Un recommandateur de produits bien configur\u00e9 est l’un de ces \u00e9l\u00e9ments qui travaillent seuls et en silence pendant que l’\u00e9quipe s’occupe d’autre chose. Il n’a besoin de personne pour d\u00e9cider quoi montrer \u00e0 chaque visiteur : il le calcule en temps r\u00e9el \u00e0 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 diff\u00e9rents arrivent en m\u00eame temps, c’est l\u00e0 que la diff\u00e9rence se fait le plus sentir entre un catalogue statique identique pour tous et une exp\u00e9rience qui s’adapte \u00e0 chacun.<\/p>\n\n\n\n
Ce guide explique ce qu’est un recommandateur de produits, comment il fonctionne, quels types de recommandation existent, comment l’impl\u00e9menter dans Connectif et comment l’appliquer lors d’une campagne Black Friday pour augmenter le panier moyen et am\u00e9liorer la conversion.<\/p>\n\n\n\n
Un recommandateur de produits est un syst\u00e8me qui s\u00e9lectionne et affiche automatiquement au visiteur les produits les plus susceptibles de l’int\u00e9resser, en se basant sur son comportement dans la boutique : ce qu’il a visit\u00e9, ce qu’il a ajout\u00e9 au panier, ce qu’il a achet\u00e9 auparavant et comment se comportent d’autres acheteurs aux profils similaires.<\/p>\n\n\n\n
La diff\u00e9rence entre un recommandateur et une s\u00e9lection manuelle de produits mis en avant est le niveau de personnalisation. Une banni\u00e8re \u00ab meilleures ventes \u00bb sur la page d’accueil est identique pour tout le monde. Un carrousel de recommandations qui m\u00e9lange les derniers produits visit\u00e9s par ce contact avec d’autres automatiquement li\u00e9s est diff\u00e9rent pour chaque personne, m\u00eame si elles se trouvent sur la m\u00eame page au m\u00eame moment.<\/p>\n\n\n\n
Comment \u00e7a fonctionne en pratique :<\/strong><\/p>\n\n\n\n Le syst\u00e8me enregistre en continu l’activit\u00e9 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 ach\u00e8te. Avec ces donn\u00e9es, il construit un profil comportemental qu’il utilise pour filtrer le catalogue et d\u00e9cider quels produits sont les plus pertinents pour ce visiteur \u00e0 ce moment pr\u00e9cis.<\/p>\n\n\n\n Dans la plupart des plateformes de marketing automation, ce m\u00e9canisme est g\u00e9r\u00e9 par des algorithmes de relation automatique entre produits : le syst\u00e8me apprend quels produits sont visit\u00e9s ou achet\u00e9s ensemble et utilise ces relations pour alimenter les recommandations. Le r\u00e9sultat est un carrousel, un bloc email ou une notification push avec des produits qui connectent vraiment avec ce que le contact a regard\u00e9, pas une liste g\u00e9n\u00e9rique du catalogue.<\/p>\n\n\n\n L’\u00e9l\u00e9ment le plus pertinent pour un ecommerce avec un trafic anonyme significatif : certains syst\u00e8mes de recommandation ne personnalisent que pour les contacts identifi\u00e9s, excluant la majorit\u00e9 du trafic. Un recommandateur qui fonctionne d\u00e8s le premier clic, avant que le visiteur ait laiss\u00e9 la moindre donn\u00e9e, peut afficher du contenu pertinent aussi \u00e0 ceux qui ne sont pas encore dans la base de donn\u00e9es, sur la base du comportement de cette session.<\/p>\n\n\n\n Les trois concepts se chevauchent au quotidien, mais r\u00e9pondent \u00e0 des objectifs diff\u00e9rents :<\/p>\n\n\n\n Cross-selling : le produit qui manque dans le panier<\/strong><\/p>\n\n\n\n La recommandation de cross-selling affiche des produits compl\u00e9mentaires \u00e0 ce que le contact a d\u00e9j\u00e0 dans son panier ou vient d’acheter. La m\u00e9canique est simple : quelqu’un ach\u00e8te un appareil photo et le syst\u00e8me lui sugg\u00e8re une carte m\u00e9moire, un tr\u00e9pied ou un \u00e9tui. Ce n’est pas une co\u00efncidence : c’est le m\u00e9canisme de relation automatique entre produits qui d\u00e9tecte quels articles sont g\u00e9n\u00e9ralement achet\u00e9s ensemble.