LE CROSS-SELLING : C’EST QUOI, CA MARCHE COMMENT ?
Le cross-selling, technique de vente additionnelle consistant à proposer un produit complémentaire à celui vendu, est très répandu sur les sites de e-commerce. Pas surprenant, puisqu’il s’agit d’un véritable levier de croissance : les recommandations de ventes additionnelles représenteraient 30% des ventes réalisées par Amazon (Journal du Net 5/10/15).
Cela est d’autant plus vrai que son emploi est facilité sur le web car il peut être « programmé ». Les recommandations sont alors gérées grâce à des règles manuelles ou confiées à un processeur d’IA. On différencie alors :
- La saisie manuelle (ou semi-manuelle) d'associations entre différents produits ou différentes catégories de produit
- L'analyse automatisée des comportements des acheteurs pour établir des connexités.
Les solutions manuelles, chronophages, souvent liées aux a priori de leurs opérateurs et présentant un risque d’obsolescence dans la durée, tendent à se voir délaissées au profit de solutions intelligentes.
Au sein même de la recommandation automatisée de produits complémentaires on distingue différents types de recommandation.
1/ La simple connexité produits : produits souvent achetés ou mis au panier ou consultés ensemble (ex : « les acheteurs de ce produit ont aussi acheté »).
Sa limite : tous les acheteurs du même produit se verront alors proposer le même produit complémentaire / additionnel quel que soit leur âge, leur sexe, leurs motivations, leurs attentes...
2/ La connexité comportementale : elle repose sur la construction de groupes de visiteurs (segments) selon les catégories et/ou produits consultés ou achetés et la recommandation s’établit alors autour des produits préférés du segment.
Sa limite : la construction des segments est arbitraire, sujette aux a priori de celui qui les construit et, surtout, lourde à maintenir, rien n’étant plus plastique que la consommation…
Ces deux types sont souvent accompagnés de mécanismes de machine learning facilitant leur actualisation et permettant l’arbitrage entre d’éventuelles règles concurrentes : les algorithmes d’autolearning définissent alors la règle pré-paramétrée qui fonctionne le mieux en ce moment.
3/ L’intelligence artificielle quant à elle est basée sur des modèles prédictifs de scores des produits / services établis via des process d’apprentissage en fonction de segments dont la construction est dynamique, c'est-à-dire actualisée en permanence par l’IA, à chaque clic, sélection ou achat.
Elle permet de s’absoudre de la construction préalable et de maintenance de segments et n’est pas limitée par des règles puisqu’elle les auto-génère.
Les recommandations se baseront sur la navigation des internautes et plus précisément :
- identifieront en cours de visite les signaux faibles concernant tout à la fois l’internaute (device utilisé, période de la visite, hésitation entre articles, mimétisme, sensibilité aux promotions, rapport aux normes de visites… etc) et les produits consultés / mis au panier / achetés (appétence pour une marque, taille(s) déclarée(s), fourchette de prix, etc.),
- utiliseront les informations captées lors de visites précédentes.
Ces informations permettront de produire une recommandation de produits ou services complémentaires personnalisée en fonction de chaque visiteur, maximisant ainsi les chances de conversion.
C’est ce dernier type qui nous intéresse ici puisque nous allons faire un focus sur le site La Redoute qui utilise ce type d’outil de recommandation personnalisée (Netwave Booster).
Trois éléments clefs sont à prendre en compte dans une stratégie de cross selling :
- Où suggérer une vente complémentaire ou additionnelle ?
- Quelles stratégies de cross selling sont possibles ?
- Comment déterminer la bonne stratégie ?
LA REDOUTE, UNE VOLONTE AFFICHEE DE PERSONNALISER SON OFFRE :
Aujourd’hui, leader du marché de la Mode et de la Décoration sur Internet, La Redoute est présente dans 25 pays différents et réalise plus de 80% de son chiffre d’affaires grâce au commerce électronique.
Depuis plusieurs années La Redoute a à cœur de faciliter la navigation de ses clients sur son site. Chaque visite est analysée en temps réel et le site comprend sans que les visiteurs aient à l’exprimer, quelles sont leurs attentes et leur état d’esprit.
Au final, comme un vendeur – conseil en magasin, La Redoute présente au visiteur la sélection de produits qui correspond le mieux à ses attentes en partant du principe que ce qu’ont acheté les internautes qui vous ressemblent le plus constitue ce qui est le plus à même de vous satisfaire.
Le site garde en mémoire leur taille, leurs préférences de couleurs, leurs univers préférés et les conseille en temps réel pendant leur navigation.
Point clef : ces systèmes sont totalement anonymes et ne conservent aucune donnée personnelle.
A travers ces systèmes intelligents, La Redoute affiche son ambition de devenir un véritable « personal shopper » pour chacun de ses visiteurs.
FOCUS SUR LE LAYER PANIER DU SITE LA REDOUTE :
Le layer panier (aussi appelé pop-up panier) est une page intermédiaire qui s’affiche lorsqu’un visiteur ajoute un produit à son panier. Il contient généralement le produit qui vient d’être mis au panier et les boutons « Continuer mon shopping » et « Voir mon panier ». Mais c’est aussi l’occasion parfaite pour recommander des produits complémentaires au produit que l’internaute s’apprête à acheter.
