Tout le monde parle des assistants d’achat bas\u00e9s sur l’IA. Des chatbots qui composent des paniers. Des agents num\u00e9riques qui comparent les produits. Des outils conversationnels qui promettent de faire les achats \u00e0 la place des clients.<\/p>\n
Cela para\u00eet impressionnant. Mais il y a un probl\u00e8me : les acheteurs ne sont pas impressionn\u00e9s par l’IA pour elle-m\u00eame.<\/p>\n
Ils veulent des recommandations utiles.<\/p>\n
Et lorsque ces recommandations sont erron\u00e9es, ils partent. 69 % des acheteurs ont compl\u00e8tement abandonn\u00e9 leur recherche apr\u00e8s avoir re\u00e7u des suggestions non pertinentes. Ce n’est pas un simple probl\u00e8me technique. C’est un avertissement direct pour les retailers : une mauvaise exp\u00e9rience avec l’IA peut faire perdre la vente enti\u00e8re.<\/p>\n
L’int\u00e9r\u00eat pour les achats assist\u00e9s par l’IA est bien r\u00e9el :<\/p>\n
Mais \u00eatre ouverts \u00e0 l’IA ne signifie pas lui faire une confiance inconditionnelle. Les consommateurs essaieront l’IA une fois. Ils y reviendront uniquement si elle les aide \u00e0 trouver quelque chose de pertinent, \u00e0 gagner du temps ou \u00e0 prendre une meilleure d\u00e9cision.<\/p>\n
Les retailers se trouvent donc \u00e0 la crois\u00e9e des chemins. Doivent-ils se pr\u00e9cipiter pour lancer un assistant IA ou commencer par am\u00e9liorer la pertinence de leurs recommandations de produits ? La r\u00e9ponse est peut-\u00eatre moins glamour, mais elle est bien plus efficace.<\/p>\n
Les alertes de r\u00e9duction attirent 59 % des consommateurs. Les recommandations de produits personnalis\u00e9es int\u00e9ressent 51 % d’entre eux. Les id\u00e9es de cadeaux int\u00e9ressent 44 %.<\/p>\n
Ces fonctionnalit\u00e9s peuvent ne pas sembler r\u00e9volutionnaires, mais elles r\u00e9pondent \u00e0 de vrais probl\u00e8mes li\u00e9s aux achats. Elles r\u00e9duisent les efforts, \u00e9liminent l’incertitude et aident les clients \u00e0 d\u00e9couvrir des produits qu’ils sont plus susceptibles de vouloir.<\/p>\n
Les ensembles de produits et les recommandations d’articles compl\u00e9mentaires sont encore plus convaincants : ils int\u00e9ressent 61 % des consommateurs dans l’ensemble et 88 % des personnes qui utilisent d\u00e9j\u00e0 des outils d’achat bas\u00e9s sur l’IA.<\/p>\n
La le\u00e7on est simple : les consommateurs ne veulent pas n\u00e9cessairement qu’une machine prenne en charge l’ensemble du parcours d’achat. Ils veulent que ce parcours devienne plus facile.<\/p>\n
C’est pourquoi des recommandations de produits classiques, aliment\u00e9es par un moteur de recommandation performant, peuvent \u00eatre mieux accept\u00e9es et plus efficaces qu’un assistant d’achat IA enti\u00e8rement autonome.<\/p>\n
Une recommandation propos\u00e9e au bon moment sur une page produit, dans un e-mail ou lors d’une recherche peut am\u00e9liorer l’exp\u00e9rience sans l’interrompre. Les clients gardent le contr\u00f4le, tandis que le retailer fournit des conseils utiles exactement au bon moment.<\/p>\n
Les consommateurs n’attendent pas des retailers qu’ils leur proposent un robot futuriste pour faire leurs achats. Ils attendent des marques qu’elles comprennent ce qu’ils veulent.<\/p>\n
D\u00e9couvrez ce qui fonctionne vraiment : le moteur de recommandation de produits<\/a> de Quarticon pour le e-commerce.<\/p>\n Source de l’\u00e9tude : https:\/\/www.emarketer.com\/content\/ai-retail-interest-high-poor-execution-driving-abandonment<\/a> <\/p>\n