Machine learning au service de la personnalisation des produits

Le machine learning peut-il vous aider à personnaliser vos produits?

Aujourd’hui le mot « data » est sur toutes les lèvres. Les grandes entreprises se sont toutes dotées de DMP (Data Management Platform) ou CDP (Customer Data Platform) pour gérer les données de leurs clients. Cette démarche constitue un pas en avant mais ne semble pas être suffisante : il faut également savoir exploiter les données récoltées. Mais comment tirer la meilleure partie de vos données ? Le machine learning et son sous-domaine, le deep learning, vous offrent la solution. Grâce à cette technologie, vous pouvez désormais personnaliser vos produits: s’il s’agit d’un site, d’une application mobile ou d’un produit physique.

 

Machine learning: imiter le cerveau humain

 

Le machine learning, issu de l’Intelligence Artificielle, décrit le champ d’étude donnant à l’ordinateur la capacité d’apprendre par lui-même, sans être explicitement programmé pour chaque tâche. Ce concept a déjà été lancé en 1959 par l’informaticien américain Arthur Samuel, créateur d’un programme de jeu de dames qui s’améliorait en jouant. Au final, le programme était capable de battre le 4ième meilleur joueur des Etats-Unis.

En effet, les algorithmes de machine learning apprennent par l’entrainement: on fournit d’abord des exemples dont l’issue est connue pour que l’ordinateur puisse y trouver des corrélations et prédire les résultats futurs. Plus les données fournies sont riches et variées, plus l’algorithme peut apprendre et fournir ainsi des insights intéressants.

Mais certaines données échappent au système : par exemples les images ou la parole sont très difficiles à traiter de manière numérique. C’est là où le deep learning entre en jeu. Ce sous-domaine du machine learning s’appuie sur un réseau de neurones artificiels inspiré du cerveau humain, pour effectuer des tâches complexes, telles que la reconnaissance d’images, la traduction automatique ou la conversation.

Deux scientifiques, Walter Pitts et Warren McCulloch, ont créé un dispositif électronique, le « neurone formel » qui est une représentation mathématique et informatique d’un neurone biologique. Celui-ci fonctionne en réseau « profond » (d’où le nom de « deep learning ») où les couches successives sont multipliées autant de fois que possible.

 

neurone artificiel - machine learning

Représentation d'un neurone biologique et de son modèle mathématique.1

Le cerveau est une machine extraordinaire qui regroupe quelques 85 milliards de neurones, chacun connecté aux autres neurones via 10 000 synapses représentant 180 000 km de « câblages ». Le tout dans un volume restreint d’environ 2500 cm3 et consommant seulement 25 watts (dix fois moins qu’un PC moyen). Dans ces conditions, combien de temps faudra-t-il pour développer un système informatique comparable ? 2

Même si, pour le moment, on est loin d’égaler le cerveau humain, le deep learning est déjà capable de vous aider à personnaliser vos sites, vos applications et vos produits physiques.

 

Personnalisez vos sites

 

Le machine learning est actuellement exploité par plusieurs entreprises qui offrent des services ou des produits dématérialisés, comme par exemple Netflix. Cette célèbre plateforme analyse sans cesse l’activité de ses clients pour leur proposer les contenus susceptibles de leur plaire. Netflix dispose des données relatives aux habitudes de visionnage de 250 millions de profils actifs ! Les informations comme le type du film vu, l’heure de visionnage etc. sont soigneusement gardées et répertoriées par les algorithmes.  D’autre part, un certain nombre d’employés de Netflix passent leur temps à tagguer les films en fonction de différents critères: il existe 27 000 catégories de contenus, par exemple « comédies argentines », « films catastrophiques canadiens », ou « films réconfortants sur le thème de la mer pour les 8-10 ans ».

Par la suite, les algorithmes de machine learning analysent ces différentes données pour segmenter les clients et créer 2000 « communautés de goûts » de manière très fine. En fonction de sa communauté d’appartenance, un client se voit proposer certains genres de contenus.

