Blog

Jennyfer.com: +19,04% de revenu par visite grâce à l’IA

Posted by Mathias on 14/11/23 08:30

Il était une fois… Don't Call Me Jennyfer, une marque de mode cool à petits prix créée en France en 1985, et que toutes les filles ont porté un jour. 

Dans un environnement concurrentiel très tendu, Jennyfer.com souhaitait maximiser son CA / visite afin de mieux rentabiliser ses investissements d’acquisition et optimiser son CAC. Pour cela, le site a fait appel à Netwave et à sa technologie d’IA Inductive dédiée à l’individualisation des interactions avec les visiteurs en temps réel, notamment en matière de recommandation - produit.

Le contexte

Don't Call Me Jennyfer, ce sont plus de 1200 collaborateurs en France et près de 300 magasins dans 20 pays du monde entier, mais avec un fort esprit Start up, qui ont fait de la marque l’un des leaders français du prêt-à-porter féminin grâce à une identité et des valeurs fortes. 

* 77 % des équipes commerciales dansent et chantent au travail  mais ça c’est normal ! 

* 67% des collaborateurs qui travaillent chez DCMJ préfèrent les afterwork à la gym, mais les deux sont compatibles.

* 92% des collaborateurs passent leur temps sur leur téléphone portable et les réseaux sociaux, mais ça c’est normal car DCMJ est #Digital. 

* 85 % des collaborateurs raffolent des sushis, ça n’a aucun rapport, mais c’est une stat !

Don't Call Me Jennyfer c’est aussi un site et une application totalisant au moment du test près de 20 millions de visites annuelles. 

La volonté de Jennyfer était d’A/B tester l’IA Netwave et le système de machine learning utilisé jusqu’alors pour mesurer l’incrément d’efficience apporté. 

Objectifs

L’IA Inductive de Netwave, comprenant en temps réel le besoin à l’instant T du visiteur et permettant de lui recommander les produits les plus susceptibles d’être achetés dans sa situation individuelle, devait augmenter tout à la fois le taux de conversion et le panier moyen.

L’action sur ces deux leviers devait permettre d’accroître d’au moins 12% le CA/visite dans le cadre d’un A/B test du 08.02 au 08.05.2023.

La mise en oeuvre

Dans un premier temps, un dispositif de personnalisation a été défini avec l’équipe DCMJ:

  • quelles pages devaient être personnalisées ?
  • combien de zones personnalisées sur chacune de ces pages ?
  • quelle stratégie commerciale sur chacune de ces pages ?

Cela a permis de définir le cadre d’intégration technique entre la plateforme SFC et les serveurs Netwave, avec la mise en oeuvre:

  • d’une intégration quotidienne du catalogue produit via 4 sources différentes,
  • un plan de tag sur le front DCMJ
  • le développement d’un  call API de SFC vers Netwave, pour obtenir une réponse à chaque demande de personnalisation (déclenchée par l’arrivée sur une page disposant d’au moins une zone personnalisée.

Parallèlement à l’intégration technique, le déploiement fonctionnel a été réalisé avec le paramétrage de l’ensemble du dispositif dans le back office Netwave Suite.

Il s’articulait autour de 6 pages comprenant 11 zones de recommandation personnalisée:

> en home page, 1 zone avec des stratégies différenciées par typologie de visite > Recommandé pour toi
    - Première visite: stratégie d’engagement personnalisé
    - Visite retour: stratégie de conseil personnalisé selon centres d’intérêt
    - Panier en cours ou panier lors de la dernière visite: stratégie de conseil personnalisé de produits alternatifs 
   - Achats récents dans le passé: stratégie de cross selling personnalisé sur derniers achats dans le passé
> en page catégorie, 1 zone avec une stratégie de conseil personnalisé sur les produits de la catégorie > Une sélection rien que pour toi 
> en page produit, 3 zones différentes:
    - Zone 1,  stratégie de conseil personnalisé de produits alternatifs > Ces pièces sélectionnées pour toi
    - Zone 2, stratégie de cross selling personnalisé sur produit consulté > Complète le look
    - Zone 3, stratégie d'aide à la navigation > Tes derniers produits consultés
> en layer panier, 2 zones avec des stratégies de cross selling personnalisé sur produits au panier: > On a trouvé ça pour toi 
> en page panier, 2 zones:
    - Zone 1, stratégie de cross selling personnalisé > On a trouvé ça pour toi 
    - Zone 2, stratégie de découverte personnalisée des promotions > On a trouvé ça pour toi 
> en page Cadeaux, 2 zones > Une sélection rien que pour toi
    - Zone 1: stratégie découverte personnalisée,
    - Zone 2: stratégie de conseil personnalisé en fonction des centres d’intérêt

Point clef: que signifie “personnalisé” chez Netwave ?

Cela signifie: 

  • les 2, 3, 4 ou X produits (alternatifs, ou complémentaires, ou en promotion, …etc) 
  • les plus achetés par les visiteurs, 
  • qui étaient, dans le passé le plus récent (vendre la tendance et pas l’historique), 
  • dans la même situation (dont la visite présentait les mêmes caractéristiques) 
  • que le visiteur en cours à l’instant T, 
  • la situation - et donc la recherche de visites référentielles - étant actualisée, en temps réel, en cours de navigation, à chaque donnée reçue. 

Le tout en moins de 35 millisecondes.

Résultats

Les réusltats sont très convaincants et dépassent largement les objectifs fixés.

Il est également intéressant de noter la répartition des conversions post clic sur bannières personnalisées, qui montrent une fois de plus:

  •  l’intérêt stratégique qu’il y a à accueillir les visiteurs des pages catégories par une zone personnalisée en haut de page, les orientant rapidement vers la page produit
  • la pertinence de la technologie d’IA Inductive.

 

 

Analyse

Les principaux “success drivers” ont été:

  • la  capacité de Netwave Suite à individualiser les recommandations au cas par cas par rapport à un système de ML simplement statistique, qui lui a assuré une surperformance significative en termes de taux de conversion et de panier moyen,
  • la mise en place d'un système complet de recommandations personnalisées avec un accent majeur mis sur les pages Catégories afin de réduire les contraintes de recherche des visiteurs, 
  • l’intégration web + mobile

Les leçons à en tirer sont claires.  L’IA, , quand elle est capable:

  • d’identifier pendant la navigation, le besoin du visiteur et de l'actualiser en temps réel à chaque nouvelle donnée reçue,
  • de processer en temps réel, à chaque requête de personnalisation, comme l’IA Inductive de Netwave, au lieu d’appliquer des modèles statistiques issus des simples données du passé comme le fait le machine learning,

est un formidable levier de croissance immédiate pour le e-commerce. 

Topics: E-merchandising, Big Data, E-commerce, Recommandation, Personnalisation, Intelligence Artificielle, cross selling, up selling, IA, Individualisation, Expérience client, Performance e-commerce, Panier abandonné, Conversion e-commerce, Recommandations personnalisées, IA et Expérience Client, Intelligence Artificielle en E-commerce, Recommandation de Produits, Personnalisation en E-commerce