Un assistant IA qui demande : « Que recherchez-vous ? » peut sembler intelligent. Mais s’il répond avec des produits qui ne sont pas pertinents, la conversation s’arrête rapidement.
Les dernières recherches* montrent que les consommateurs n’attendent pas des détaillants qu’ils leur proposent un robot d’achat futuriste. Ni la fonctionnalité d’IA la plus spectaculaire pour les divertir. Ils attendent des marques qu’elles comprennent ce qu’ils veulent. Les moteurs de recommandation répondent aujourd’hui bien mieux à ce besoin.
Comment fonctionnent les moteurs de recommandation ?
Un moteur de recommandation fonctionne différemment. Il peut apprendre du comportement de navigation, de l’historique d’achat, des préférences, de la sensibilité au prix, des relations entre les produits et du contexte en temps réel. Il améliore discrètement la découverte des produits sans demander au client d’expliquer tout ce qu’il recherche.
Cela fait des recommandations une première étape puissante vers l’adoption de l’IA.
Lorsque les clients reçoivent régulièrement des suggestions utiles, ils commencent à faire confiance au système. Cette confiance peut ensuite mener à des usages plus avancés :
- 61 % des consommateurs s’intéressent aux offres groupées et aux produits complémentaires.
- Parmi les utilisateurs actuels de l’IA, ce chiffre atteint 88 %.
- L’intérêt pour la création d’un panier d’achat complet par l’IA passe de 48 % chez l’ensemble des consommateurs à 81 % parmi les utilisateurs actuels de l’IA.
Les consommateurs sont davantage disposés à déléguer une fois que la technologie a fait ses preuves.
En d’autres termes, le panier d’achat n’est pas la ligne de départ. C’est la pertinence.
Le véritable problème : les détaillants ne sont pas préparés
L’intérêt des consommateurs augmente, mais les investissements des détaillants accusent du retard. Seuls 36 % des détaillants disposent d’un budget dédié à l’IA, alors qu’environ deux tiers des consommateurs utilisent déjà des agents d’achat basés sur l’IA ou s’y intéressent.
Cela crée un décalage dangereux.
Les clients s’habituent de plus en plus aux expériences numériques personnalisées, tandis que de nombreux détaillants travaillent encore avec des données fragmentées, des informations produits incomplètes et une infrastructure de personnalisation limitée. Lancer un assistant IA sur une telle base ne résoudra pas le problème. Cela pourrait simplement le révéler.
Un assistant ne peut pas recommander ce que les données du détaillant ne permettent pas de comprendre.
Cessez de viser le cas d’usage le plus avancé
Les détaillants n’ont pas besoin de commencer par un agent d’achat entièrement automatisé. Ils doivent commencer par des expériences utiles et fonctionnelles.
Un déploiement plus judicieux pourrait se dérouler ainsi :
- Améliorer les données produits et les profils clients.
- Déployer des recommandations de produits personnalisées.
- Ajouter des alertes de baisse de prix, des idées de cadeaux et des suggestions d’articles complémentaires.
- Mesurer la pertinence, l’engagement, la conversion et l’abandon.
- Introduire des fonctionnalités d’achat conversationnelles et automatisées uniquement après avoir gagné la confiance des clients.
Cette approche fera peut-être moins les gros titres, mais elle a davantage de chances de produire des résultats.
Le modèle d’IA le plus connu n’est pas automatiquement la meilleure solution pour le commerce de détail. Les capacités comptent davantage que la notoriété de la marque. Les détaillants devraient choisir leur technologie en fonction de sa capacité à comprendre l’intention, à se connecter aux données clients et à produire systématiquement des recommandations pertinentes.
Vous n’avez pas besoin de lancer la fonctionnalité d’IA la plus spectaculaire
Les détaillants consacrent peut-être trop de temps à se demander : « Comment lancer un assistant IA ? ». La meilleure question est : « Comment rendre chaque recommandation de produit plus utile ? »
Un moteur de recommandation qui présente systématiquement les bons produits peut offrir une meilleure expérience dès aujourd’hui. Il est familier, simple d’utilisation et plus facile à accepter pour les consommateurs. Plus important encore, il crée la confiance nécessaire aux assistants IA de demain.
Les marques qui réussiront ne seront pas celles qui lanceront la fonctionnalité d’IA la plus spectaculaire. Ce seront celles qui rendront les achats plus simples, une recommandation pertinente à la fois.
Source de l’étude : https://www.emarketer.com/content/ai-retail-interest-high-poor-execution-driving-abandonment
Découvrez le moteur de recommandation de Quarticon.