En effet, il ne s’agit pas uniquement de recommander le bon article ou service, encore faut-il le proposer au bon moment. En choisissant de le faire dans le layer panier, La Redoute se garantit de ne pas détourner l’internaute de son cycle d’achat puisque le 1er article désiré est « sécurisé » dans le panier, laissant le champ libre au reste de la navigation.
Le layer panier s’avère ainsi pour La Redoute un emplacement stratégique pour une recommandation cross selling.
Entre Septembre et Novembre 2016, le CA généré par les recommandations sur le seul layer panier du site desktop de La Redoute a pesé 14.25% du CA total généré post-clic par les recommandations sur l’ensemble du site desktop.
QUELLE STRATÉGIE DE CROSS SELLING ?
Dans la plupart des cas avec le cross-selling, on se voit recommander des produits ou services dits complémentaires, soit parce qu'ils complètent directement l’achat, soit parce qu'ils concernent le même thème mais basés sur ce qui a été acheté par les mêmes personnes. Autrement dit des produits ou services qui apportent une valeur ajoutée à l’article principal. Il peut s’agir par exemple d’accessoires ou encore de garantie.
Exemple chez Boulanger : lorsqu’un panier de cuisson est mis au panier, le site propose un produit de 3 catégories connexes (hotte, tuyau gaz, cassorelie)
Dans le prêt-à-porter, qui constitue l’activité principale de La Redoute, on retrouvera ainsi des produits qui complètent la tenue avec des suggestions pour compléter le « look ». Typiquement, lorsqu’on ajoute une robe de soirée, on se verra recommander des collants, une paire de chaussure et une veste matchant avec le produit ajouté.
Mais un phénomène intéressant et propre à ce secteur est à noter : alors qu’on pourrait que difficilement recommander un ordinateur à un internaute qui vient de mettre un ordinateur à son panier, il n’est pas incohérent de proposer un autre pantalon en plus de celui mis au panier. En effet, il est tout à fait plausible voire fréquent d’acheter plusieurs modèles d’un même article (pantalons, vestes, chaussures, tee shirts…etc) au cours de son shopping.
Par exemple, pour l’achat d’un pantalon, La Redoute pourra vous proposer d’autres pantalons.
On notera ici la performance du processeur d’IA dans l’identification de l’attente de l’internaute. Ayant à faire à un internaute visiblement intéressé par les pantalons à valeur faciale moyenne assortis d’une promotion d’un niveau élevé, il propose ce qu’ont aussi acheté les internautes lui ressemblant le plus : très logiquement, des pantalons à valeur faciale moyenne assortis d’un haut niveau de promotion.
QUELLE STRATEGIE GAGNANTE ?
Alors quelle stratégie choisir ? Intra ou extra catégorie ? En réalité, il serait contre productif d’arbitrer à l’avance entre les deux.
Sur le site La Redoute, dans la stratégie Cross-selling en layer panier, sont mises en concurrence des recommandations en dehors de la catégorie achetée avec des recommandations au sein de la même catégorie.
Le processeur d’IA, agissant en temps réel, score les différentes recommandations correspondant aux différentes stratégies. Il affiche au final la plus pertinente. C'est-à-dire celle qui s’avère la plus productive en termes de passage à l’acte d’achat, en fonction du visiteur : celle qui fonctionne le mieux sur les visiteurs qui lui ressemblent le plus (algorithmes inductifs).
Pour certains, leur sensibilité les portera sur des produits leur permettant de compléter la tenue avec des produits de familles différentes (j’ai mis une chemise au panier, je suis intéressée par la veste et le jean qui vont avec).
Tandis que d’autres préféreront refaire leur stock de chemises et donc en acheter plusieurs à la fois.
Pour la Redoute ces stratégies ne sont pas antinomiques. Elles peuvent tout à fait se compléter : on a alors sur une bannière de 3 produits proposés en cross selling, 1 produit de la même catégorie et 2 autres de catégories différentes. Et tout cela généré sans intervention humaine, sans règles lourdes à définir et surtout à maintenir.
Dans l’exemple ci-dessous, cela donne une bannière1 jean + 1 pull + 1 tee shirt.
Pour conclure, le cross-selling s’inscrit dans une double logique :
- Personnalisation de l’expérience côté utilisateur
- Augmentation du panier moyen côté marchand
Plus les recommandations présentées seront personnalisées et pertinentes, plus le marchand aura de chances de convertir et d’augmenter la valeur de ses commandes.
Il faudra pour cela s’assurer de :
- Définir le meilleur emplacement pour suggérer une vente complémentaire de sorte que l’achat principal soit sécurisé (mis au panier par exemple) et ne vienne pas distraire l’internaute dans son processus d’achat
- Mettre en concurrence plusieurs stratégies voire les combiner et laisser l’intelligence artificielle décider de ce qui fonctionne le mieux, à l’instant T, sur les visiteurs qui ressemblent le plus à celui en cours et ayant acheté le même produit que lui.
Rédigé par : Dèlêle IMAM - Head of Accounts