<\/p>\n\n\n\n Dans l’ecommerce, le cross-selling se place habituellement \u00e0 trois moments : sur la fiche produit (\u00ab vous aimerez peut-\u00eatre aussi \u00bb), dans le panier avant le checkout (\u00ab d’autres acheteurs ont ajout\u00e9 \u00bb) et dans l’email post-achat (\u00ab compl\u00e9tez votre commande \u00bb). Les trois ont des taux de conversion significativement plus \u00e9lev\u00e9s qu’une communication g\u00e9n\u00e9rique, parce que le contexte est d\u00e9j\u00e0 pos\u00e9 : le client vient d’exprimer son intention d’achat.<\/p>\n\n\n\n Upselling : la version qui correspond vraiment<\/strong><\/p>\n\n\n\n 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 mod\u00e8le d’entr\u00e9e de gamme, le syst\u00e8me lui montre le mod\u00e8le premium avec les am\u00e9liorations qui le distinguent. L’objectif est que le contact reconnaisse la valeur de la version sup\u00e9rieure et change sa d\u00e9cision d’achat avant d’arriver au checkout.<\/p>\n\n\n\n L’upselling fonctionne particuli\u00e8rement bien quand la diff\u00e9rence de prix entre les deux options est faible par rapport aux prestations suppl\u00e9mentaires. Et quand il se fait sur des donn\u00e9es r\u00e9elles de comportement (quelle fourchette de prix ce contact ach\u00e8te habituellement, quelles cat\u00e9gories il fr\u00e9quente), la conversion est bien plus \u00e9lev\u00e9e que lorsqu’il est appliqu\u00e9 de fa\u00e7on g\u00e9n\u00e9rique \u00e0 tout le public.<\/p>\n\n\n\n Personnalisation avec l’IA : au-del\u00e0 des r\u00e8gles fixes<\/strong><\/p>\n\n\n\n Les syst\u00e8mes les plus avanc\u00e9s n’utilisent pas de r\u00e8gles statiques du type \u00ab si le contact ach\u00e8te X, afficher Y \u00bb. Ils appliquent des algorithmes qui analysent plusieurs signaux \u00e0 la fois : historique de visites de ce contact, comportement d’achat de profils similaires, saisonnalit\u00e9 du catalogue, disponibilit\u00e9 du stock et \u00e9valuations des produits. Le r\u00e9sultat est une recommandation qui change en fonction du moment et du contexte, pas seulement du profil statique du contact.<\/p>\n\n\n\n Dans Connectif, la relation automatique entre produits combine plusieurs crit\u00e8res dans le n\u0153ud \u00ab Obtenir des produits \u00bb : derniers produits visit\u00e9s, produits automatiquement li\u00e9s au panier, derniers achet\u00e9s, les plus visit\u00e9s sur une p\u00e9riode ou les plus vendus. On peut combiner des cas d’usage dans un m\u00eame n\u0153ud, de sorte que si le crit\u00e8re principal ne suffit pas \u00e0 remplir le carrousel, le syst\u00e8me le compl\u00e8te automatiquement avec le crit\u00e8re alternatif.<\/p>\n\n\n\n O\u00f9 placer chaque type :<\/strong><\/p>\n\n\n\n Le recommandateur de produits dans Connectif se construit autour du n\u0153ud \u00ab Obtenir des produits \u00bb<\/strong>, qui s\u00e9lectionne automatiquement quels articles afficher \u00e0 chaque contact selon le crit\u00e8re que vous d\u00e9finissez. Il ne n\u00e9cessite pas de d\u00e9veloppeurs ni d’int\u00e9gration technique suppl\u00e9mentaire : il se configure depuis l’\u00e9diteur de workflows.<\/p>\n\n\n\n \u00c9tape 1 : D\u00e9finissez quels produits vous voulez recommander<\/strong><\/p>\n\n\n\n Le n\u0153ud \u00ab Obtenir des produits \u00bb propose deux familles de crit\u00e8res :<\/p>\n\n\n\n Crit\u00e8res globaux (identiques pour tous) :<\/p>\n\n\n\n Crit\u00e8res personnalis\u00e9s par contact :<\/p>\n\n\n\n La solution la plus courante est de combiner un crit\u00e8re principal avec un crit\u00e8re alternatif : \u00ab montrez-moi les derniers produits visit\u00e9s par ce contact ; s’ils sont moins de 6, compl\u00e9tez avec les produits automatiquement li\u00e9s \u00e0 ses derni\u00e8res visites. \u00bb Ainsi le carrousel se remplit toujours avec du contenu pertinent, m\u00eame si le contact a peu d’historique.<\/p>\n\n\n\n Pour le d\u00e9tail technique de la configuration, le Centre d’aide propose l’article sur le n\u0153ud Obtenir des produits<\/a> avec tous les param\u00e8tres disponibles.