WATCH : Conforama passe avec succès à une stratégie cross-canal plus rationnelle et plus efficace en intégrant une solution d'IA pour des recommandations de produits personnalisées.
Conforama est le deuxième distributeur de produits d'équipement de la maison en France et est présent dans sept pays, avec 300 magasins, dont 200 en France. L 'enseigne vend des meubles et des objets de décoration en kit et a réalisé un chiffre d'affaires de 1,7 milliard d'euros en 2022.
En tant qu'enseigne passerelle, Conforama a pour objectif de " Rendre accessible au meilleur prix ce que les gens désirent le plus. " Une ambition soutenue par un plan de transformation visant à offrir une expérience omnicanale grâce aux data et à l'IA. Un premier audit et une vision data marketing avec Artefact a permis d'identifier et de prioriser 12 cas d'usage et 25 facilitateurs techniques et organisationnels. Le premier cas d'usage consistait à intégrer une recommandation de produit personnalisée dans les emails hebdomadaires de l'entreprise.
Plusieurs challenges doivent être adressés grâce à ce cas d’usage :
- Comment comprendre les besoins de 3 millions de clients et proposer les produits les plus pertinents parmi un catalogue de 42 mille références ?
- Comment proposer uniquement des produits en stock, en promotion, n’ayant pas été déjà proposés aux clients ?
- Comment facilement opérer et maintenir la solution technique ?
La recommandation produit grâce à l'intelligence artificielle : gain de temps pour les consommateurs, et amélioration de la productivité business
La recommandation produit basée sur l'intelligence artificielle consiste à utiliser des algorithmes d'apprentissage automatique (Machine Learning) pour analyser les données des utilisateurs, telles que leurs préférences, leur historique d'achat et leur comportement en ligne, afin de leur proposer des produits pertinents pour eux de façon personnalisée. Cela permet aux entreprises de mieux comprendre les besoins de leurs clients et de leur recommander des produits qui correspondent à leurs intérêts, ce qui se traduit par une augmentation des ventes et de la fidélisation de la clientèle.
L'un des principaux avantages de cette solution est qu'elle permet aux clients de gagner du temps. Plutôt que de parcourir d'innombrables pages de produits pour trouver ce qu'ils recherchent, les clients peuvent accéder rapidement à une sélection de produits recommandés qui répondent spécifiquement à leurs besoins. La recommandation de produits basée sur l'IA peut améliorer l'expérience d'achat en ligne et encourager les clients à revenir pour d'autres achats. Un avantage stratégique, sachant que 72 % des consommateurs n'interagissent qu'avec des messages marketing personnalisés et adaptés à leurs centres d'intérêt.
En outre, la recommandation de produits basée sur l'IA peut stimuler la productivité des entreprises: les algorithmes d'apprentissage automatique peuvent analyser de grandes quantités de data en temps réel, ce qui permet aux entreprises de surveiller en permanence les tendances et les comportements d'achat des clients. Cela peut aider les organisations à mieux comprendre les désirs des clients et à adapter rapidement leurs offres de produits en conséquence. Cela peut également permettre aux entreprises d'optimiser leurs stocks en proposant des produits qui ont plus de chances de se vendre, ce qui peut réduire les coûts et maximiser les profits.
Enfin, la recommandation produit basée sur l'IA peut offrir des bénéfices commerciaux significatifs aux entreprises. En proposant des produits pertinents et personnalisés à leurs clients, les entreprises peuvent améliorer leur taux de conversion, augmenter les ventes et améliorer leur image de marque. D’un point de vu marché, on constate +2.5% de croissance incrémentale grâce à la recommandation produit basée sur l'IA.
Un premier cas d’usage centré sur la personnalisation des campagnes de mailing
Avant ce projet, l’ensemble des clients recevaient les mêmes 8 produits, préalablement sélectionnés chaque semaine par les équipes marketing. Une tâche fastidieuse, puisqu’elle consistait à identifier les 8 produits qui seraient les plus susceptibles d'intéresser 3 millions de clients ; chaque client ayant des intérêts différents ! Autant de temps consacré à des analyses de données qui n’était pas utilisé sur des activités plus stratégiques comme le contenu éditorial des e-mails.
