Un recommandateur de produits bien configuré est l’un de ces éléments qui travaillent seuls et en silence pendant que l’équipe s’occupe d’autre chose. Il n’a besoin de personne pour décider quoi montrer à chaque visiteur : il le calcule en temps réel à partir de ce que ce contact a fait dans la boutique. Et lors des moments de fort trafic comme le Black Friday, quand des milliers de visiteurs aux comportements différents arrivent en même temps, c’est là que la différence se fait le plus sentir entre un catalogue statique identique pour tous et une expérience qui s’adapte à chacun.
Ce guide explique ce qu’est un recommandateur de produits, comment il fonctionne, quels types de recommandation existent, comment l’implémenter dans Connectif et comment l’appliquer lors d’une campagne Black Friday pour augmenter le panier moyen et améliorer la conversion.
Qu’est-ce qu’un recommandateur de produits et comment ça fonctionne
Un recommandateur de produits est un système qui sélectionne et affiche automatiquement au visiteur les produits les plus susceptibles de l’intéresser, en se basant sur son comportement dans la boutique : ce qu’il a visité, ce qu’il a ajouté au panier, ce qu’il a acheté auparavant et comment se comportent d’autres acheteurs aux profils similaires.
La différence entre un recommandateur et une sélection manuelle de produits mis en avant est le niveau de personnalisation. Une bannière « meilleures ventes » sur la page d’accueil est identique pour tout le monde. Un carrousel de recommandations qui mélange les derniers produits visités par ce contact avec d’autres automatiquement liés est différent pour chaque personne, même si elles se trouvent sur la même page au même moment.
Comment ça fonctionne en pratique :
Le système enregistre en continu l’activité du contact : quelles pages il visite, sur quelles fiches produit il passe le plus de temps, ce qu’il ajoute au panier, ce qu’il achète. Avec ces données, il construit un profil comportemental qu’il utilise pour filtrer le catalogue et décider quels produits sont les plus pertinents pour ce visiteur à ce moment précis.
Dans la plupart des plateformes de marketing automation, ce mécanisme est géré par des algorithmes de relation automatique entre produits : le système apprend quels produits sont visités ou achetés ensemble et utilise ces relations pour alimenter les recommandations. Le résultat est un carrousel, un bloc email ou une notification push avec des produits qui connectent vraiment avec ce que le contact a regardé, pas une liste générique du catalogue.
L’élément le plus pertinent pour un ecommerce avec un trafic anonyme significatif : certains systèmes de recommandation ne personnalisent que pour les contacts identifiés, excluant la majorité du trafic. Un recommandateur qui fonctionne dès le premier clic, avant que le visiteur ait laissé la moindre donnée, peut afficher du contenu pertinent aussi à ceux qui ne sont pas encore dans la base de données, sur la base du comportement de cette session.
Types de recommandations : cross-selling, upselling et personnalisation avec l’IA
Les trois concepts se chevauchent au quotidien, mais répondent à des objectifs différents :
Cross-selling : le produit qui manque dans le panier
La recommandation de cross-selling affiche des produits complémentaires à ce que le contact a déjà dans son panier ou vient d’acheter. La mécanique est simple : quelqu’un achète un appareil photo et le système lui suggère une carte mémoire, un trépied ou un étui. Ce n’est pas une coïncidence : c’est le mécanisme de relation automatique entre produits qui détecte quels articles sont généralement achetés ensemble.
Dans l’ecommerce, le cross-selling se place habituellement à trois moments : sur la fiche produit (« vous aimerez peut-être aussi »), dans le panier avant le checkout (« d’autres acheteurs ont ajouté ») et dans l’email post-achat (« complétez votre commande »). Les trois ont des taux de conversion significativement plus élevés qu’une communication générique, parce que le contexte est déjà posé : le client vient d’exprimer son intention d’achat.
Upselling : la version qui correspond vraiment
L’upselling n’ajoute pas de produits au panier, mais propose une alternative de plus grande valeur au produit que le contact est en train de regarder. Si quelqu’un visite un modèle d’entrée de gamme, le système lui montre le modèle premium avec les améliorations qui le distinguent. L’objectif est que le contact reconnaisse la valeur de la version supérieure et change sa décision d’achat avant d’arriver au checkout.
L’upselling fonctionne particulièrement bien quand la différence de prix entre les deux options est faible par rapport aux prestations supplémentaires. Et quand il se fait sur des données réelles de comportement (quelle fourchette de prix ce contact achète habituellement, quelles catégories il fréquente), la conversion est bien plus élevée que lorsqu’il est appliqué de façon générique à tout le public.
