Algorithmes prédictifs vs allocation dynamique de trafic : quelle est la bonne solution pour personnaliser l'expérience digitale ?
L'Intelligence Artificielle (IA) apporte une réelle valeur ajoutée à la pratique de la personnalisation web. De nombreuses solutions prétendent embarquer de l'IA, mais il ne faut pas confondre les systèmes d'algorithmes prédictifs (l'IA justement) et les systèmes d'allocation dynamique qui n'ont pas la même utilité et les mêmes bénéfices.
Les algorithmes prédictifs placent chacun des visiteurs de votre site au cœur de votre stratégie digitale tandis que l’allocation dynamique de trafic est une approche statistique qui ne tient pas compte des intentions individuelles de vos visiteurs.. Ceci explique pourquoi l'approche prédictive obtient de meilleurs résultats en termes d’engagement et de taux de conversion.
Dans cet article, nous revenons sur les différences entre ces deux pratiques et surtout sur les bénéfices que les marques peuvent attendre de chaque approche.
1 Algorithmes prédictifs et allocation dynamique de trafic : définition et différences
Comment fonctionne l'allocation dynamique de trafic ?
L’allocation dynamique de trafic (ou méthode dite du « bandit manchot ») est une approche permettant aux plateformes d’expérimentation de gérer automatiquement l’allocation du trafic en fonction des performances de chaque variante.
Ainsi, si la variante A fonctionne mieux sur l'ensemble de votre trafic, alors c'est cette variante qui est affichée à tous les visiteurs.
Vous voulez savoir plus sur l'allocation dynamique et notamment pourquoi on l'appelle la méthode du bandit manchot ? Lisez notre article sur le sujet.
Comment fonctionnent les algorithmes prédictifs ?
Avec les algorithmes prédictifs, les marques peuvent analyser le comportement des visiteurs et déclencher des expériences en fonction de leurs intérêts et besoins.
Les algorithmes analysent les intérêts des visiteurs ou leur probabilité de conversion en temps réel et en fonction de toutes les données dont ils disposent. Ils déclenchent ensuite les expériences qui conviennent le mieux et que le marketer a défini en amont.
Il s'agit donc de déclencher des expériences uniques en fonction de chaque profil visiteur.
C'est par exemple ce que propose Cdiscount sur son site en personnalisant l'expérience des visiteurs indécis avec un bon de réduction adapté à leur degré d'indécision (5 €, 10 € ou 20 €) .
Kameleoon Predict™, notre solution de personnalisation basée sur l'IA qui repose sur des algorithmes prédictifs, vous permet d'améliorer et d'étendre la personnalisation de votre expérience digitale à chaque visiteur.
Cette solution intègre un outil clé : le Kameleoon Conversion Score (KCS™), un indicateur unique qui mesure en temps réel l’intention de conversion de tous les visiteurs et permet aux professionnels du marketing et des produits de configurer et de déclencher des actions automatisées.
2 Algorithmes prédictifs et allocation dynamique de trafic : des bénéfices différents
La valeur créée par chacune des approches est différente pour les responsables marketing comme pour les visiteurs.
Prenons un exemple : un responsable marketing dans le secteur des médias souhaite tester cinq titres différents pour un article de fond qui apparaîtra en première ligne sur la page d’accueil. Il y a un volume de trafic important, ce qui signifie que chacun des titres sera vu par des millions de visiteurs tous les jours avant que l’article descende plus bas sur la page d’accueil.
Avec un A/B test à allocation dynamique de trafic : pousser la meilleure variante à toute l'audience
Pour mener cette expérience, on peut choisir d'utiliser un A/B test et de pousser la variante la plus efficace à l'ensemble du trafic avec l'allocation dynamique.
A la différence d'un A/B test multivarié classique, cette méthode vous permet d'afficher le meilleur titre à tous les visiteurs dès que l'expérience montre des résultats concluants et de ne pas attendre plusieurs jours pour mettre en place la meilleure variante.
Le trafic est d’abord réparti de manière aléatoire entre chaque variante, comme dans un test A/B/n classique. Toutefois, durant l’expérimentation, les algorithmes de bandit manchot guide le trafic entre les différentes variantes selon leur performance. Conséquence : à la fin du test, nous montrons à tous les visiteurs les titres qui ont obtenu les meilleurs résultats.
Le principal avantage de cette méthode réside dans la prise en compte des données en temps réel pendant l’expérimentation pour optimiser les performances par rapport aux principaux indicateurs clés de performance (nombre de vues de l’article).
