L’intelligence artificielle (IA) est un outil crucial qui aide les retailers à acquérir un avantage concurrentiel. En analysant les données historiques, comme l’historique des achats et les recherches de produits, les retailers peuvent mieux comprendre les besoins et les préférences de leurs clients, et adapter l’expérience qu’ils offrent en conséquence. La technologie est si révolutionnaire que les dépenses en IA dans le secteur du retail ont augmenté de 39 % en glissement annuel (YoY) depuis 2016.
Les organisations qui saisissent l’opportunité de l’IA dès maintenant assureront leur croissance à long terme. Les ventes en ligne représentent actuellement 18 % de l’ensemble des ventes, avec une croissance constante de 1 % par an. Les retailers qui adoptent des stratégies commerciales basées sur l’IA peuvent s’attendre à générer au moins 20 % de revenus supplémentaires car ils acquièrent les insights clients nécessaires pour savoir comment mieux répondre aux attentes de leurs clients.
En outre, à un niveau tactique, l’IA peut soutenir les efforts d’optimisation des moteurs de recherche (SEO), auxquels les gestionnaires de sites d’e-commerce consacrent un temps considérable. L’IA aide les retailers à optimiser leurs sites pour les mots-clés à longue traîne, à construire une structure de liens pour connecter leur contenu, et à maintenir chaque page à jour grâce à l’automatisation.
Dans cet article, nous examinons comment l’IA soutient spécifiquement les retailers avec la recherche pour le commerce, et comment les différentes technologies d’IA améliorent cette fonction pour créer des expériences de recherche personnalisées (et rentables !).
Qu’est-ce que la recherche assistée par l’IA ?
La recherche alimentée par l’IA utilise l’IA pour ajouter de l’intelligence à la recherche en interprétant le contexte du site web et du client pour déterminer l’intention, ainsi qu’en apprenant des données historiques pour produire des résultats plus précis et plus pertinents.
La recherche traditionnelle fonctionne en faisant correspondre les mots-clés d’une requête aux mots-clés stockés dans l’index de recherche. Si les deux termes correspondent exactement, la recherche est efficace. Les retailers peuvent aller plus loin en proposant des outils de recherche avancés, tels que l’autocomplétion ou l’autosuggestion. Cela permet de résoudre le problème des fautes de frappe, qui peut entraîner l’échec du moteur de recherche et l’absence de résultats.
La recherche par IA est différente. Plutôt que de simplement faire correspondre des mots-clés, l’IA utilise des modèles de traitement du langage et des techniques d’apprentissage profond pour améliorer la précision et la pertinence des résultats. Elle réduit les efforts nécessaires pour optimiser les pages produits pour le référencement tout en donnant aux clients exactement ce qu’ils veulent et en aidant les retailers à mettre en valeur leurs vastes catalogues de produits.
L’IA générative change la façon dont les retailers utilisent la recherche pour le commerce, car les modèles peuvent être formés sur un large éventail de données, telles que les descriptions de produits, les avis d’utilisateurs et les flux de médias sociaux. La technologie est si intelligente qu’elle peut capter les plus petits indices pour indiquer ce qui intéresse un client. Elle apprend également au fil du temps. Ainsi, si un client a renvoyé un vêtement parce qu’il n’était pas à la bonne taille, elle pourra lui suggérer une coupe plus flatteuse à l’avenir. L’IA pour la recherche dans le commerce aide les retailers à porter la personnalisation en ligne à un tout autre niveau.
Comment fonctionne l’IA pour la recherche commerciale ?
Chaque année, l’abandon de recherche coûte 300 milliards de dollars aux retailers basés aux États-Unis, simplement parce que les clients se voient présenter des résultats de recherche non pertinents sur leurs sites Web.
L’AI commerce search est capable de fournir des résultats précis et des recommandations personnalisées – et de s’améliorer au fil du temps en apprenant ce qui fonctionne ou non – afin de résoudre le problème de l’abandon de la recherche. Elle associe des méthodes de recherche traditionnelles à des fonctionnalités avancées pour transformer les données en informations exploitables.
Traitement du langage naturel
Le langage humain est souvent non structuré et complexe, ce qui le rend difficile à comprendre pour les algorithmes de recherche traditionnels. Le traitement du langage naturel (NLP) permet aux outils de recherche sur site de comprendre les nuances du langage et d’atteindre l’intention derrière une requête de recherche.
Pour ce faire, le NLP utilise l' »extraction de facettes » pour décomposer les attributs du produit dans une recherche.
La technologie utilise ensuite l’analyse syntaxique pour examiner la disposition des mots dans la phrase, ainsi que des règles grammaticales, afin de comprendre exactement ce que le client recherche, plutôt que de l’obliger à filtrer. La communication devient instantanément plus humaine et l’expérience est beaucoup plus favorable, car le client ne voit que les résultats concernant une robe noire en coton de taille 12.