Personnalisation avec l’IA : au-delà des règles fixes
Les systèmes les plus avancés n’utilisent pas de règles statiques du type « si le contact achète X, afficher Y ». Ils appliquent des algorithmes qui analysent plusieurs signaux à la fois : historique de visites de ce contact, comportement d’achat de profils similaires, saisonnalité du catalogue, disponibilité du stock et évaluations des produits. Le résultat est une recommandation qui change en fonction du moment et du contexte, pas seulement du profil statique du contact.
Dans Connectif, la relation automatique entre produits combine plusieurs critères dans le nœud « Obtenir des produits » : derniers produits visités, produits automatiquement liés au panier, derniers achetés, les plus visités sur une période ou les plus vendus. On peut combiner des cas d’usage dans un même nœud, de sorte que si le critère principal ne suffit pas à remplir le carrousel, le système le complète automatiquement avec le critère alternatif.
Où placer chaque type :
- Page d’accueil : carrousel des derniers produits visités + produits liés recommandés. Fonctionne à la fois comme raccourci et comme découverte du catalogue.
- Fiche produit : produits de la même catégorie et marque, ou les plus visités dans ce segment. Retient le contact indécis et lui montre des alternatives.
- Panier : cross-selling de complémentaires avant le checkout. Le moment de plus forte intention d’achat.
- Email de panier abandonné : les produits laissés plus les produits liés. Le rappel a un contexte réel.
- Email post-achat : cross-selling basé sur le dernier achat. Transforme la première vente en début d’une relation récurrente.
- Web push : un produit pertinent pour ramener sur le site le visiteur parti sans acheter.
Comment l’implémenter étape par étape avec Connectif
Le recommandateur de produits dans Connectif se construit autour du nœud « Obtenir des produits », qui sélectionne automatiquement quels articles afficher à chaque contact selon le critère que vous définissez. Il ne nécessite pas de développeurs ni d’intégration technique supplémentaire : il se configure depuis l’éditeur de workflows.
Étape 1 : Définissez quels produits vous voulez recommander
Le nœud « Obtenir des produits » propose deux familles de critères :
Critères globaux (identiques pour tous) :
- Les plus visités sur une période
- Les plus vendus sur une période
Critères personnalisés par contact :
- Automatiquement liés à son activité
- Derniers produits visités
- Derniers produits ajoutés au panier et non achetés
- Derniers produits achetés
- Liés automatiquement à une liste de produits ou à un panier précis
La solution la plus courante est de combiner un critère principal avec un critère alternatif : « montrez-moi les derniers produits visités par ce contact ; s’ils sont moins de 6, complétez avec les produits automatiquement liés à ses dernières visites. » Ainsi le carrousel se remplit toujours avec du contenu pertinent, même si le contact a peu d’historique.
Pour le détail technique de la configuration, le Centre d’aide propose l’article sur le nœud Obtenir des produits avec tous les paramètres disponibles.
Étape 2 : Choisissez le canal et le format
Les recommandations peuvent apparaître dans trois formats :
- Inline sur le site : un carrousel ou une bannière insérée dans une section de la page (page d’accueil, fiche produit, page panier) sans modifier le code de la boutique. Il se configure via un sélecteur CSS. L’article du Centre d’aide sur le recommandateur en fiche produit détaille la configuration.
- Bloc produits dans l’email : les produits sélectionnés par le nœud « Obtenir des produits » sont insérés dynamiquement dans l’email, avec image, nom, prix et lien. Chaque destinataire reçoit les produits calculés pour lui, pas une liste fixe.
- Notification push : une push avec le produit le plus pertinent pour ce contact, liée directement à la fiche produit.
Étape 3 : Configurez le workflow
Le recommandateur s’active dans un workflow avec trois éléments de base : le déclencheur (l’événement qui active le flux, comme « visite un produit » ou « abandonne le panier »), le nœud « Obtenir des produits » avec le critère choisi, et l’action d’envoi (inline web, email ou push).
Connectif dispose déjà de stratégies de recommandation prêtes dans la bibliothèque de modèles : recommandateur en page d’accueil, recommandateur en fiche produit, cross-selling post-achat et récupération de panier avec recommandation. On y accède depuis Workflows > Créer un nouveau workflow > Créer depuis un modèle.
Étape 4 : Excluez ce qui a déjà été acheté
Une configuration importante souvent négligée : le nœud « Obtenir des produits » permet d’exclure les produits que le contact a déjà achetés. Sans cette configuration, l’email post-achat peut recommander le même article que celui qui vient d’être acquis.