<\/p>\n\n\n\n \u00c9tape 2 : Choisissez le canal et le format<\/strong><\/p>\n\n\n\n Les recommandations peuvent appara\u00eetre dans trois formats :<\/p>\n\n\n\n \u00c9tape 3 : Configurez le workflow<\/strong><\/p>\n\n\n\n Le recommandateur s’active dans un workflow avec trois \u00e9l\u00e9ments de base : le d\u00e9clencheur (l’\u00e9v\u00e9nement qui active le flux, comme \u00ab visite un produit \u00bb ou \u00ab abandonne le panier \u00bb), le n\u0153ud \u00ab Obtenir des produits \u00bb avec le crit\u00e8re choisi, et l’action d’envoi (inline web, email ou push).<\/p>\n\n\n\n Connectif dispose d\u00e9j\u00e0 de strat\u00e9gies de recommandation pr\u00eates dans la biblioth\u00e8que de mod\u00e8les : recommandateur en page d’accueil, recommandateur en fiche produit, cross-selling post-achat et r\u00e9cup\u00e9ration de panier avec recommandation. On y acc\u00e8de depuis Workflows > Cr\u00e9er un nouveau workflow > Cr\u00e9er depuis un mod\u00e8le<\/strong>.<\/p>\n\n\n\n \u00c9tape 4 : Excluez ce qui a d\u00e9j\u00e0 \u00e9t\u00e9 achet\u00e9<\/strong><\/p>\n\n\n\n Une configuration importante souvent n\u00e9glig\u00e9e : le n\u0153ud \u00ab Obtenir des produits \u00bb permet d’exclure les produits que le contact a d\u00e9j\u00e0 achet\u00e9s. Sans cette configuration, l’email post-achat peut recommander le m\u00eame article que celui qui vient d’\u00eatre acquis.<\/p>\n\n\n\n Le recommandateur de produits a un impact particuli\u00e8rement \u00e9lev\u00e9 au Black Friday pour deux raisons : le volume de trafic est plus important, donc il y a plus de donn\u00e9es 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.<\/p>\n\n\n\n Avant le Black Friday : r\u00e9cup\u00e9rez l’int\u00e9r\u00eat de ceux qui ont d\u00e9j\u00e0 visit\u00e9<\/strong><\/p>\n\n\n\n Les semaines pr\u00e9c\u00e9dant la campagne sont le moment o\u00f9 beaucoup de contacts explorent le catalogue sans encore acheter, en attendant l’offre. Ces donn\u00e9es de navigation sont pr\u00e9cieuses pour le recommandateur : quand arrivera le 27 novembre et que la campagne email d’acc\u00e8s anticip\u00e9 ou d’ouverture g\u00e9n\u00e9rale s’activera, le bloc de produits recommand\u00e9s dans cet email pourra se baser exactement sur ce que ce contact a regard\u00e9 ces deux ou trois derni\u00e8res semaines.<\/p>\n\n\n\n Le r\u00e9sultat pratique : l’email Black Friday n’arrive pas avec les m\u00eames quatre produits pour toute la liste. Il arrive avec les produits que ce contact a d\u00e9j\u00e0 visit\u00e9s, plus les produits li\u00e9s, avec la remise de la campagne d\u00e9j\u00e0 appliqu\u00e9e.<\/p>\n\n\n\n Pendant la campagne : trois moments critiques<\/strong><\/p>\n\n\n\n Sur la page d’accueil et dans les cat\u00e9gories.<\/strong> Un carrousel en page d’accueil avec les derniers produits visit\u00e9s 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 visit\u00e9s du jour de campagne.<\/p>\n\n\n\n Sur la fiche produit.<\/strong> Un visiteur qui arrive sur une fiche et la quitte sans ajouter au panier est en train de comparer. Le recommandateur sur la m\u00eame page, avec des produits similaires de la m\u00eame cat\u00e9gorie 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 compl\u00e9mentaires, augmente le panier moyen de ceux qui ajoutent.<\/p>\n\n\n\n Dans le panier avant le checkout.<\/strong> Le moment de plus forte intention d’achat de tout le Black Friday. Un bloc de cross-selling sur la page panier, avec les compl\u00e9mentaires de ce qui est sur le point d’\u00eatre pay\u00e9, affiche les taux de conversion les plus \u00e9lev\u00e9s de tous les emplacements du recommandateur. Le contact a d\u00e9j\u00e0 d\u00e9cid\u00e9 d’acheter : ajouter quelque chose en plus est le pas de moindre friction possible.<\/p>\n\n\n\n R\u00e9cup\u00e9ration de panier abandonn\u00e9 avec recommandation.