La PNL s’attaque aux complexités de la communication entre humains et machines. Dans une recherche traditionnelle, « robes d’été » ne donnerait aucun résultat si le mot clé de l’index de recherche était « robe d’été ». La recherche assistée par l’IA reconnaîtrait « robes » comme le pluriel de « robe » et renverrait tous les résultats pertinents.
En outre, la technologie peut comprendre les expressions familières et l’argot. Si la même cliente souhaite un « sac à main » pour aller avec sa nouvelle robe, l’IA saura l’interpréter comme un « sac à main ». Elle prend également en compte le contexte. Ainsi, si la recherche initiale portait sur une « petite robe noire » et que le client a également cherché un sac assorti, on peut en déduire qu’il se rend à un événement à venir, ce qui signifie qu’il pourrait avoir besoin de nouvelles chaussures ou d’un nouveau rouge à lèvres.
N Brown est l’un des retailers les plus diversifiés du Royaume-Uni, avec neuf marques et des sites web individuels. En adoptant l’IA au sein de la recherche sur ses sites, l’entreprise a augmenté le revenu par utilisateur de 60 %.
Machine learning
Depuis plus de 100 ans, Hornby Hobbies développe, industrialise et fournit des produits de jouets aux passionnés. Dans le cadre de sa croissance continue, l’entreprise souhaitait améliorer son expérience digitale et tout adapter aux clients individuels. En utilisant la recherche alimentée par l’IA, elle a instantanément augmenté les conversions de 10 %.
Dans un magasin de briques et de mortier, les agents du service client engagent des conversations en face à face avec les acheteurs pour savoir ce qu’ils aiment et leur faire des recommandations personnelles. Cette interaction 1:1 devient plus difficile en ligne, à moins que le retailer n’utilise l’IA.
Le machine learning permet à la recherche alimentée par l’IA d’imiter la façon dont les humains traitent l’information. Lorsque le moteur de recommandation de produits est lié aux données des clients – telles que les catégories les plus consultées, les produits et l’historique des achats d’un client – la recherche alimentée par l’IA apprend ce que chaque client aime ou n’aime pas, et adapte les recommandations en conséquence.
Cela peut avoir une influence profonde sur la façon dont les acheteurs interagissent avec une marque.
Par exemple, lorsqu’une recherche assistée par l’IA peut détecter des synonymes, elle peut omettre certains résultats pour « pain » parce qu’elle a appris, à partir de comportements antérieurs, que l’acheteur n’aime pas les pains plats ou les bagels. De même, l’historique des achats d’un client peut indiquer qu’il n’a pas acheté de nourriture pour animaux de compagnie depuis trois semaines. Lorsqu’il recherche « poulet », cela peut suggérer qu’il est temps de commander de la nourriture pour son chien, ainsi que pour son dîner. Enfin, au moment de passer à la caisse, il est possible de faire des recommandations de vente incitative ou de vente croisée – peut-être y a-t-il une offre en cours sur les lits pour animaux de compagnie qui pourrait intéresser l’acheteur, ou de la mayo à mettre sur le pain pour faire le sandwich parfait.
Recherche personnalisée
Saviez-vous que 94 % des consommateurs dans le monde obtiennent des résultats non pertinents lorsqu’ils effectuent une recherche sur le site web d’un retailer, alors que la recherche personnalisée est simple à mettre en œuvre ?
Dans l’idéal, les retailers veulent que leurs clients se sentent spéciaux et compris dès leur première visite. La recherche personnalisée leur permet de comprendre qui sont leurs clients, ce qu’ils veulent et pourquoi ils le veulent. En outre, comme la technologie ne cesse d’apprendre, la précision et la pertinence des résultats ne cesseront de s’améliorer.
Les détaillants qui ont adopté la recherche personnalisée sur leur site ont vu leur chiffre d’affaires augmenter de 8,5 %. C’est le cas de Jenson USA, dont le catalogue compte plus de 30 000 produits. Estimant qu’il est toujours possible de s’améliorer, le retailer a ajouté une recherche personnalisée à son site afin d’optimiser les résultats en fonction d’une compréhension plus approfondie de la segmentation de ses clients. En étendant cette intelligence à différents appareils, il a également augmenté le revenu par visiteur de 26 % pour l’e-commerce mobile.
Tout ce que fait un client sur un site en dit un peu plus sur lui au retailer et ouvre une possibilité de connexion. Cette compréhension plus approfondie de ce qu’un client recherche aide les retailers à élaborer des stratégies de merchandising et de campagne marketing plus efficaces. Elle permet aux retailers de parvenir à une véritable personnalisation avec davantage d’interactions 1:1, qui étaient jusqu’à présent confinées aux magasins de briques et de mortier. Désormais, les résultats des recherches en ligne peuvent être ajustés pour refléter les préférences de chaque client, par exemple en donnant la priorité au chocolat noir à 85 % de cacao plutôt qu’à tout autre type de chocolat.
Avantages de la recherche assistée par l’IA
Selon les données d’utilisation, l’IA soutient actuellement le mieux les entreprises e-commerce avec la personnalisation, la recherche sur site et les prévisions – mais comment cela se traduit-il en valeur réelle réalisée ?
