Un système de recommandation à pour objectif de suggérer des produits à un utilisateur en se basant sur différents critères (son historique de navigation, son historique d'achat, ses goûts et préférences, etc). Un système de recommandation requit généralement 3 étapes :
- collecter des informations sur l'utilisateur
- traiter ses informations
- extraire une liste de recommandation
Comment collecter des informations ?
Il y a 3 grandes catégories de données que l'on peut récupérer sur un utilisateur :
Les données explicites :
- il a appuyé sur un bouton de partage (like, tweet, pin, etc)
- il donne une note à un produit (sur 5 par exemple)
- il a laissé un commentaire
- il a indiqué ses préférences
- etc
Les données implicites (se basent sur l'observation du comportement de l'utilisateur)
- les pages vues avec un temps de lecture minimum
- le nombre de fois qu'il a vu une page
- son historique d'achat (le type de produit qu'il achète, la tranche de prix, etc)
Que faire avec ses informations ?
Un fois qu'on a collecté tous ses informations, il faut savoir quoi en faire.
Et à partir de la il y a plusieurs possibilités. On peut par exemple faire :
Des recommandation sociaux
On croise les données d'un utilisateur X avec un utilisateur Y qui semblent avoir les mêmes centres d'intérêts. Si l'utilisateur X semble aimer les mêmes choses que l'utilisateur Y, on suggèrera à l'utilisateur X les produits qu'il n'a pas encore acheté mais que l'utilisateur Y a fait.
Des recommandations objet
On détermine les caractéristiques d'un objet. S'ils ont des similitudes aux préférences de l'utilisateur (objet déjà acheté avec les caractéristiques similaires, centre d'intérêts, etc), alors on suggère cet objet à l'utilisateur.
Des recommandations proches
C'est un peu similaire à la recommandation objet. La différence, c'est que les objets recommandées non pas des caractéristiques similaires mais proche. Par exemple, des pâtes et du ketchup : Ils n'ont pas de caractéristiques similaires mais une caractéristique proche : Ceux qui mangent des pâtes prennent souvent du ketchup pour en manger avec. La recommandation proche cherche donc les objets complémentaires.
Comment mettre un système de recommandation en place ?
Là encore, il y a plusieurs façons de le faire. Si vous aimez extarnaliser vos compétences, il y a plusieurs services qui proposent d'installer un moteur de recommandation simple. Il y a par exemple
Vous pouvez également lire cet article, si vous désirez avoir un descriptif de ses moteurs de recommandations.
En conclusion
Un système de recommandation peut être quelque chose assez compliquer à élaborer. De plus pour qu'il soit efficace, il faut avoir un certain nombre d'internautes, bien détailles ses produits, avoir recueillis une bonne quantités d'information et utiliser les algorithmes qui correspondent le mieux à l'endroit où il est, le type d'utilisateur, etc. Bien sûr, les exemples d'algorithmes fourni dans cet articles sont ultra simplifiés et il existe plein d'autres approches de recommandation. On peut par exemple combiner plusieurs types de recommandation (recommandation hybride). La chose à retenir, c'est que plus un système de recommandation sera affiné, plus l'objet proposé pourra plaire à l'utilisateur et plus le chiffre d'affaire de votre e-commerce augmentera.
<div class='quizz-container' data-auto-redirect=\"true\" data-quiz='12080' data-width='100%' data-height='auto' >