<\/strong> L’email de r\u00e9cup\u00e9ration de panier au Black Friday ne devrait pas afficher seulement les produits laiss\u00e9s : il devrait montrer ces produits plus les produits li\u00e9s, en renfor\u00e7ant l’argument avec ce qui peut manquer pour compl\u00e9ter le look, le kit ou l’exp\u00e9rience. Le n\u0153ud \u00ab Obtenir des produits \u00bb avec le crit\u00e8re \u00ab derniers ajout\u00e9s au panier + automatiquement li\u00e9s \u00bb le fait automatiquement pour chaque contact.<\/p>\n\n\n\n Apr\u00e8s le Black Friday : le cross-selling qui construit la r\u00e9currence<\/strong><\/p>\n\n\n\n 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 bas\u00e9s sur ce qu’il vient d’acheter, au lieu d’une communication g\u00e9n\u00e9rique de remerciement, il fait deux choses \u00e0 la fois : il renforce la d\u00e9cision d’achat et met sur la table la suivante. C’est le d\u00e9but d’un cycle de recommandations qui, bien aliment\u00e9, transforme l’acheteur ponctuel en client r\u00e9current.<\/p>\n\n\n\n Gioseppo<\/a><\/strong> \u2014 chaussures et accessoires, Espagne et march\u00e9 international (80 pays, 10 000 points de vente)<\/p>\n\n\n\n Gioseppo est arriv\u00e9 \u00e0 une conclusion qui r\u00e9sume bien le fil conducteur de cet article : plus les recommandations de produits qui parviennent au client sur tous les canaux sont personnalis\u00e9es, plus l’interaction est \u00e9lev\u00e9e et meilleurs sont les taux de conversion. Ce qui pourrait sembler \u00e9vident 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’int\u00e9ressent selon son historique de navigation et son profil de valeur. Et quand ce visiteur quitte le site, une push avec des produits recommand\u00e9s et des offres exclusives l’atteint avant que le moment ne se refroidisse. Avec le segment \u00ab Champions \u00bb (contacts ayant effectu\u00e9 au moins cinq achats dans l’ann\u00e9e), Gioseppo a automatis\u00e9 l’envoi hebdomadaire d’une notification push avec des recommandations personnalis\u00e9es. Le r\u00e9sultat cumulatif de cette strat\u00e9gie : 33 % du total des ventes en ligne attribu\u00e9 \u00e0 Connectif<\/strong>, des taux d’ouverture email proches de 60 %<\/strong> dans les campagnes segment\u00e9es et une augmentation de 8 % du CLV<\/strong> en Espagne.<\/p>\n\n\n\n Farmaciasdirect<\/a><\/strong> \u2014 pharmacie en ligne, Espagne et Portugal (480 000+ clients, 20 000+ r\u00e9f\u00e9rences de 600 marques)<\/p>\n\n\n\n Dans l’article, nous avons parl\u00e9 d’o\u00f9 placer le recommandateur : page d’accueil, fiche produit, panier, email. Farmaciasdirect ajoute une variante souvent ignor\u00e9e : la landing page comme destination personnalis\u00e9e. Avec un catalogue de 600 marques, son probl\u00e8me n’\u00e9tait pas le volume de produits mais de d\u00e9cider lesquels montrer \u00e0 qui. La solution a \u00e9t\u00e9 de cr\u00e9er des pages sp\u00e9cifiques par marque et cat\u00e9gorie o\u00f9 les produits \u00e9taient s\u00e9lectionn\u00e9s automatiquement selon l’historique d’achats et le comportement de navigation de chaque contact, avec une approche de cross-selling : celui qui a achet\u00e9 des produits pour b\u00e9b\u00e9 arrive sur la landing de la cat\u00e9gorie \u00ab B\u00e9b\u00e9 et Maman \u00bb ; celui qui a visit\u00e9 des articles pour le sommeil et la d\u00e9tente, sur la sienne. Ces landings \u00e9taient utilis\u00e9es comme destination dans les newsletters segment\u00e9es, les campagnes sur les r\u00e9seaux sociaux et les annonces. Chaque contact atterrissait l\u00e0 o\u00f9 il avait le plus de chances de convertir, pas sur la m\u00eame page d’accueil g\u00e9n\u00e9rique. Le r\u00e9sultat : +15 % de taux de conversion<\/strong> et 3x de CTOR<\/strong> dans les campagnes email segment\u00e9es par rapport aux envois de masse pr\u00e9c\u00e9dents.<\/p>\n\n\n\nTypes de recommandations : cross-selling, upselling et personnalisation avec l’IA<\/h2>\n\n\n\n
\n
Comment l’impl\u00e9menter \u00e9tape par \u00e9tape avec Connectif<\/h2>\n\n\n\n
\n
\n
\n
Comment l’appliquer dans les campagnes Black Friday<\/h2>\n\n\n\n
Exemples r\u00e9els de recommandateurs dans l’ecommerce<\/h2>\n\n\n\n