Moteur de recommandation produits
Définition express
Un moteur de recommandation produits est un logiciel qui suggère les produits qu'un acheteur a le plus de chances de vouloir. Il s'appuie sur son comportement, les caractéristiques des produits, les achats de clients semblables ou ce qu'il demande dans une conversation.
Sur cette page
Les grandes approches
Le filtrage collaboratif recommande ce qu'ont acheté ou consulté des personnes au comportement semblable. Le filtrage collaboratif « article à article » d'Amazon, décrit par Linden, Smith et York en 2003, a rendu célèbre le « les clients ayant acheté cet article ont aussi acheté ». Le filtrage par contenu recommande des produits dont les caractéristiques ressemblent à celles des produits appréciés par l'acheteur. Dans la plupart des boutiques, des règles et du merchandising — meilleures ventes, marges, nouveautés — s'ajoutent par-dessus.
Chaque approche a sa faiblesse connue : le filtrage collaboratif demande beaucoup de données de comportement et peine avec les nouveaux produits et les nouveaux visiteurs, tandis que le filtrage par contenu exige des caractéristiques produits propres et homogènes.
Les recommandations conversationnelles
Une approche plus récente laisse l'acheteur exprimer son besoin avec ses mots : « un cadeau pour un enfant de 10 ans qui aime les sciences, à moins de 40 euros », « un aspirateur pour un appartement avec des animaux ». Un assistant IA interprète la demande, cherche dans le catalogue par le sens et avec des filtres structurés — prix, stock, taille, marque — et explique pourquoi chaque suggestion convient.
Cela fonctionne bien pour les visiteurs sans historique et pour les achats réfléchis, où l'acheteur a des questions. Tout dépend de la qualité des données produits : si les tailles, matières ou compatibilités manquent dans le catalogue, l'assistant ne peut pas s'en servir.
Les pièges
Recommander des produits en rupture, des produits qui ignorent une contrainte exprimée, ou le même best-seller à tout le monde érode vite la confiance. Les prix affichés dans une recommandation doivent correspondre au catalogue à jour. Et les recommandations se jugent sur le résultat pour le client — a-t-il trouvé ce qu'il lui fallait ? — et pas seulement sur les clics.
Les recommandations produits dans AI SmartTalk
AI SmartTalk indexe les catalogues produits de Shopify, PrestaShop, WooCommerce et Joomla, ainsi que les produits importés par son API. L'assistant y cherche par le sens et avec des filtres de fourchette de prix, de stock, de marque, de catégorie et d'attributs de déclinaison, peut exclure les termes que l'acheteur écarte, et affiche les résultats dans le chat sous forme de fiches produits avec le stock et les remises.
Questions fréquentes
Quelle différence entre filtrage collaboratif et filtrage par contenu ?
Le filtrage collaboratif s'appuie sur le comportement des autres acheteurs (ceux qui ont acheté X ont aussi acheté Y). Le filtrage par contenu s'appuie sur les caractéristiques des produits eux-mêmes (cette veste ressemble à celle-ci).
Faut-il beaucoup de données pour recommander des produits ?
Pour les recommandations fondées sur le comportement, oui. Les recommandations conversationnelles et par caractéristiques demandent surtout un catalogue bien décrit, ce qui les rend accessibles aux petites boutiques.
Un chatbot IA peut-il recommander des produits ?
Oui, s'il est relié au catalogue à jour. Il doit filtrer sur des données réelles comme le prix et le stock, plutôt que de se fier à la mémoire du modèle de langage.