Comment l’appliquer dans les campagnes Black Friday
Le recommandateur de produits a un impact particulièrement élevé au Black Friday pour deux raisons : le volume de trafic est plus important, donc il y a plus de données comportementales par contact, et l’intention d’achat est plus forte, donc la bonne recommandation au bon moment convertit bien plus qu’un jour ordinaire.
Avant le Black Friday : récupérez l’intérêt de ceux qui ont déjà visité
Les semaines précédant la campagne sont le moment où beaucoup de contacts explorent le catalogue sans encore acheter, en attendant l’offre. Ces données de navigation sont précieuses pour le recommandateur : quand arrivera le 27 novembre et que la campagne email d’accès anticipé ou d’ouverture générale s’activera, le bloc de produits recommandés dans cet email pourra se baser exactement sur ce que ce contact a regardé ces deux ou trois dernières semaines.
Le résultat pratique : l’email Black Friday n’arrive pas avec les mêmes quatre produits pour toute la liste. Il arrive avec les produits que ce contact a déjà visités, plus les produits liés, avec la remise de la campagne déjà appliquée.
Pendant la campagne : trois moments critiques
Sur la page d’accueil et dans les catégories. Un carrousel en page d’accueil avec les derniers produits visités par ce contact agit comme un raccourci direct exactement quand le trafic est le plus fort. Pour les nouveaux visiteurs (sans historique dans cette session), le carrousel peut afficher les meilleures ventes de la semaine ou les produits les plus visités du jour de campagne.
Sur la fiche produit. Un visiteur qui arrive sur une fiche et la quitte sans ajouter au panier est en train de comparer. Le recommandateur sur la même page, avec des produits similaires de la même catégorie et fourchette de prix, peut le retenir avant qu’il aille chercher des alternatives ailleurs. Et le bloc de cross-selling sur la fiche, avec des accessoires ou des complémentaires, augmente le panier moyen de ceux qui ajoutent.
Dans le panier avant le checkout. Le moment de plus forte intention d’achat de tout le Black Friday. Un bloc de cross-selling sur la page panier, avec les complémentaires de ce qui est sur le point d’être payé, affiche les taux de conversion les plus élevés de tous les emplacements du recommandateur. Le contact a déjà décidé d’acheter : ajouter quelque chose en plus est le pas de moindre friction possible.
Récupération de panier abandonné avec recommandation. L’email de récupération de panier au Black Friday ne devrait pas afficher seulement les produits laissés : il devrait montrer ces produits plus les produits liés, en renforçant l’argument avec ce qui peut manquer pour compléter le look, le kit ou l’expérience. Le nœud « Obtenir des produits » avec le critère « derniers ajoutés au panier + automatiquement liés » le fait automatiquement pour chaque contact.
Après le Black Friday : le cross-selling qui construit la récurrence
L’email post-achat du Black Friday est le premier point de contact avec le nouvel acheteur. Si cet email arrive avec un bloc de produits pertinents basés sur ce qu’il vient d’acheter, au lieu d’une communication générique de remerciement, il fait deux choses à la fois : il renforce la décision d’achat et met sur la table la suivante. C’est le début d’un cycle de recommandations qui, bien alimenté, transforme l’acheteur ponctuel en client récurrent.
Exemples réels de recommandateurs dans l’ecommerce
Gioseppo — chaussures et accessoires, Espagne et marché international (80 pays, 10 000 points de vente)
Gioseppo est arrivé à une conclusion qui résume bien le fil conducteur de cet article : plus les recommandations de produits qui parviennent au client sur tous les canaux sont personnalisées, plus l’interaction est élevée et meilleurs sont les taux de conversion. Ce qui pourrait sembler évident est, en pratique, ce que la plupart des ecommerce ne fait pas : le contenu web de Gioseppo n’est pas identique pour tous les visiteurs. Chaque utilisateur voit les produits et les offres qui l’intéressent selon son historique de navigation et son profil de valeur. Et quand ce visiteur quitte le site, une push avec des produits recommandés et des offres exclusives l’atteint avant que le moment ne se refroidisse. Avec le segment « Champions » (contacts ayant effectué au moins cinq achats dans l’année), Gioseppo a automatisé l’envoi hebdomadaire d’une notification push avec des recommandations personnalisées. Le résultat cumulatif de cette stratégie : 33 % du total des ventes en ligne attribué à Connectif, des taux d’ouverture email proches de 60 % dans les campagnes segmentées et une augmentation de 8 % du CLV en Espagne.
