Voici les recommandations de produits personnalisées

Cela permet d'éliminer les incertitudes du e-commerce en seulement 3 étapes :

1. Tout d'abord, vous connectez votre boutique dans Mailchimp.
2. Ensuite, nous analysons vos données de vente et faisons le calcul pour vous.
3. Enfin, vous déposez un bloc de recommandations de produits personnalisées dans votre campagne et vous cliquez sur Envoyer.

C'est aussi simple que cela ! Nous générerons des recommandations personnalisées pour les produits que vos clients sont susceptibles d'acheter, ce qui vous fera gagner beaucoup de temps et d'efforts et vous permettra de faire des choses intéressantes comme :

• Inclure des recommandations de produits personnalisées au bas de votre prochaine campagne standard
• Mettre en place un flux de travail d'automatisation pour envoyer à un nouveau client des recommandations de produits personnalisées quelques semaines après son achat
• Envoyer des recommandations de produits personnalisées aux clients qui ont acheté quelque chose il y a un certain temps et qui sont inactifs depuis

Voici comment fonctionnent les recommandations de produits personnalisées…

Prenons l'exemple d'une boutique qui vend des "goodies" et autres articles à l'effigie de Mailchimp. Voici Tonee ! Tonee a bon goût, aime notre magasin et vient d'acheter une chemise. Génial.

Mais, c'est tout ce que nous savons. Nous pouvons segmenter les campagnes et déclencher des flux de travail d'automatisation à l'aide de ces données, mais il nous reste à déterminer ce qu'il faut dire. Ce serait génial si nous pouvions utiliser cette commande pour deviner quel pourrait être le prochain achat de Tonee. Ensuite, nous pourrions envoyer un e-mail au sujet de ce produit. 

D'accord, parfait. Je parie que les données nous indiqueront quel produit recommander. Ça semble facile, non ? Visualisons tous les clients et les commandes de notre faux magasin :

Cela peut être difficile à comprendre. Le volume des données à analyser est important, et il faut du temps et des efforts pour donner un sens à celles-ci. Heureusement, nous pouvons faire des calculs pour identifier les tendances importantes.

Il s'avère que les personnes qui achètent une chemise achètent souvent des chaussettes et, dans une moindre mesure, un chapeau. Elles ne sont pas non plus intéressées par les cartes, les figurines ou les livres. C'est ainsi que nous avons transformé nos données d'achat en informations exploitables. Nous pourrons alors recommander les chaussettes et le chapeau à Tonee dans notre prochaine campagne.

Mais attendez, que se passe-t-il si un abonné n'a rien acheté ? Dans ce cas, il recevra une liste d'articles qui se sont bien vendus ces derniers temps, et personne ne recevra de recommandation pour un article qu'il a déjà acheté ou qui était en rupture de stock lorsque la recommandation a été générée.

Les recommandations de produits personnalisées reposent sur cette idée générale, mais elles sont un peu plus complexes que cela dans la pratique. Elles sont encore plus complexes si vous avez des milliers de produits et de clients, mais rassurez-vous, si votre boutique est connectée, nous nous chargeons de la partie difficile.

… et voici où les choses deviennent un peu plus techniques

Nous savons que notre modèle de recommandations de produits personnalisées fonctionne, car nous l'avons testé en coulisses. Nous avons testé l'utilisation des données de millions de clients, de produits et de commandes parmi nos clients d'e-commerce et avons fait des recommandations de produits personnalisées sur la base de ces données. Ensuite, nous avons comparé nos recommandations de produits personnalisées ainsi que les sélections aléatoires de produits aux achats réels à l'aide d'une mesure appelée gain cumulatif actualisé (DCG). Pour finir, nous avons tracé le rapport médian entre les recommandations et les sélections aléatoires de produits pour chaque magasin. Une valeur supérieure à 1 indique que nous avons appris quelque chose sur les préférences des clients et les futurs achats prévus.

Les recommandations personnalisées ont été en mesure de prédire les futurs achats dans plus de 98 % des cas. Nous avons également utilisé ces données pour définir les critères qu'un magasin doit remplir avant d'obtenir des recommandations. Voici ce dont votre magasin a besoin pour utiliser les recommandations de produits personnalisées :

• Plus de 50 clients différents au cours de l'année passée
• Plus de 10 produits disponibles
• Plus de 500 commandes au cours de l'année passée

Mais ! Pour les magasins plus récents ou ceux qui ne répondent pas à ce critère, vous pouvez toujours envoyer les articles les plus vendus plutôt que des recommandations personnalisées.

Commencer à recommander

Pour commencer, vous devez télécharger des données d'e-commerce contenant des images de produits, des liens et des montants d'inventaire. Nos intégrations à Shopify et à BigCommerce le feront pour vous, mais vous pouvez également le faire vous-même avec l'API Mailchimp. Notre intégration Magento, disponible en téléchargement depuis le 7 juin 2016, offrira également ces fonctionnalités.

Une fois que vous aurez connecté votre boutique à Mailchimp, le bloc recommandations de produits personnalisées sera disponible dans l'éditeur glisser-déposer.

Nous espérons que les recommandation de produits personnalisées vous aideront à pénétrer dans le monde du marketing axé sur les données. Avant tout, nous croyons que vos données doivent vous aider à prendre des décisions plus intelligentes, et non vous submerger. Nous espérons que notre nouvel outil vous fera gagner du temps et augmentera vos revenus en générant sans effort un contenu qui a simplement du sens. Faites-nous part de vos commentaires lorsque vous l'aurez essayé.