Voici une explication en vidéo :

Au total Netflix utilise 6 différents algorithmes qui classent les contenus en mixant des critères personnalisés ou non:  la popularité du film, le profil de l’utilisateur, ou bien les tendances récentes de consommation au sein de la plateforme.

Et ça marche ! 80 % des contenus visionnés sur Netflix proviennent du moteur de recommandation et 1 milliards d’heures sont ainsi consommées par semaine. Il serait peut-être temps de réfléchir à intégrer des recommandations personnalisées sur votre site web?

Personnalisez vos applications

 

Grâce au machine learning, la personnalisation de votre application devient un jeu d’enfant. Un SDK proposé par la start-up Azetone permet d’effectuer des analyses poussées pour découvrir ce qui fonctionne le mieux pour votre audience. Ces données peuvent être ensuite croisées avec celles collectées par l’entreprise en dehors de l’application : via CRM, DMP ou des outils de push notification.

Ensuite l’outil d’Azetone fait un certain nombre de corrélations et modifie l’interface de l’application de manière dynamique, en affichant les menus ou la page d’accueil différente en fonction du profil de l’utilisateur (ses habitudes, ses centres d’intérêt etc.), de l’endroit où il se trouve (en magasin, à la maison…) et du moment auquel il se connecte.

Philippe Dumont, CEO et Cofondateur d’Azetone, considère que la personnalisation des applications est une vraie tendance de fond :

Je pense que c’est une tendance de fond, car c’est clairement demandé par les utilisateurs, parce qu’ils sont très intéressés d’avoir quelque chose qui est personnel, qui répond le mieux possible à leurs attentes. C’est aussi le fait que sur le mobile, les sessions d’utilisation sont très courtes : quelques dizaines de secondes, quelques minutes dans le meilleur des cas, d’où l’importance de trouver la bonne information ou la bonne fonctionnalité, aller jusqu’au bout de son parcours dans un temps très court. C’est évidemment plus simple lorsqu’on a une interface entièrement personnalisée et optimisée par rapport à ses propres besoins.

C’est aussi une tendance de fond par rapport à la partie éditeur de l’application car les éditeurs sont extrêmement soucieux de la satisfaction client et aussi de la performance de leurs applications. Plus leur application sera personnalisée – donc, quelque part simplifiée et optimisée pour l’utilisateur, plus l’utilisateur va aller loin dans cette application et plus la satisfaction et la monétisation, et en tout cas l’objectif de cette application sera rempli.

La solution d’Azetone est déjà employée par des grands groupes, comme Orange ou Allianz. Dans le cas de l’application Mon Allianz Mobile, la personnalisation a eu un impact important: l’utilisation de certaines fonctionnalités a augmenté de manière significative, entre 30% et 150% selon le cas3. De plus, cette solution a permis de personnaliser l’application même pour de nouveaux utilisateurs  dès leur première connexion.

 

Personnalisez vos produits physiques

 

Une fois votre site et votre application personnalisés, il faut passer à l’étape suivante: votre produit physique devrait être également adapté aux besoins de chaque client.

La start-up française Ikkoé, fondée par Sophie Rama et Valérie Bransier, propose une solution simple clé en main : grâce au module plug-and-play branché sur votre site, vous pouvez disposer rapidement d’un configurateur de personnalisation de produits. L’interface propose différentes fonctionnalités : ajouter du texte, modifier la taille, les couleurs… Dans certains cas, l’utilisateur peut aussi importer son propre visuel, qui sera automatiquement optimisé via le module. Ces options sont étudiées en amont avec la marque et dépendent de ses capacités de production.

Voici un aperçu du module:

La solution Ikkoé intègre aussi un algorithme de deep learning appelé OLIN. L’idée est de proposer à l’utilisateur plusieurs motifs simples ou éléments de dessins. Sur la base de ses choix, l’algorithme génère une combinaison de motifs uniques, qui peut être modifiée à souhait. Il s’agit donc de la personnalisation créative: le dessin est généré en temps réel, individuellement pour chaque utilisateur en fonction de ses préférences.

