Pourquoi les consommateurs sont-ils sourds aux recommandations automatiques ?

14/06/2018, publié par Grégory Krumm

Si vous aimez A vous aimerez aussi B : c’est peut-être vrai, mais en pratique, la majorité des consommateurs qui ont aimé A n’achètent pas B ! Les moteurs de recommandation automatiques se trompent-ils ? Pas forcément car ils sont de plus en plus performants – même si encore largement perfectibles – mais peut-être est-ce tout simplement parce que les algorithmes font des recommandations très logiques alors que les consommateurs sont en recherche de surprises et de coups de cœur. Mais la surprise est-elle programmable ?

Lorsqu’on se rend dans un magasin sans forcément savoir si on y trouvera ce que l’on cherche, il est fréquent que le vendeur, nous voyant déambuler dans les rayons, s’approche en demandant : « je peux vous aider ? ». Sur les sites e-commerce, on peut aussi errer certes, mais pas de vendeur pour nous aiguiller : il ne reste plus qu’à consulter les avis des autres consommateurs ou à se laisser tenter par les recommandations automatiques du site… qui, selon une étude de l’Institut Mines-Télécom/Médiamétrie, laissent pourtant froids une majorité de Français : 76 % d’entre eux estiment en effet que les recommandations automatiques ne modifient pas leur panier d’achat1.

Ces moteurs de recommandation qui manquent de flair

Une indifférence étonnante, de prime abord, quand on sait que les succès d’Amazon et de Netflix s’appuient largement sur la pertinence des algorithmes de recommandations automatiques. « Plus de 80 % des contenus visionnés par nos utilisateurs sont des recommandations2» rappelait ainsi Hossein Taghavi, ingénieur en charge de la recherche chez Netflix, en avril 2017. Sauf que comparer l’efficacité des algorithmes de recommandations de Netflix au faible impact des recommandations automatiques sur les paniers d’achat sur les sites e-commerce, c’est, sans doute, comparer deux indicateurs qui n’ont, en réalité, pas grand-chose en commun. Netflix ne vend qu’un seul produit – des vidéos. Dès lors, il est possible de comparer les vidéos entre elles, de mesurer l’interaction entre chaque utilisateur et les vidéos qui lui sont proposées -consultée, visionnée en partie, appréciée, visionnée jusqu’au bout… De fait, ce n’est pas un moteur de recommandation qui tourne dans les coulisses de Netflix, mais toute une famille, chacun des membres de cette famille étant dédié à un type d’intérêt particulier : voir le même genre de vidéos, voir les plus populaires dans une catégorie choisie, voir celles qui ont du succès tel jour ou telle semaine, etc. La recommandation, pour Netflix, c’est donc le nerf de la guerre.

Pour les acteurs du e-commerce qui, depuis de nombreuses années, ont investi les solutions de recommandations automatiques, devenues incontournables dans le marketing digital, ce n’est qu’une composante parmi d’autres d’une stratégie d’acquisition ou de fidélisation. Mais, il faut aux algorithmes d’une plateforme e-commerce récolter le maximum d’informations pour espérer “sentir” où vont les envies d’un consommateur. Ce qui est plus facile sur une plateforme ne proposant qu’un type de produits, et à laquelle, de surcroît, les clients sont abonnés – garantie d’une rémanence forte de leurs interactions, d’une mémoire fine de leurs habitudes. Et, a contrario, c’est sans doute là que le bât blesse parfois pour les sites e-commerce. Un manque de finesse qui serait la cause du faible impact des recommandations sur le panier d’achat ?

L’expérience humaine à la rescousse des recommandations automatiques

Le cas le moins favorable étant celui où le moteur de recommandation rencontre un consommateur pour la première fois. Un démarrage à froid qui a pour conséquence que le système ne recommandera que les articles les plus populaires, ou ceux similaires à une palette très restreinte d’intérêts personnalisés. Bien que les algorithmes de recommandations automatiques se perfectionnent, notamment grâce à la “magie” des systèmes auto-apprenants qui permettent aux machines de consolider leurs capacités probabilistes, le code ne peut pas tout. Heureusement, l’humain peut, en partie, pallier ses faiblesses. Que vaut en effet une recommandation générée froidement par un algorithme par rapport à celle d’un internaute, d’un expert ou d’un ami ? Qu’est-ce qui les différencie ? L’expérience, bien sûr : celle que seuls des consommateurs de chair et d’os peuvent rapporter, nourris de leurs émotions, de leur envie de partager et de surprendre. Pour les consommateurs lassés de voir les moteurs de recommandation passer à côté de leurs envies, ou ressasser des passions fanées sans jamais les surprendre, émergent des plateformes misant sur la recommandation 100 % humaine : Teeps, Kaboodle, notamment. Elles font le pari du shopping social.

Remettre de l’humain dans le marketing digital est donc une sérieuse option à envisager pour les marques, d’autant plus qu’un récent sondage3 montre que les techniques marketing des sites e-commerce agacent profondément les Français : 64 % d’entre eux n’apprécient pas qu’on leur suggère des produits… correspondant à leur profil et à leurs goûts.

1 « Etude sur les données personnelles » – Médiamétrie – Chaire Valeurs et Politiques des Données Personnelles – Institut Mines-Telecom – Juin 2017 – p.38.
2 ZDNet – « Comment Netflix compose ses algorithmes de recommandation », 26 avril 2017.
3 Sondage réalisé par Odoxa pour Emakina et BFM Business, mené auprès de 962 personnes issues d’un échantillon représentatif de la population française âgée de 18 ans et plus.