Cependant, cette approche a ses limites : elle n’intègre pas les préférences de chaque visiteur mais vise à optimiser la performance du titre à partir des préférences globales en laissant de côté les choix individuels ou les besoins précis de chaque visiteur.
Ainsi, si un groupe en particulier préfère un titre par rapport à d’autres alors que ces derniers ne constituent pas la majorité des vues totalisées, les membres de ce groupe verront s’afficher le titre le plus populaire et non celui qui les intéresse le plus.
Avec Kameleoon on peut répartir le trafic de manière très précise et choisir ou non d'activer la répartition automatique en fonction d'un résultat gagnant.
Tableau de bord montrant la répartition dynamique du trafic optimisée par la performance grâce à la méthode du bandit manchot
Avec la personnalisation manuelle : offrez une expérience personnalisée par segment
Avec la personnalisation, on peut déterminer quels segments visiteurs seront exposés à l'expérience. Par exemple, les visiteurs de Facebook voient un titre et les visiteurs de Twitter un autre.
Cette méthode est adaptée lorsque vous avez une réelle indication de l'intérêt des visiteurs, en fonction de leur provenance, de leur localisation ou de leur historique d'achat.
Toutefois, elle ne prend pas en compte les intentions d'achat en temps réel et la méthode peut avoir ses limites. Par exemple, un visiteur a acheté une machine à laver sur votre site : si vous personnalisez son expérience en fonction de cette information, cela ne sera pas pertinent puisqu'il y a peu de chance qu'il veuille acheter un second appareil dans le court terme.
Avec Kameleoon, vous pouvez créer des segments visiteurs en fonction d'un grand nombre de critères. Cela vous permet d'affiner au maximum l'audience à laquelle vous vous adresser pour lui proposer les messages adaptés.
Avec les algorithmes prédictifs : proposez l'expérience qui convient le mieux à chaque visiteur
Les algorithmes prédictifs permettent aux responsables marketing et aux équipes produits d’atteindre le plus haut niveau de performance en prenant en considération les besoins et le comportement de chaque visiteur, en temps réel.
Les algorithmes prédictifs analysent toutes les données dont ils disposent pour identifier l'appétence des visiteurs pour un titre plutôt qu'un autre afin de lui afficher la meilleure version pour lui.
Le titre qui est affiché aux visiteurs ne repose donc pas sur des critères de segmentation défini a priori, ni sur le titre le plus populaire mais bien sur leurs intérêts et leur intention d'achat mesurée par l'IA à un instant t de leur visite. Autrement dit, sur les attentes individuelles de vos visiteurs.
Comprendre les algorithmes prédictifs grâce au KCS (Kameleoon Conversion Score)
Sur la plateforme Kameleoon, le KCS donne une indication sur l'intention de conversion des visiteurs pour permettre aux marketers de mettre en place les bonnes expériences en fonction des intérêts de chacun.
Il calcule en temps réel un score de chaleur pour chaque visiteur sur une échelle de 1 à 100 (1 : le visiteur a peu de chances de convertir ; 100 : le visiteur a beaucoup de chance de convertir)
Le KCS aide également les responsables marketing à comprendre les données analysées par l'algorithme d’un point de vue commercial. Il suggère automatiquement les gammes offrant le plus de potentiel et signale par un drapeau les opportunités les plus intéressantes.
Ce n’est pas nécessairement la gamme la plus haute (celle proche de 100) qui offrira le meilleur retour sur investissement : il peut s’agir d’une gamme plus basse mais dont le rendement sera le plus important. En somme, l’algorithme de l’IA indique les opportunités mais vous pouvez décider des actions à privilégier et à mener ainsi que du mode de suivi d’un segment précis.
Très souvent, les algorithmes prédictifs peuvent être assimilés à l'allocation dynamique de trafic car leur finalité est la même : atteindre les objectifs de conversion plus rapidement et efficacement.
Toutefois, les deux pratiques ont des fonctionnements diamétralement opposés.
Les algorithmes de la méthode du bandit manchot se concentrent sur la meilleure variante d'un test A/B à proposer en termes de performances à tous les visiteurs alors que les algorithmes prédictifs apprennent en temps réel ce que chaque visiteur recherche afin de lui proposer un contenu adapté, pour mieux le servir et améliorer la conversion.
La personnalisation prédictive constitue une innovation majeure sur le plan marketing et commercial. Les responsables marketing sont en mesure de proposer un contenu personnalisé en temps réel adapté à chaque visiteur au lieu de promouvoir le contenu le plus performant statistiquement à tous les visiteurs.
C’est pour cela que, selon nous, les algorithmes prédictifs assureront une plus grande réussite des initiatives d’optimisation.