Aujourd’hui, un email est envoyé à l’ensemble des clients Conforama tous les mardis avec à l’intérieur une recommandation de 8 produits. Cette recommandation est personnalisée en fonction de l’historique d’achat, et filtrée uniquement sur des produits en promotion, disponibles en stock et qui n’ont pas été mis en avant dans des activations précédentes.
La solution IA implémentée repose sur 4 grandes étapes de traitement des données :
- Collecte des historiques de transaction, des référentiels clients et produits, puis préparation de la donnée,
- Construction du modèle de « Collaborative Filtering » pour calculer l’appétence des clients sur le catalogue produit,
- Filtrage des produits en fonction des stocks disponibles, de l’actualité commerciale (soldes, promotions, etc.), des activations et achats passées,
- Enrichissement des données produits (photos, prix, description, etc.) pour l’activation.
Cette solution est basée sur 16 tables de data , 25 étapes de transformation et de modélisation et 40 tests de qualité automatisés. Des dizaines d'itérations du modèle ont permis de choisir l'approche la plus efficace en fonction de l'historique des transactions. Grâce à cette solution, Conforama génère désormais plusieurs millions de recommandations par semaine en 45 minutes pour un coût de 50 euros par semaine.
Autrement dit, si on compte les coûts de développement et d’opération, ainsi que les ventes incrémentales, le point de rentabilité du projet est atteint en 1 semaine, avec une solution automatisée et fiable.
"Un gain de temps, certes, mais surtout un avantage commercial pour nos équipes de gestion de la relation client. Car grâce à cette personnalisation, les clients cliquent plus et donc achètent plus. Nous avons gagné 15% de taux de clics suite à la personnalisation de ces emails, ce qui représente plusieurs millions de ventes incrémentales."
Mélodie Charles, Directrice Marketing Conforama
Réussir sa transition vers l’IA : les 4 enseignements de la success story Conforama
On constate chez de nombreux acteurs, 3 enjeux en fonction du niveau de maturité :
- Niveau 1 : Personnaliser un point de contact aujourd’hui rule-based via une approche algorithmique d’IA,
- Niveau 2 : Étendre la recommandation personnalisée AI based sur l’ensemble du parcours client (produits similaires / produits complémentaires / suggestion en fonction de l’historique d’achat),
- Niveau 3 : Optimiser l’orchestration des recommandations sur l’ensemble des canaux afin de garantir une expérience omnicanale.
Le niveau 1 est souvent la marche la plus difficile à franchir puisqu’elle nécessite de poser des fondations au regard de 4 dimensions : Vision, cible expérience utilisateur et priorités ; Sources de données ; Outils technologiques ; Équipe projet et méthode de travail.
L’exemple Conforama permet de faire émerger des enseignements au regard de ces 4 dimensions :
- Sélectionner un premier cas d’usage et des fonctionnalités réalisables et mesurables rapidement, cela permettra d’embarquer l’organisation sur le chemin du succès. Par exemple, aujourd'hui c’est grâce à ce premier succès que Conforama peut se projeter sur le déploiement de la recommandation produit en magasin ou encore l’amélioration de l'algorithme grâce aux données de navigations.
- S’assurer que les données sont fiables. Une bonne modélisation de données repose avant tout sur des données de bonne qualité. Avec Conforama, nous avons réalisé des analyses exploratoires sur plus de 50 tables afin de sélectionner les sources de données sur des domaines comme par exemple la connaissance clients, les référentiels produits, ou encore les transactions.
- Utiliser des technologies qui permettent aux équipes de déployer rapidement et de manière collaborative une solution technique. Nous avons notamment sélectionné avec Conforama les outils les plus appropriés pour ce type de workflow : DBT, BigQuery ML, Vertex AI pour leur performance, modularité et portabilité.
- Constituer une équipe dédiée qui sera capable de traiter l’ensemble des problèmes potentiels, et adopter une approche test & learn. Pour cela, nous avons constitué une équipe multidisciplinaire IT / business Conforama, et une approche par sprint de 2 semaines.