Farmaciasdirect — pharmacie en ligne, Espagne et Portugal (480 000+ clients, 20 000+ références de 600 marques)
Dans l’article, nous avons parlé d’où placer le recommandateur : page d’accueil, fiche produit, panier, email. Farmaciasdirect ajoute une variante souvent ignorée : la landing page comme destination personnalisée. Avec un catalogue de 600 marques, son problème n’était pas le volume de produits mais de décider lesquels montrer à qui. La solution a été de créer des pages spécifiques par marque et catégorie où les produits étaient sélectionnés automatiquement selon l’historique d’achats et le comportement de navigation de chaque contact, avec une approche de cross-selling : celui qui a acheté des produits pour bébé arrive sur la landing de la catégorie « Bébé et Maman » ; celui qui a visité des articles pour le sommeil et la détente, sur la sienne. Ces landings étaient utilisées comme destination dans les newsletters segmentées, les campagnes sur les réseaux sociaux et les annonces. Chaque contact atterrissait là où il avait le plus de chances de convertir, pas sur la même page d’accueil générique. Le résultat : +15 % de taux de conversion et 3x de CTOR dans les campagnes email segmentées par rapport aux envois de masse précédents.
Xiaomi Store — distributeur officiel Xiaomi en Amérique Centrale (8 pays, 45 boutiques, +200 employés)
Si l’article explique que le recommandateur agit différemment selon le moment du parcours client, Xiaomi Store est le cas qui le démontre avec des chiffres. Trois couches, trois objectifs, trois résultats. Quand le visiteur arrive sur le site et navigue sans destination précise, des popups et du contenu plein écran apparaissent avec des produits en lien avec ses recherches et ses intérêts lors de cette session. Résultat : +7,5 % de CTR, des visiteurs indécis qui passent de la curiosité au clic. Quand ce visiteur a ajouté des articles au panier mais ne finalise pas l’achat, la vitrine inline lui affiche des produits liés à ce qu’il a déjà dedans, renforçant la décision juste avant qu’il n’abandonne. Résultat : +12,2 % dans le taux de conversion. Et quand l’historique de navigation indique que cet utilisateur est enclin à dépenser davantage dans cette catégorie, le carrousel d’upselling lui présente la version supérieure du produit qu’il regarde. Résultat : +30 % de panier moyen. L’impact des trois couches combinées : 40 % des ventes totales de Xiaomi Store attribués à Connectif.
Si vous voulez voir comment le recommandateur de produits fonctionnerait dans votre catalogue et comment l’intégrer dans vos workflows Black Friday, demandez une démo et nous le configurons ensemble.
Questions fréquentes sur les recommandateurs de produits
Qu’est-ce qu’un recommandateur de produits dans l’ecommerce ?
C’est un système qui sélectionne et affiche automatiquement à chaque visiteur les produits les plus susceptibles de l’intéresser, sur la base de son comportement dans la boutique : pages visitées, articles ajoutés au panier, achats précédents et comportement d’utilisateurs similaires. Contrairement à une sélection manuelle de produits mis en avant, le recommandateur personnalise le contenu pour chaque personne en temps réel.
Quelle est la différence entre le cross-selling et l’upselling ?
Le cross-selling affiche des produits complémentaires à ce que le contact a déjà dans son panier ou vient d’acheter : des accessoires, des produits qui vont ensemble, des articles que d’autres acheteurs ont ajoutés. L’upselling suggère une version de plus grande valeur du produit que le contact est en train de regarder : un modèle plus avancé, un plan plus complet, une variante premium. Les deux augmentent le panier moyen, mais ils agissent dans des moments et avec des mécaniques différentes.
Le recommandateur fonctionne-t-il aussi avec les visiteurs anonymes ?
Cela dépend de la plateforme. Les systèmes qui ne personnalisent que pour les contacts identifiés excluent la majorité du trafic (environ 80 % des visiteurs d’un ecommerce sont anonymes). Ceux qui, comme Connectif, enregistrent le comportement dès le premier clic, avant que le visiteur ait laissé la moindre donnée, peuvent afficher des recommandations basées sur la session actuelle : ce qu’il a visité ces dernières minutes, quelles catégories il a explorées.
Sur quelles pages faut-il placer le recommandateur ?
Les emplacements avec le plus fort impact sont : la page d’accueil (derniers visités + produits liés), la fiche produit (similaires de la même catégorie + complémentaires), la page panier (cross-selling juste avant le checkout) et les emails de panier abandonné et post-achat. Au Black Friday, le bloc de recommandations dans l’email de campagne affiche également une conversion significativement plus élevée qu’une sélection fixe de produits.
