Selon le rapport Gartner Social Platforms and Influencers 2018, environ 66 % des 424 marques analysées par le cabinet d'études ont adopté des fonctionnalités de commerce social au cours de l'année 2018. L’essor des plateformes telles que Instagram, WeChat, TikTok et Twitter ont poussé les marques à se concentrer sur l'utilisation des médias sociaux pour créer de la notoriété, générer des transactions et fournir un service client durant le cycle d’achat.
Partout dans le monde, notre quotidien post-covid-19 nous fait passer des espaces publics à un cloisonnement plus marqué dans nos espaces personnelles. Cela nous oblige à adapter nos expériences sociales, dont notre expérience de shopping. Au-delà des réseaux sociaux que nous connaissons et utilisons déjà, les e-commerçants trouvent de nouvelles façons d'intégrer le social dans notre vie en ligne. La réflexion se porte désormais sur ce que la nouvelle donne du Covid pourrait signifier pour l'avenir du commerce électronique. Depuis plusieurs années, Pinduoduo apparaît sur nos radars comme une étude de cas intéressante. Dans le contexte actuel, son approche du social-shopping est bien placée pour saisir pleinement la transition du commerce hors ligne au commerce en ligne, tout en conservant la qualité de la recommandation personnalisée vécu lors d’une expérience hors ligne.
Créer de la valeur en proposant des recommandations personnalisées
Le social shopping est particulièrement important pour les catégories de produits où les consommateurs recherchent des feedback ou des recommandations d'amis. Pinduoduo a essayé de reproduire l'expérience de shopping hors ligne en ligne en créant une communauté via son modèle d'achat groupé entre amis. L’approche stimule l'engagement via des jeux amusants, des récompenses interactives, et en offrant des modules de recommandations hautement personnalisés.
Sur la base d'informations telles que les amis d'un utilisateur, leurs catégories préférées et à qui ils font confiance, Pinduoduo peut faire des recommandations personnalisées à chaque utilisateur. Pinduoduo est particulièrement bien placé pour le faire en raison du partage d’information entre utilisateurs provoqué par l'achat en groupe. Les données agrégées par la plateforme lui permettent d'optimiser les éléments qu'un utilisateur rencontre sur l'application en mettant en évidence les produits que des amis proche ont déjà achetés ou recommandés et les produits dans leurs catégories préférées.
ecommerce-chine-pinduoduo.png?width=1050&name=UX-Tips-netwave-personnalisation)ecommerce-chine-pinduoduo.png)
Au-delà de proposer des recommandations de produits personnalisées, Pinduoduo considère également l'optimisation des recommandations en fonction du budget supposé d’un utilisateur. Sur la base de l'historique d'achat/de navigation d'un utilisateur, Pinduoduo sait si un utilisateur apprécie les produits ayant un coût élevé ou les produits plutôt bons marché. En fonction du persona acheteur spécifique à chaque utilisateur, Pinduoduo ne vous montrera que des produits correspondant à votre volonté de payer.
On en parle ?!
Avez-vous des commentaires, des questions, de l'amour ou de la haine ? Envoyez tout ça à contact@netwave.eu. Si vous n'aimez pas les e-mails, envoyez un tweet à @netwavecorp.
Prenez soin de vous. À bientôt — @guillaumpalayer du Magazine du Webdesign.
Attention aux plateformes utilisant de simples algorithmes de machine learning.
Systèmes déductifs, ils fonctionnent sur des base statistiques qui présentent l’inconvénient de modéliser vos insights. Quand la donne change, les modèles s’effondrent et demandent du temps (parfois beaucoup) pour retrouver une stabilité.
La récente crise du COVID est éclairante à ce sujet. Le risque ? Être improductif voire contre productif. Et comme sur le web, la stabilité est tout sauf la norme… Deuxième inconvénient, ils travaillent sur la base de segments, de personaes. Ils réduisent la complexité au lieu d’en rendre compte.
Pour vous donner la mesure du problème, nous constatons sur nos serveurs 16.000 situations (les segments dynamiques de Netwave) utilisables tous les 1 million de visites. Le risque: raccrocher plus ou moins arbitrairement des visiteurs à un segment car… il faut bien les raccrocher. Et “tomber à côté de la plaque”. Vous êtes alors dans l’automation de règles prédéfinies et non dans la personnalisation temps réel.
Vous souhaitez individualiser votre relation ? Pousser ce qui se vend en ce moment et pas ce qui se vendait hier ?
