Un assistant IA qui demande : \u00ab\u00a0Que recherchez-vous ?\u00a0\u00bb peut sembler intelligent. Mais s’il r\u00e9pond avec des produits qui ne sont pas pertinents, la conversation s’arr\u00eate rapidement.<\/p>\n
Les derni\u00e8res recherches* montrent que les consommateurs n’attendent pas des d\u00e9taillants qu’ils leur proposent un robot d’achat futuriste. Ni la fonctionnalit\u00e9 d’IA la plus spectaculaire pour les divertir. Ils attendent des marques qu’elles comprennent ce qu’ils veulent. Les moteurs de recommandation r\u00e9pondent aujourd’hui bien mieux \u00e0 ce besoin. <\/p>\n
Un moteur de recommandation fonctionne diff\u00e9remment. Il peut apprendre du comportement de navigation, de l’historique d’achat, des pr\u00e9f\u00e9rences, de la sensibilit\u00e9 au prix, des relations entre les produits et du contexte en temps r\u00e9el. Il am\u00e9liore discr\u00e8tement la d\u00e9couverte des produits sans demander au client d’expliquer tout ce qu’il recherche.<\/p>\n
Cela fait des recommandations une premi\u00e8re \u00e9tape puissante vers l’adoption de l’IA.<\/p>\n
Lorsque les clients re\u00e7oivent r\u00e9guli\u00e8rement des suggestions utiles, ils commencent \u00e0 faire confiance au syst\u00e8me. Cette confiance peut ensuite mener \u00e0 des usages plus avanc\u00e9s :<\/p>\n
Les consommateurs sont davantage dispos\u00e9s \u00e0 d\u00e9l\u00e9guer une fois que la technologie a fait ses preuves.<\/p>\n
En d’autres termes, le panier d’achat n’est pas la ligne de d\u00e9part. C’est la pertinence.<\/p>\n
L’int\u00e9r\u00eat des consommateurs augmente, mais les investissements des d\u00e9taillants accusent du retard. Seuls 36 % des d\u00e9taillants disposent d’un budget d\u00e9di\u00e9 \u00e0 l’IA, alors qu’environ deux tiers des consommateurs utilisent d\u00e9j\u00e0 des agents d’achat bas\u00e9s sur l’IA ou s’y int\u00e9ressent.<\/p>\n
Cela cr\u00e9e un d\u00e9calage dangereux.<\/p>\n
Les clients s’habituent de plus en plus aux exp\u00e9riences num\u00e9riques personnalis\u00e9es, tandis que de nombreux d\u00e9taillants travaillent encore avec des donn\u00e9es fragment\u00e9es, des informations produits incompl\u00e8tes et une infrastructure de personnalisation limit\u00e9e. Lancer un assistant IA sur une telle base ne r\u00e9soudra pas le probl\u00e8me. Cela pourrait simplement le r\u00e9v\u00e9ler.<\/p>\n
Un assistant ne peut pas recommander ce que les donn\u00e9es du d\u00e9taillant ne permettent pas de comprendre.<\/p>\n
Les d\u00e9taillants n’ont pas besoin de commencer par un agent d’achat enti\u00e8rement automatis\u00e9. Ils doivent commencer par des exp\u00e9riences utiles et fonctionnelles.<\/p>\n
Un d\u00e9ploiement plus judicieux pourrait se d\u00e9rouler ainsi :<\/p>\n
Cette approche fera peut-\u00eatre moins les gros titres, mais elle a davantage de chances de produire des r\u00e9sultats.<\/p>\n
Le mod\u00e8le d’IA le plus connu n’est pas automatiquement la meilleure solution pour le commerce de d\u00e9tail. Les capacit\u00e9s comptent davantage que la notori\u00e9t\u00e9 de la marque. Les d\u00e9taillants devraient choisir leur technologie en fonction de sa capacit\u00e9 \u00e0 comprendre l’intention, \u00e0 se connecter aux donn\u00e9es clients et \u00e0 produire syst\u00e9matiquement des recommandations pertinentes.<\/p>\n
Les d\u00e9taillants consacrent peut-\u00eatre trop de temps \u00e0 se demander : \u00ab\u00a0Comment lancer un assistant IA ?\u00a0\u00bb. La meilleure question est : \u00ab\u00a0Comment rendre chaque recommandation de produit plus utile ?\u00a0\u00bb<\/p>\n
Un moteur de recommandation<\/a> qui pr\u00e9sente syst\u00e9matiquement les bons produits peut offrir une meilleure exp\u00e9rience d\u00e8s aujourd’hui. Il est familier, simple d’utilisation et plus facile \u00e0 accepter pour les consommateurs. Plus important encore, il cr\u00e9e la confiance n\u00e9cessaire aux assistants IA de demain.<\/p>\n Les marques qui r\u00e9ussiront ne seront pas celles qui lanceront la fonctionnalit\u00e9 d’IA la plus spectaculaire. Ce seront celles qui rendront les achats plus simples, une recommandation pertinente \u00e0 la fois.<\/p>\n Source de l’\u00e9tude : https:\/\/www.emarketer.com\/content\/ai-retail-interest-high-poor-execution-driving-abandonment<\/a><\/p>\n D\u00e9couvrez le moteur de recommandation de Quarticon. <\/p>\n