Une meilleure expérience d’achat
Une étude de McKinsey indique que 57 % des entreprises e-commerce ont mis en œuvre l’IA dans le seul but d’améliorer l’expérience du service client. En garantissant que toute recherche effectuée par un visiteur sera comprise, l’IA élimine le scénario le plus frustrant pour le client, à savoir « aucun résultat trouvé ».
Du point de vue du client, l’IA rend le processus de recherche plus naturel. Plutôt que de s’arrêter pour penser comme une machine et élaborer la requête de recherche optimale, ils écrivent simplement comme ils parlent, et la recherche comprend leur intention.
En outre, l’IA permet aux acheteurs d’être extrêmement précis dans leur recherche. Par exemple, une personne à la recherche d’un nouvel ordinateur portable peut entrer une spécification technique précise telle que « 32 Go, ordinateur portable noir de 13 pouces avec 1 To de stockage, 2x USB-C, résolution 2880 x 1920 » et obtenir les bons résultats.
Augmentation des conversions
À chaque étape du parcours de l’acheteur, les clients ont besoin d’aide pour finaliser un achat en ligne. L’IA joue un rôle important en incitant le client à conclure une vente. En utilisant l’IA pour suivre en permanence le comportement des utilisateurs, ainsi qu’en ajustant la séquence des résultats de recherche pour présenter aux utilisateurs les éléments auxquels ils ont précédemment le plus réagi, Canadian Tire a augmenté ses conversions de 20 %.
En particulier, les chatbots alimentés par l’IA ajoutent une immense valeur au parcours de l’acheteur, en aidant à résoudre environ 80 % des demandes entrantes. Disponibles 24 heures sur 24, 7 jours sur 7 et 365 jours par an, les chatbots offrent une assistance clientèle de qualité 24 heures sur 24. Selon Gartner, cela permet aux organisations d’améliorer d’au moins 25 % la satisfaction de leurs clients.
En intégrant l’IA au marketing et aux ventes, les retailers peuvent améliorer le chiffre d’affaires de leur entreprise d’au moins 20 %, simplement parce qu’ils partagent le bon message avec le bon client au bon moment. Pour un acheteur au début de son parcours d’achat, il peut s’agir de répondre à ses premières questions et de lui présenter les meilleures options. Pour un acheteur proche de l’achat, le contenu dynamique peut aider à surmonter les craintes post-achat qui entraîneraient l’abandon du panier.
Des résultats améliorés au fil du temps
L’effort humain nécessaire pour satisfaire les demandes des acheteurs sur une base 1:1 est prohibitif, c’est pourquoi l’IA pour la recherche commerciale est une opportunité si excitante. La technologie est capable d’apprendre en permanence à partir des comportements et des données antérieurs, et d’affiner les résultats qu’elle génère. De plus, elle ne nécessite aucun effort manuel.
Désormais, les retailers peuvent prévoir les actions en temps réel afin d’agir dans l’instant pour changer le résultat. Historiquement, un retailer se contentait d’espérer que son contenu était suffisant pour convertir un visiteur web qui s’attardait. Avec la recherche IA, il devient possible d’inciter ce visiteur à passer à la caisse en lui proposant des FAQ ou des offres de dernière minute.
Cette même recherche fournira également des informations précieuses à l’entreprise. Lorsque 69 % des conversations avec les clients du retail peuvent être automatisées avec des chatbots, l’IA transforme ces requêtes en insights clients exploitables. Par exemple, s’il y a un grand nombre de requêtes concernant des problèmes de paiement, cela pourrait permettre d’identifier un problème immédiat sur le site web. Par ailleurs, une tendance se dessine avec plusieurs requêtes liées à des retours ou des annulations, ce qui pourrait indiquer la nécessité d’améliorer le processus d’expédition vers l’entrepôt et d’éviter l’insatisfaction des clients.
Level Nine Sports est un retailer qui s’est attaqué au désabonnement des clients avec la recherche par IA. Grâce à cette technologie intelligente, il a été possible d’offrir en ligne la même expérience qu’en magasin, ce qui a permis de réduire de 30 % le nombre d’abandons de recherche et d’augmenter de 23 % le taux de conversion.
L’avenir de l’IA dans la recherche en e-commerce
Bien que les trois quarts des dirigeants craignent de devoir cesser leurs activités d’ici cinq ans s’ils ne développent pas l’IA, certains défis bloquent leur chemin vers l’adoption : une pénurie de compétences du personnel, la peur de l’inconnu et la nécessité de trouver le bon point de départ.
Bloomreach Discovery crée une expérience e-commerce adaptée à chaque client. Grâce à l’IA leader du secteur qui n’a pas besoin d’un pixel pour commencer à personnaliser les résultats de recherche, vous pouvez obtenir un ROI plus rapide que n’importe quelle autre solution de recherche de produits sur le marché. Découvrez Bloomreach Discovery et pourquoi il s’agit de la solution idéale pour votre entreprise dès aujourd’hui.
