sont bel et bien en stock car même via la sélection manuelle, Nosto n'affiche pas les produits hors stock.

Recommandations aléatoires de produit

Cet algorithme montre des produits totalement au hasard parmi ceux présent dans le catalogue Nosto. Cet algorithme a généralement pour but de débuguer et tester dans le cadre d’environnements tests.

NOTE: Nosto supprime les données clients après 15 mois d’inactivité. Gardez cela en tête lorsque vous utilisez des algorithmes nécessitant des données clients.

Avez-vous trouvé la réponse à votre question ?