Le module Ikkoé se base sur le deep learning, et plus particulièrement les GANs : Generative Adversarial Networks – réseaux antagonistes génératifs. Introduite en 2014 par Ian Goodfellow, cette approche innovante de programmation pour l’élaboration de modèles génératifs, c’est-à-dire capables de produire eux-mêmes des données, s’inspire du monde du jeu.

Une fois le design validé par le client, le module génère des fichiers utilisables par des machines à commande numérique ou alors traités manuellement par des employés de la marque. De ce fait, le temps de production est considérablement réduit.

En plus de la création individuelle, le module peut également intégrer une option de co-création: l’utilisateur crée le design du produit et le soumet à la direction artistique de la marque. Les autres utilisateurs votent pour le meilleur design. Ensuite, l’algorithme fait la présélection de tous les designs qui sont susceptibles de plaire à l’audience de la marque. Le travail de l’entreprise est alors simplifié: elle peut directement choisir le meilleur design dans cette sélection  et l’utiliser pour produire une mini-série ou une édition limitée.

Ce système offre plusieurs avantages à la marque, comme explique Sophie Rama, Cofondatrice d’Ikkoé :

Je personnalise mon produit, je mets mon empreinte et je co-design quelque chose avec la marque. Pour la marque les avantages sont multiples : on apprend à connaitre les utilisateurs, on les associe au produit et on a une possibilité de récompenser les personnes qui ont voté pour un design, par exemple avec un bon d’achat. Une fois l’objet est produit, il peut être vendu en magasin, donc on attire également des clients dans des points de vente physiques. Si la marque dispose d’un parcours digitalisé en magasin, on peut faire voter les clients sur des bornes interactives ou des écrans. Le vote prend quelques secondes, c’est assez ludique, et cela permet d’offrir une expérience client assez unique.

 

Décidément, la personnalisation à l’aide du machine learning a encore de beaux jours devant elle.

Pour en savoir plus sur le machine learning, consultez également cet article: https://mbamci.com/machine-learning-mythes-realite/

 

Bibliographie :

https://www.informatiquenews.fr/tout-ce-que-vous-avez-savoir-sur-le-deep-learning-45317

http://penseeartificielle.fr/focus-reseau-neurones-artificiels-perceptron-multicouche/

La personnalisation au bon utilisateur, au bon moment et au bon endroit… – le webinar de l’entreprise Azetone, 2018

https://www.inprincipio.xyz/deep-learning/

https://fr.wikipedia.org/wiki/Apprentissage_automatique

https://siecledigital.fr/2016/12/22/machine-learning-deep-learning-ca-marche/

http://blog.kameleoon.com/fr/machine-learning-analyse-activation-personnalisation/

https://www.blogdumoderateur.com/machine-learning-segmentation-visiteurs/

https://youtu.be/Z8JyEhK-Xuw

http://www.tom.travel/2018/02/22/vem9-machine-learning-service-de-personnalisation-sites/

https://business-analytics-info.fr/10898/recommandation-netflix/

https://www.criteo.com/fr/insights/spacex-netflix-et-spotify-sont-centres-sur-la-donnee/

https://blogs.mediapart.fr/marc-tertre/blog/130318/intelligence-artificielle-comprendre-le-deep-et-le-machine-learning

http://www.internetactu.net/2017/10/25/tout-est-recommandation-comment-netflix-sest-transforme/

 

Par | 2018-09-04T11:07:05+00:00 lundi, 3 septembre, 2018|Catégories : E-Business, E-commerce, Expérience Client, Tech|

À propos de l'auteur :

Chef de Projet Production Digitale chez Eurosport et étudiante en cursus MBA Marketing Digital et Commerce sur Internet à l'Institut Léonard de Vinci à Paris. Je suis en train de rédiger une thèse professionnelle "Comment démocratiser la production personnalisée et sur mesure à l'aide des technologies numériques?" #webmarketing #digitalproject #agile #MBAMCI #surmesure #personnalisation

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.