Si vous évaluez Klaviyo pour votre stratégie d’e-mail marketing, vous entendrez probablement beaucoup parler de « l’heure d’envoi personnalisée en 1:1 » et de la « personnalisation à grande échelle ».
Ces termes semblent prometteurs. Ils évoquent un marketing véritablement individualisé : des e-mails adaptés au comportement, aux centres d’intérêt et aux intentions de chaque client. Mais il est important de faire une distinction. Klaviyo excelle dans la personnalisation basée sur des règles, comme les campagnes de paniers abandonnés et les envois déclenchés par le comportement.
Mais la plateforme ne dispose pas d’une véritable intelligence prédictive : la capacité de prévoir la meilleure offre à proposer à chaque client avant même qu’il sache qu’il la souhaite. Et si votre objectif est d’augmenter vos revenus grâce à la pertinence, cette différence compte.
Déclencheurs comportementaux et personnalisation prédictive
La « personnalisation 1:1 » peut désigner différentes choses. Dans un cas, chaque client reçoit un e-mail au moment où il est le plus susceptible d’interagir. Dans un autre, le contenu de l’e-mail change pour refléter les produits, le comportement ou les préférences de cette personne.
Klaviyo est efficace pour optimiser les heures d’envoi. La personnalisation comportementale (ce que fait Klaviyo) repose sur des déclencheurs basés sur des règles, comme « panier abandonné » ou « a consulté ce produit ». Même envoyé au bon moment, un message peut sembler générique si tous ses destinataires voient les mêmes produits et la même offre. Une personnalisation plus pertinente modifie le contenu lui-même.
La personnalisation de Klaviyo présente six principales limites qui l’empêchent de proposer des recommandations véritablement dynamiques et individualisées.
6 faiblesses de la personnalisation dans Klaviyo
Des recommandations fondées sur des achats obsolètes
La fonctionnalité « Prochain meilleur produit » de Klaviyo s’appuie sur l’achat le plus récent d’un client, une information qui devient rapidement obsolète.
Cette approche peut convenir aux achats de réapprovisionnement ou aux achats successifs, mais elle risque de recommander des produits en fonction d’achats anciens — par exemple, de suggérer d’autres pantalons plusieurs mois après qu’une personne en a acheté une seule fois. Elle ne tient pas compte de l’évolution des intentions et des centres d’intérêt des clients au fil du temps.
La récence n’est pas vraiment récente
Les recommandations « récemment consultés » de Klaviyo prennent en compte à la fois la récence et la fréquence. Ainsi, des articles consultés fréquemment il y a plus longtemps peuvent être mieux classés qu’un article consulté une seule fois, mais plus récemment.
Un produit qu’une personne a consulté à plusieurs reprises il y a quelques semaines peut donc apparaître avant un article qu’elle vient tout juste de regarder. De plus, les périodes rétrospectives sont fixées à 90 jours : cette contrainte rigide ne s’adapte pas aux habitudes d’achat de chacun.
Le filtrage collaboratif passe à côté des intentions individuelles
Les recommandations fondées sur les « produits susceptibles de plaire aussi à un client » utilisent le filtrage collaboratif, mais les modèles sont entraînés uniquement à partir des utilisateurs inscrits, qui ne représentent qu’une fraction du trafic du site.
Cela crée un biais important : les tendances dégagées ne représentent que les 3-5 % de visiteurs qui ont créé un compte, et non l’ensemble des internautes — visiteurs qui naviguent sans intention d’achat immédiate ou visiteurs anonymes. Cet ensemble de données biaisé fausse la manière dont le modèle définit des comportements de clients « similaires ».
Un entraînement lent
Ce biais d’entraînement exige beaucoup plus de données et de temps pour être corrigé. Les modèles de filtrage collaboratif entraînés à partir de données utilisateur incomplètes mettent environ 20 fois plus de temps à dégager des tendances utiles que ceux entraînés à partir de l’ensemble du trafic.
Le système doit travailler davantage pour extraire des signaux d’un ensemble de données biaisé et trop restreint. Pendant ce temps, les recommandations ne reflètent toujours pas les intérêts les plus récents de chaque personne : elles s’appuient sur la similarité des achats passés au sein d’un groupe biaisé, au lieu de saisir les intentions actuelles de chacun ou son comportement de navigation en temps réel.
Des valeurs par défaut génériques pour les nouveaux clients ou ceux peu actifs
Les clients ayant peu d’achats à leur historique se voient proposer des valeurs par défaut communes et non personnalisées, plutôt que des recommandations individualisées. Plusieurs clients ayant un historique limité reçoivent donc les mêmes recommandations génériques, ce qui va à l’encontre de l’objectif de la personnalisation.
Elle ne fonctionne qu’avec les utilisateurs inscrits
Le moteur de personnalisation de Klaviyo fonctionne uniquement dans les e-mails : il ne s’étend pas à votre site web. C’est une lacune importante, car 95-97 % du trafic de votre site reste anonyme et n’est pas connecté pendant la navigation. Les visiteurs voient donc du contenu générique et non personnalisé : les meilleures ventes par défaut dans les catégories, des recommandations de produits standard et des mises en page préétablies.
Seuls les 3-5 % de visiteurs qui restent connectés pendant leur session bénéficient d’une expérience personnalisée sur le site. Tous les autres — la grande majorité de vos clients potentiels — découvrent une boutique en ligne conçue pour convenir à tout le monde, sans tentative d’adapter les recommandations, les offres ou le contenu à leur comportement ou à leurs intentions.
En résumé
La force de Klaviyo réside dans la personnalisation déclenchée par des règles : les relances de paniers abandonnés, les suivis après achat et les segments comportementaux sont efficaces. Mais une véritable personnalisation 1:1 à grande échelle nécessite des modèles prédictifs : des systèmes qui anticipent les prochains besoins de chaque client, au lieu de simplement réagir à ce qu’il a déjà fait.
C’est cette distinction que les marques doivent garder à l’esprit lorsqu’elles dépassent le ciblage par segments pour s’orienter vers un marketing plus individualisé. Notre recommandation :
– pour la personnalisation sur site, utilisez uniquement des moteurs de recommandation qui couvrent 100 % de votre trafic, et pas seulement 3-5 %
– pour la personnalisation des e-mails : ajoutez une couche supplémentaire de personnalisation autonome de Quarticon : Living Emails, qui fonctionne parfaitement avec Klaviyo, sans aucune intégration.
